A inteligência artificial generativa deixou de ser uma decisão estratégica isolada dentro das empresas brasileiras. Ela já está integrada à rotina de praticamente toda organização, e isso aconteceu mais rápido do que qualquer estrutura de governança conseguiu acompanhar. Segundo o relatório Netskope Threat Labs Report: Brazil 2026, 100% das organizações analisadas no país já utilizam algum tipo de aplicação de I.A generativa, e o percentual de usuários que acessam ativamente essas ferramentas saltou de 50% para 71% em apenas doze meses.
O problema não está na adoção em si, mas no que essa adoção carrega consigo sem que ninguém perceba. O mesmo levantamento aponta que 64% das violações de políticas de dados relacionadas ao uso de I.A generativa no Brasil envolvem informações reguladas ou sensíveis. Em aplicações pessoais utilizadas dentro do horário de trabalho, esse índice sobe para 66%. Não se trata de um incidente isolado nem de um cibercriminoso sofisticado explorando uma falha técnica. Trata-se de colaboradores comuns, em tarefas comuns, expondo código-fonte, contratos e dados de clientes para ferramentas que a empresa nem sempre sabe que estão em uso.
Para CISOs, CTOs e DPOs, esse cenário cria uma tensão concreta: como sustentar a velocidade de inovação que o negócio exige sem perder o controle sobre onde os dados mais críticos da organização estão circulando.
A adoção avançou mais rápido do que a governança
O movimento de adoção de IA nas empresas brasileiras tem duas camadas. A primeira é visível e relativamente controlada: o uso de soluções de IA generativa administradas diretamente pelas organizações cresceu de 29% para 70% em um ano, segundo a Netskope. A segunda camada é a que preocupa as áreas de segurança e compliance. Mesmo com esse avanço na adoção gerenciada, mais da metade dos usuários continua recorrendo a contas ou aplicativos pessoais de IA durante o expediente, mantendo brechas relevantes de monitoramento.
Há ainda um terceiro fator que amplia a superfície de risco: 96% dos usuários acessam aplicações de terceiros que incorporam recursos de I.A generativa de forma embutida, muitas vezes sem perceber que estão diante de uma ferramenta que processa e retém dados fora do ambiente corporativo. Plataformas amplamente usadas no dia a dia das equipes, como repositórios de código e serviços de armazenamento em nuvem, também passaram a ser exploradas como vetor de distribuição de ameaças, dificultando a distinção entre tráfego legítimo e atividade maliciosa.
Esse cenário tem nome técnico: shadow AI, o uso de ferramentas de inteligência artificial fora dos canais homologados pela empresa. Um levantamento da Harmonic Security, divulgado em janeiro de 2026, detalhou o que efetivamente é inserido nos prompts dessas ferramentas: dados jurídicos e financeiros representam 30,8% dos casos, informações de clientes somam 27,8%, dados pessoais de titulares chegam a 14,9%, registros de funcionários representam 14,3% e código-fonte sensível corresponde a 10,1%. Desses dados, 79% fluem para um único grande modelo de IA generativa de mercado, sendo 21% para a versão gratuita, na qual os prompts podem ser retidos para treinamento futuro do modelo.
Além do fenômeno conhecido como Shadow AI, as organizações também passam a lidar com uma nova superfície de ataque associada à inteligência artificial. APIs de modelos, agentes autônomos, integrações com aplicações corporativas, bases vetoriais e conectores externos ampliam significativamente a exposição digital das empresas. Técnicas como Prompt Injection, Data Poisoning e manipulação de modelos já figuram entre as principais preocupações de segurança associadas à adoção de IA generativa, exigindo que controles de segurança evoluam na mesma velocidade da inovação.
O desafio torna-se ainda mais complexo à medida que agentes autônomos passam a executar tarefas em nome dos usuários. Diferentemente de ferramentas que apenas processam informações, esses sistemas podem interagir com e-mails, documentos, sistemas corporativos e fluxos de aprovação, ampliando os impactos potenciais de permissões excessivas ou configurações inadequadas.
