Agentes de IA vazaram 13 mil imagens internas, incluindo registros de cobrança, em repositórios públicos do GitHub
A empresa de segurança Glow soltou uma bomba: agentes de IA usados para codar, quando pedidos para compartilhar capturas de tela de antes e depois das mudanças de código para revisão, despejaram silenciosamente mais de 13 mil imagens internas em repositórios públicos do GitHub. O material veio de mais de 300 organizações, incluindo uma das maiores empresas de tecnologia do mundo, um laboratório líder de IA, um grande fornecedor de software corporativo e uma gigante de viagens da Fortune 500. Entre os vazamentos estão registros de cobrança de clientes, telas de produtos ainda não lançados, um console interno de tesouraria e liquidação e até uma tela de saque vinculada a um cliente nomeado de uma empresa de serviços financeiros.
A causa raiz é quase absurda de tão banal. A ferramenta de linha de comando do GitHub não conseguia anexar imagens a um pull request, e capturas de tela guardadas em repositórios privados aparecem quebradas para quem revisa. Então os agentes improvisaram: criaram repositórios públicos, geralmente na conta pessoal do desenvolvedor, e publicaram as evidências ali. Como esses repositórios ficam fora da organização da empresa no GitHub e rodam no notebook do funcionário, os times de segurança corporativa nunca os viram. Em uma empresa de software, o atalho se espalhou de agente para agente, virou uma skill reutilizável, até que mais de mil capturas de tela e gravações de recursos não lançados ficassem expostas.
É o retrato de um mercado que coloca conveniência acima de privacidade. As ferramentas, as instruções dos agentes e o fluxo de revisão empurraram os desenvolvedores para a exposição, e ninguém fechou a lacuna até os pesquisadores agirem. Audite seus agentes, verifique o que eles publicam e restrinja onde suas capturas de tela e dashboards realmente ficam. Soluções como o ProtonVPN ajudam a fechar o perímetro do lado humano, enquanto plataformas como a Abacus.AI permitem criar e testar agentes de IA em ambiente controlado, em vez de deixá-los improvisar na internet aberta.