A inteligência artificial está começando a assumir um papel mais operacional na defesa de redes corporativas. Em um caso relatado pela startup de cibersegurança Corma, um executivo conseguiu autorizar o bloqueio de um ataque em andamento diretamente pelo relógio enquanto passeava com seu cachorro.
Segundo Alon Pluda, fundador e CEO da Corma, um agente de IA detectou uma invasão ativa, enviou uma notificação ao executivo e solicitou autorização para agir. Depois da aprovação, o sistema teria bloqueado o malware, impedido a movimentação lateral do invasor e mitigado o incidente em menos de dez minutos. O relato foi feito por Pluda ao The Register e posteriormente repercutido pela Cyber Security Brazil.
O episódio chama atenção menos pelo local onde o executivo estava e mais pela mudança de paradigma que representa. Sistemas de IA deixam de atuar somente como ferramentas para resumir alertas e passam a participar do ciclo de detecção, investigação, decisão e resposta.
Mas a própria pesquisa da Corma revela um paradoxo: modelos avançados ainda demonstram desempenho significativamente melhor quando utilizados para atacar do que quando recebem a tarefa de defender.
IA detecta ataque e pede autorização para agir
No caso relatado pela Corma, o executivo de segurança estava fora do ambiente de trabalho quando recebeu uma notificação em seu smartwatch.
O alerta havia sido enviado por um agente da empresa após a identificação de um ataque em andamento. Em vez de simplesmente comunicar o problema, o sistema solicitou permissão para bloquear a atividade.
O executivo autorizou a ação.
De acordo com Pluda, o agente bloqueou o malware e evitou que o atacante continuasse avançando lateralmente pela rede da organização, encerrando a resposta ao incidente em menos de dez minutos.
A identidade da organização e detalhes técnicos do ataque não foram divulgados nas reportagens consultadas. O episódio deve, portanto, ser tratado como um caso relatado pela própria Corma, e não como um incidente analisado de forma independente.
Essa distinção é importante ao avaliar resultados apresentados por fornecedores de tecnologias de segurança.
O que muda com um agente de IA?
Grande parte das aplicações de inteligência artificial em cibersegurança começou como suporte aos analistas.
Um sistema pode, por exemplo, resumir um alerta, explicar um comando suspeito, correlacionar eventos ou sugerir uma ação.
Um agente de IA acrescenta outra camada.
Ele pode receber ferramentas e permissões para interagir diretamente com o ambiente.
Dependendo de como foi configurado, pode investigar máquinas, consultar registros, correlacionar eventos, bloquear processos ou conexões e executar procedimentos de resposta.
O caso descrito pela Corma ainda manteve um elemento humano importante: o agente pediu autorização antes de executar a ação crítica.
É um exemplo de arquitetura conhecida como human-in-the-loop, na qual a automação conduz parte do processo, mas determinadas decisões permanecem sob responsabilidade humana.
O problema: IA ainda parece melhor atacando
A Corma também realizou um experimento para medir como modelos avançados se comportam nos dois lados de um incidente cibernético.
Foram avaliados Claude Opus 4.8, GPT-5.5, Grok 4.3 e DeepSeek V4, segundo as informações divulgadas pela empresa.
Os modelos foram colocados tanto na função de atacante quanto na de defensor dentro de uma empresa simulada e de sua infraestrutura de rede.
A missão ofensiva era estabelecer um backdoor persistente.
O defensor precisava encontrar a invasão e interromper o ataque.
Todas as combinações entre os quatro modelos foram testadas, inclusive modelos enfrentando a si mesmos, com 15 execuções independentes por combinação. A Corma contabilizou 241 avaliações pontuadas.
O resultado mostrou uma diferença expressiva.
Ataques tiveram 85% de sucesso; defesa detectou 19%
Quando utilizados ofensivamente, os modelos conseguiram implantar um backdoor persistente em 85% das execuções.
Quando colocados para defender exatamente esse tipo de ambiente, detectaram apenas 19% dos ataques.
A Corma chama essa diferença de “defense gap”, ou lacuna defensiva.
Os resultados são particularmente relevantes porque mostram que disponibilizar um modelo avançado para uma equipe de segurança não significa automaticamente que ele terá o mesmo desempenho observado em tarefas de programação ou pesquisa de vulnerabilidades.
Por que atacar pode ser mais fácil para a IA?
Uma das explicações apresentadas pela Corma está relacionada à natureza dos dados utilizados em cada atividade.
Modelos de linguagem são particularmente eficientes no processamento de texto e código.
Essas características combinam bem com diversas tarefas ofensivas: analisar software, identificar vulnerabilidades, escrever código e organizar uma sequência de ações para atingir um objetivo.
A defesa apresenta um problema diferente.
Um ambiente corporativo produz enormes quantidades de logs, eventos de autenticação, telemetria, configurações, registros de rede e trilhas de auditoria.
O defensor precisa encontrar uma pequena quantidade de sinais maliciosos escondidos entre milhares ou milhões de eventos legítimos.
Além disso, a pergunta defensiva frequentemente é aberta.
O atacante sabe o que pretende fazer.
O defensor precisa descobrir se algo está acontecendo, onde começou, quais sistemas foram atingidos e qual ação deve ser tomada sem interromper atividades legítimas.