O custo de uma governança ausente
A ausência de controle sobre esse fluxo de dados não é apenas um risco abstrato de compliance, ela tem preço definido. Segundo o relatório global de custo de violações de dados da IBM, publicado em 2025, incidentes em que o uso de shadow AI é um fator contribuinte custam, em média, US$ 670 mil acima da média global de um incidente de segurança, US$ 4,63 milhões contra US$ 3,96 milhões. No Brasil, o custo médio de uma violação de dados alcançou R$ 7,19 milhões em 2025, alta de 6,5% em relação ao ano anterior.
O mesmo estudo da IBM revela um dado que deveria preocupar qualquer comitê de risco: 97% das organizações que sofreram violações envolvendo modelos ou aplicações de IA relataram ausência de controles de acesso adequados no momento do incidente. Em paralelo, 87% das empresas brasileiras ainda não possuem políticas formais de governança de IA. Ou seja, a maioria das organizações está operando com uma tecnologia de altíssimo poder de processamento de dados sensíveis sem o equivalente em controle de quem acessa o quê, quando e por meio de qual canal.
Esse descompasso explica por que a abordagem mais comum entre gestores de TI, proibir o uso de ferramentas externas, tende a falhar. Pesquisas internacionais mostram que mesmo entre empresas que baniram completamente o uso de IA generativa, quase metade dos colaboradores admite ter inserido informações não públicas nessas ferramentas de qualquer forma. O risco não desaparece com a proibição; ele apenas se torna invisível para a equipe de segurança, o que é estatisticamente pior.
Casos recentes demonstram que esse risco não é apenas teórico. Em um dos episódios mais conhecidos, colaboradores de uma grande empresa global de tecnologia compartilharam código-fonte proprietário com ferramentas de IA generativa durante atividades de desenvolvimento, resultando na exposição de informações estratégicas fora dos ambientes corporativos autorizados. Situações semelhantes vêm sendo observadas em diversos setores, reforçando que o principal vetor de risco não é necessariamente um atacante externo, mas o uso inadequado de ferramentas por usuários legítimos que buscam ganhos de produtividade.
Os desafios associados à segurança de modelos de linguagem já são amplamente documentados pela comunidade técnica. Entre os principais riscos identificados pelo OWASP Top 10 for LLM Applications destacam-se:
• Prompt Injection
• Insecure Output Handling
• Training Data Poisoning
• Model Denial of Service
• Supply Chain Vulnerabilities
• Sensitive Information Disclosure
• Excessive Agency
• Overreliance on AI Responses
Esses riscos demonstram que a segurança de IA não pode ser tratada exclusivamente como uma questão de proteção de dados, mas como uma disciplina própria dentro da estratégia de segurança corporativa.
A camada regulatória que poucas empresas estão dimensionando corretamente
No Brasil, o uso desgovernado de IA generativa colide diretamente com obrigações já vigentes da Lei Geral de Proteção de Dados. Quando um colaborador insere dados pessoais de um cliente em uma ferramenta de IA pública, configura-se, ao mesmo tempo, uma transmissão a terceiro, uma possível transferência internacional de dados e, em muitos casos, descumprimento do princípio de segurança previsto no artigo 46 da LGPD. A responsabilidade recai sobre a empresa, conforme o artigo 42, independentemente de a exposição ter partido de uma decisão individual de um funcionário, sem aprovação ou conhecimento da área de TI.
O ambiente regulatório também se tornou mais rigoroso. Em 2025, a Autoridade Nacional de Proteção de Dados (ANPD) foi elevada ao status de autarquia especial, com poderes ampliados de fiscalização, e já demonstrou disposição concreta para agir contra o uso indevido de dados pessoais em treinamento de modelos de IA. As sanções administrativas previstas pela LGPD podem chegar a 2% do faturamento da empresa, com limite de R$ 50 milhões por infração. Paralelamente, o Marco Legal da IA (PL 2.338/2023), aprovado pelo Senado em dezembro de 2024 e ainda em tramitação na Câmara dos Deputados, deve reforçar exigências de rastreabilidade sobre como dados são processados por sistemas de inteligência artificial dentro das organizações.
