A maioria das listas sobre o "futuro da segurança da IA" trata a IA como mais uma carga de trabalho. Mais um banco de dados. Mais um aplicativo SaaS para o qual criar uma política. Essa abordagem ignora o que realmente diferencia a IA.
A IA não se limita a ler seus dados. Ela toma decisões e executa ações em seu nome. Às vezes, é um modelo. Cada vez mais, é um agente. De qualquer forma, ela acessa dados sensíveis mais rapidamente, em maior escala e com menos supervisão do que qualquer funcionário da sua organização.
As tendências abaixo não são previsões. Elas representam o que já está acontecendo em empresas que superaram o debate sobre "devemos permitir o ChatGPT?". Veja onde investir e onde observar nos próximos 12 a 18 meses.
1. Os agentes de IA tornam-se a superfície de ataque dominante
Em 2024, a discussão sobre segurança de IA girava em torno de funcionários colando dados de clientes no ChatGPT. Em 2025, o foco mudou para aplicativos GenAI licenciados e desenvolvidos internamente. Em 2026, serão os agentes. Sistemas autônomos que recuperam dados, acionam ferramentas, acessam APIs e executam ações em todo o seu ambiente.
O risco não é uma versão ampliada do risco do chatbot. É um risco de outra natureza. Um chatbot aguarda uma instrução. Um agente lê o CRM, consulta o data lake, registra informações em um sistema de tickets e envia um e-mail para o cliente em uma única cadeia de processos. Cinco chamadas de ferramentas em um único nível, sem intervenção humana. As soluções legadas de DLP e DSPM foram criadas para usuários que abrem arquivos. Quase nada nessa estrutura foi projetado para um agente que recupera informações sensíveis e age de acordo com elas.
O que observar: como os fornecedores oferecem visibilidade e rastreabilidade em todo o ciclo do agente. Recuperações, chamadas de ferramentas, transferências entre agentes e as ações tomadas com base nos dados. Se a resposta for apenas prompts e respostas, eles estão apenas analisando a caixa de bate-papo e chamando isso de segurança.
2. A identidade não humana se torna o problema de identidade mais importante que você tem.
Cada agente de IA é uma identidade não humana. Possui credenciais, permissões, um escopo de acesso efetivo e um raio de ação. A Cloud Security Alliance estima que a proporção de identidades não humanas para humanos seja de 10 a 50 vezes maior na maioria das empresas, e essa proporção está aumentando à medida que os agentes se tornam mais numerosos.
A maioria das ferramentas de IAM e ITDR não foram projetadas para isso. Elas não conseguem responder às perguntas que realmente importam:
A que dados esse agente consegue acessar, considerando suas ferramentas e conexões? Quais dados sensíveis ele está acessando atualmente, e isso é compatível com seu propósito? Se ele for comprometido ou apresentar alucinações graves, qual será o impacto real?
Empresas que escalam agentes com sucesso vinculam cada identidade (humana, de máquina ou de agente) diretamente aos dados sensíveis que ela consegue acessar. E não apenas aos sistemas nos quais ela consegue fazer login.
3. AI-SPM e DSPM convergem
Gestão da postura de segurança da IA Surgiu em 2024 como uma forma de inventariar ativos de IA: modelos, conjuntos de dados de treinamento, repositórios de vetores, agentes, servidores MCP e as ferramentas de IA que os funcionários utilizavam discretamente. Até o final de 2026, será um requisito básico. Assim como o CSPM foi para a nuvem há cinco anos.
O risco da IA é o risco dos dados. Isso inclui o que o modelo usou para ser treinado, o que o agente recupera e qual contexto vaza para uma solicitação. É por isso que o AI-SPM está se fundindo com o DSPM. Os fornecedores que se destacam nessa categoria já possuem um mapa de alta fidelidade de onde os dados sensíveis residem. Adicionar um inventário de IA a um grafo de dados existente é um processo rápido. Construir um grafo de dados do zero é um projeto de vários anos.
Se o seu fornecedor de IA-SPM não consegue informar, para qualquer agente específico, exatamente quais conjuntos de dados sensíveis estão dentro do seu raio de alcance, o que ele está vendendo é uma lista de ativos. Não uma avaliação da sua postura de segurança.