A mesma IA pode trabalhar dos dois lados
Esse desequilíbrio ganha importância porque modelos avançados também estão sendo utilizados para automatizar atividades ofensivas.
Capacidades originalmente desenvolvidas para programação — interpretar grandes bases de código, encontrar erros, escrever scripts e utilizar ferramentas — podem ser incorporadas a agentes capazes de executar processos com múltiplas etapas.
Segundo Pluda, quando essas capacidades são combinadas com arquiteturas agênticas, modelos deixam de atuar somente como pesquisadores de vulnerabilidades e passam a conseguir coordenar diferentes partes de uma operação.
Surge então uma corrida tecnológica.
De um lado, agentes capazes de acelerar ataques.
Do outro, agentes desenvolvidos para investigar e interromper essas operações.
Velocidade pode ser a grande vantagem da IA defensiva
Mesmo com as limitações identificadas nos testes, existe uma característica na qual agentes podem oferecer vantagem significativa: tempo de resposta.
Durante um ataque real, minutos importam.
Depois de obter o primeiro acesso, um invasor pode tentar roubar credenciais, aumentar privilégios, descobrir outros computadores e se movimentar pela rede.
Uma equipe humana precisa receber o alerta, avaliar sua prioridade, abrir uma investigação, consultar diferentes ferramentas, interpretar os dados e decidir o que fazer.
Um agente integrado ao ambiente pode executar parte dessas etapas continuamente.
No episódio relatado pela Corma, a intervenção humana teria sido reduzida essencialmente à autorização da ação recomendada pelo agente.
Mas dar poder à IA cria outro risco
A mesma autonomia que torna esses sistemas interessantes também cria um novo problema de segurança.
Um agente capaz de bloquear um atacante pode, em princípio, bloquear também um usuário legítimo.
Se possuir privilégios suficientes, uma decisão incorreta pode desconectar servidores, encerrar processos, revogar credenciais ou interromper serviços essenciais.
Por isso, aumentar a autonomia exige aumentar também os mecanismos de governança.
Empresas precisam definir claramente o que o agente pode fazer sozinho e quais ações precisam de aprovação humana.
O episódio do smartwatch ilustra uma possível solução: permitir que a IA faça investigação e recomende a resposta, mas exigir autorização para medidas de maior impacto.
Empresas precisam proteger os próprios agentes
Existe ainda outro lado dessa transformação.
Se agentes de segurança recebem credenciais e privilégios para modificar ambientes corporativos, eles próprios se tornam ativos altamente sensíveis.
Um atacante que consiga manipular instruções, comprometer integrações ou assumir a identidade de um agente poderia tentar utilizar suas próprias permissões defensivas contra a organização.
Isso torna necessários controles como privilégio mínimo, segregação de funções, autenticação robusta, registros detalhados das ações executadas e limites claros sobre quais ferramentas cada agente pode acessar.
O princípio aplicado a administradores humanos também deve valer para agentes: não conceder mais poder do que o necessário para executar sua função.
Corma recebe US$ 60 milhões
A tecnologia também está atraindo capital.
A Corma anunciou uma rodada seed de US$ 60 milhões, liderada pela Sequoia Capital, com participação da Khosla Ventures e Coatue.
Segundo Pluda, a empresa trabalha com organizações Fortune 100 e desenvolve modelos especializados em segurança defensiva.
A startup afirma ainda que implementações iniciais de sua tecnologia reduziram o tempo de resposta a ameaças em mais de 94% e aumentaram em 15 vezes a cobertura de diferentes funções de segurança. Esses números são métricas divulgadas pela própria Corma e não devem ser interpretados como resultados validados de forma independente.
O SOC do futuro pode misturar humanos e agentes
O episódio ajuda a visualizar como um Security Operations Center (SOC) pode funcionar nos próximos anos.
Em vez de analistas humanos examinarem manualmente cada alerta, agentes podem assumir investigações de primeiro nível, reunir evidências e executar tarefas repetitivas.
Casos mais complexos podem ser encaminhados para especialistas.
E determinadas ações críticas podem continuar exigindo aprovação humana.
Isso não necessariamente elimina o profissional de segurança. Pode mudar o ponto no qual ele participa do processo.
Em vez de gastar grande parte do tempo coletando informações, o especialista passa a avaliar decisões de maior impacto e supervisionar sistemas automatizados.
O desafio será confiar sem perder o controle
O caso do executivo passeando com o cachorro oferece uma imagem chamativa do futuro da cibersegurança, mas também levanta uma questão mais importante: quanto poder uma empresa está disposta a entregar a um agente de IA?
A velocidade é atraente.
Se um ataque pode se movimentar pela infraestrutura em minutos, uma defesa que dependa de longos ciclos de investigação pode chegar tarde demais.
Por outro lado, automatizar respostas sem mecanismos de supervisão pode criar riscos operacionais tão importantes quanto aqueles que a tecnologia pretende resolver.
Os próprios testes da Corma mostram que a tecnologia ainda possui limitações relevantes: os modelos avaliados foram muito mais eficientes implantando backdoors do que encontrando-os.
O próximo avanço da IA em cibersegurança, portanto, talvez não seja simplesmente criar agentes com mais autonomia.
Será criar agentes capazes de agir rapidamente, justificar suas decisões e operar dentro de limites que as organizações consigam controlar.