Para o CTO que quer acelerar a adoção de IA como diferencial competitivo e para o DPO que precisa garantir conformidade regulatória, esse é o ponto exato de atrito. Um projeta o ganho de produtividade; o outro projeta o risco de exposição jurídica. A resposta não está em escolher um lado, mas em construir a camada de governança que permite que os dois objetivos coexistam.
Identidade e dados: o novo perímetro que sustenta a inovação com segurança
O modelo de segurança baseado puramente em perímetro de rede já não responde a um cenário em que dados sensíveis saem da organização por meio de prompts digitados em uma caixa de texto. O controle precisa migrar para dois pontos centrais: quem tem acesso a quais sistemas e dados, e o que está sendo feito com essas informações no momento em que o acesso ocorre.
É exatamente nesse ponto que a abordagem da Asper se estrutura, combinando governança de identidade, monitoramento comportamental de dados e correlação centralizada de eventos dentro do Cyber Fusion Center (CFC).
A primeira camada é a governança de identidades, operacionalizada com o SailPoint: em ambientes onde colaboradores, prestadores de serviço e sistemas automatizados interagem constantemente com bases de dados corporativas que alimentam ferramentas de IA, controlar o ciclo de vida de cada identidade, quem tem acesso, por quanto tempo e com qual nível de privilégio, deixa de ser uma boa prática e passa a ser pré-requisito de conformidade. O SailPoint permite identificar acessos incomuns e desproporcionais antes que se tornem o ponto de entrada para uma exposição de dados, garantindo que apenas usuários e sistemas autorizados interajam com os repositórios que sustentam projetos de inteligência artificial.
A segunda camada é a proteção comportamental de dados, viabilizada pelo Varonis. Diferente de controles estáticos, o Varonis identifica padrões anômalos de acesso a arquivos sensíveis, um volume de leitura fora do padrão, um acesso fora do horário habitual, uma tentativa de exfiltração de propriedade intelectual para fora da rede corporativa, e permite bloquear essas tentativas antes que se tornem um incidente de privacidade reportável. No contexto de IA generativa, essa camada é o que diferencia uma empresa que apenas monitora alertas de uma empresa que efetivamente impede que código-fonte e contratos saiam do perímetro digital sem rastreabilidade.
A terceira camada é a consolidação de inteligência dentro do Cyber Fusion Center. O time de especialistas no CFC da Asper integra logs, telemetria de identidade e alertas de comportamento de dados em uma visão única, permitindo que a correlação entre um acesso suspeito de identidade e um padrão anômalo de manipulação de arquivos seja identificada e respondida em tempo real, e não semanas depois, quando o dano já está consumado.
O principal desafio da próxima geração de programas de segurança não será apenas proteger usuários, dispositivos e aplicações, mas também modelos, agentes, embeddings, bancos vetoriais e fluxos de inferência. O perímetro corporativo passa a ser definido pela combinação entre identidade, dados e contexto de execução.
Nesse cenário, organizações que tratarem IA como um ativo crítico de segurança e não apenas como uma ferramenta de produtividade estarão mais preparadas para enfrentar os riscos emergentes associados à nova era da computação baseada em modelos.
Da proibição à governança: o caminho que sustenta a inovação
O dado mais relevante para quem lidera tecnologia e segurança em 2026 não é apenas o volume de incidentes relacionados a IA, mas a direção que eles indicam: a velocidade de adoção tecnológica não vai desacelerar, e tentar conter essa velocidade com proibições isoladas tende a empurrar o problema para debaixo do tapete, não a resolvê-lo. A alternativa madura não é decidir entre inovar ou proteger dados, mas construir a infraestrutura de identidade e monitoramento que permita às duas coisas avançarem juntas.
Cibersegurança, nesse contexto, não é uma barreira para a adoção de IA, é exatamente o que viabiliza essa adoção em escala, com segurança jurídica e sem comprometer a posição competitiva da empresa. Cada novo caso de exposição de dados via IA generativa reforça o mesmo princípio: hackers e processos internos desgovernados evoluem na mesma velocidade da tecnologia, e a defesa precisa evoluir junto.
Quer entender se a governança de identidade e dados da sua empresa está preparada para sustentar a adoção de IA sem comprometer a conformidade regulatória? Fale com o time de especialistas da Asper.