4. A segurança da IA passa da postura para o tempo de execução.
A verificação de prompts e respostas em busca de dados sensíveis, injeção de prompts e saídas inseguras está se tornando algo comum. Era novidade em 2024. Agora é apenas uma opção a ser marcada.
O nível de exigência está aumentando. As empresas estão buscando proteção em tempo de execução que compreenda todo o ciclo do agente, não apenas a caixa de bate-papo. Isso significa inspecionar chamadas de ferramentas, recuperações e transferências entre agentes. Significa decisões de política que levem em conta quem é o agente, o que lhe foi solicitado e quais dados ele está prestes a acessar.
Os próximos 12 meses irão separar os fornecedores que apenas realizam varreduras de prompts daqueles que realmente entendem o ambiente de execução do agente. O teste é simples: o fornecedor consegue impor políticas entre o modelo e os dados, ou apenas na entrada e na saída do modelo?
5. A governança de agentes ganha um plano de controle real.
Todas as empresas com as quais conversamos estão perdendo a batalha para manter um inventário de agentes. O problema é a escala, especialmente porque funcionários sem conhecimento técnico começam a criar seus próprios agentes. Sem um inventário, não há visibilidade. Sem visibilidade, não há avaliação de riscos.
Um plano de controle de agente real em 2026 precisa responder a quatro perguntas sob demanda:
- Quais agentes eu tenho?
- O que cada um tem permissão para fazer?
- O que cada um deles está realmente fazendo?
- O que comprova isso?
Descobrir, governar, proteger, comprovar. Tudo o que não fecha esse ciclo acaba engavetado. As partes problemáticas são desativadas e as partes incompletas não resistem a uma auditoria.
6. O modelo e a linhagem de dados tornam-se um requisito do conselho de administração.
Órgãos reguladores em todo o mundo estão convergindo para uma expectativa simples. Se um modelo influenciou uma decisão sobre uma pessoa, é preciso explicar quais dados o treinaram, quais dados foram recuperados na inferência e quais salvaguardas estavam em vigor. Isso não é mais um problema de pesquisa. É um problema de auditoria.
Espere que as listas de materiais de IA (AI-BOM) e as ferramentas de rastreabilidade de modelos migrem da equipe de aprendizado de máquina para a área de segurança e GRC (Governança, Risco e Conformidade). A verdadeira questão não é se você tem uma lista de materiais de IA, mas sim se consegue conectá-la aos seus dados e gerar uma trilha de auditoria. Uma lista de materiais de IA que não conhece seus dados é um artefato de conformidade, não um controle de segurança.
7. O endpoint volta a ser um ponto de controle de segurança de IA.
Agentes de codificação como Claude Code e Cursor, e a próxima geração de agentes para desktop, tornaram o endpoint relevante para a segurança com IA novamente. Esses agentes leem código local, navegam na web, chamam APIs com credenciais de desenvolvedor e gravam arquivos. Tudo isso a partir de um laptop que sua infraestrutura de DLP mal vê.
Extensões de navegador e telemetria de endpoints simplificada estão de volta ao debate sobre segurança com IA. Elas preenchem lacunas nos sistemas DLP legados. Além disso, detectam agentes que são cada vez mais executados no computador do usuário, e não na nuvem.
O que isso significa para os líderes de segurança?
O padrão é o mesmo em tudo isso. A segurança da IA está se reduzindo à segurança de dados e à segurança de identidade, com uma camada de tempo de execução no meio. Os fornecedores que vencerem nos próximos dois anos serão os donos da camada de dados, estendendo-a a agentes e identidades não humanas, e aplicando políticas em tempo de execução.
Na Cyera, temos trabalhado exatamente para alcançar essa convergência. Postura, governança e controles de tempo de execução vinculados aos dados sensíveis que cada agente, modelo ou identidade pode acessar. O próximo capítulo é a própria superfície do agente: descobrir todos os agentes na nuvem, SaaS e endpoints; governar o que cada um pode fazer; protegê-los em tempo de execução; e comprovar que os controles estão funcionando.
Se você está criando uma estratégia de segurança de IA para os próximos 18 meses, o teste é simples. Escolha qualquer agente em seu ambiente. Você consegue responder, em menos de cinco minutos, quais dados ele pode acessar, o que ele acessou nas últimas 24 horas e se isso está de acordo com sua intenção? Caso contrário, é aí que o trabalho começa.
Get your AI Security Assessment
.svg)