Google corrigiu mais bugs no Chrome em junho do que nos últimos dois anos, graças à IA
O Google afirma que ferramentas assistidas por IA permitiram que engenheiros do Chrome encontrassem e corrigissem mais vulnerabilidades de segurança em um marco recente de lançamento do que nos dois anos anteriores combinados, o que despertou interesse e ceticismo. Comentadores observam que modelos de linguagem podem de fato ser poderosos para análise de código, refatoração e revisão de segurança quando integrados de forma rígida a testes e ferramentas, mas questionam quantos bugs a IA também introduz, quais modelos são usados e como os resultados são medidos. A discussão se amplia para preocupações com a adoção de IA movida por hype, fluxos de trabalho de desenvolvimento e os riscos do crescente controle do Google sobre a plataforma da web, além dos limites da IA para design em nível mais alto, qualidade de UX e bugs funcionais antigos.
Reação geral à afirmação do Google
- Muitos veem a descoberta de bugs assistida por IA como plausível, especialmente para uma base de código C++ enorme e complexa como a do Chrome.
- Outros desconfiam, encarando a postagem do blog como marketing de uma empresa com forte investimento financeiro em IA.
- Vários observam que o artigo trata de bugs de segurança ao longo de marcos de lançamento, não de todos os bugs em um único mês.
Como a IA está sendo usada para bugs e segurança
- Comentadores relatam bons resultados usando LLMs para:
- Análise de estilo estático, testes adversariais e sugestões de refatoração.
- Varredura de bases de código em larga escala, detecção de bugs duplicados e triagem de revisão de segurança.
- Busca automática por vulnerabilidades antes que pesquisadores externos as explorem.
- Faz-se uma analogia com fuzzers, linters e ferramentas formais: a IA é “mais um verificador automatizado poderoso”, mas operando em um nível de raciocínio mais parecido com o humano.
Ceticismo, métricas ausentes e possíveis efeitos colaterais
- Várias pessoas perguntam:
- Quantas correções assistidas por IA foram revertidas?
- Quantos bugs novos a IA introduziu?
- Qual é a taxa de falsos positivos dos localizadores de bugs por IA?
- Alguns suspeitam de manipulação de KPI pela gestão (por exemplo, concentrar a IA em bugs fáceis e de baixo impacto do backlog) e reclamam que a postagem mostra apenas “vitórias”, sem dados sobre falhas.
- Outros contestam, argumentando que fechar muitos problemas pequenos ou difíceis de explorar ainda representa um ganho líquido de segurança, já que cadeias de exploração costumam precisar de muitos bugs.
A IA também criou os bugs?
- Uma linha de crítica: código gerado por IA pode inflar a contagem de bugs, então “corrigir mais” não é obviamente bom.
- Contra-argumentos:
- O Chrome tem cerca de 20 anos; a maioria dos bugs graves é anterior ao uso de LLMs.
- As estatísticas do repositório não mostram uma explosão recente de código novo.
- Mesmo que a IA introduza alguns bugs, quebrar longas cadeias de exploração ao corrigir muitos problemas ainda é valioso.
Experiências mais amplas com IA no desenvolvimento
- Muitos relatam que LLMs são muito úteis para:
- Revisão de código, atualizações de dependências e segurança, e pequenas refatorações.
- Ajuste de desempenho quando fundamentado em telemetria/perfis reais e executado em ciclos fechados.
- Outros acham que LLMs são fracos em design de alto nível, simplificação de sistemas ou direção profunda de desempenho, e reclamam de “AI slop” no código e na comunicação interna.
Preocupações com o Chrome, C++ e o controle do ecossistema
- Alguns veem isso como um destaque de quão frágeis são grandes sistemas em C++ e defendem reescritas com segurança de memória (por exemplo, Rust), enquanto outros defendem C/C++ com ferramentas melhores.
- Separadamente da IA, vários expressam desconforto com o domínio do Google sobre a pilha da web e decisões de produto orientadas por anúncios; corrigir mais bugs não resolve esse problema estrutural.