O Brasil subiu duas posições no ranking global de conhecimento em cibersegurança, mas segue atrás no uso de inteligência artificial. Para as empresas, o descompasso entre defesa cibernética e adoção de IA amplia a superfície de ataque e exige governança mais madura.
Introdução contextual
O Brasil consolidou, nos últimos anos, uma trajetória de amadurecimento em cibersegurança que já não pode ser ignorada. O país deixou de ser apenas um mercado consumidor de soluções importadas e passou a figurar, com mais consistência, nos rankings internacionais que medem conhecimento, capacidade de resposta e maturidade regulatória. Esse movimento é relevante em um cenário no qual ataques cibernéticos deixaram de ser eventos episódicos para se tornarem parte da operação cotidiana de empresas de todos os portes.
No entanto, a evolução em cibersegurança não ocorre em um vácuo. Ela acontece em paralelo a uma transformação igualmente profunda: a adoção acelerada de inteligência artificial generativa, agentes autônomos e modelos de linguagem em processos de negócio. É nesse ponto que surge a tensão central da notícia publicada pela CNN Brasil: o Brasil avança na defesa, mas ainda fica para trás no uso estruturado de IA. Para o mundo corporativo, esse descompasso não é um detalhe estatístico — é um fator de risco.
O que aconteceu
Segundo a reportagem, um estudo revela que o país subiu duas colocações na lista global de conhecimento em cibersegurança. O avanço indica maior qualificação de profissionais, ampliação de programas de capacitação e, possivelmente, maior atenção regulatória e executiva ao tema. É um sinal positivo, sobretudo em um contexto de aumento de incidentes envolvendo ransomware, fraude digital e vazamento de dados.
Ao mesmo tempo, o levantamento aponta que o Brasil ainda apresenta desafios no uso de inteligência artificial. Ou seja, a capacidade de defender sistemas cresceu, mas a capacidade de adotar IA de forma segura, governada e integrada à estratégia de negócio não acompanhou o mesmo ritmo. Essa assimetria é o ponto que merece atenção executiva.
Vale contextualizar: rankings globais de cibersegurança costumam considerar indicadores como existência de legislação específica, proteção de infraestruturas críticas, capacidade de resposta a incidentes, cooperação internacional e formação de talentos. Já os indicadores de IA tendem a medir adoção empresarial, investimento em pesquisa, disponibilidade de dados, infraestrutura computacional e políticas de governança algorítmica. O Brasil pontua melhor no primeiro conjunto do que no segundo.
Por que isso importa para empresas
Para gestores, conselheiros e líderes de tecnologia, a leitura prática é direta: uma empresa pode ter controles de segurança razoáveis e, ainda assim, estar exposta a riscos novos trazidos pela IA. Isso ocorre por três motivos principais.
- Superfície de ataque ampliada: modelos de IA, APIs, agentes automatizados e integrações com plataformas externas criam novos pontos de entrada que não estavam previstos nos modelos tradicionais de segurança.
- Dados sensíveis em trânsito: o uso de ferramentas generativas sem governança adequada pode expor informações proprietárias, dados pessoais e segredos industriais a terceiros.
- Decisões automatizadas sem rastreabilidade: quando a IA participa de decisões de crédito, contratação, saúde ou atendimento, cresce a exigência de explicabilidade, auditoria e conformidade regulatória.
Além disso, a lacuna em IA tende a se traduzir em desvantagem competitiva. Empresas que não conseguem adotar IA com segurança perdem eficiência, ficam mais lentas na resposta ao mercado e dependem de fornecedores externos para funções críticas. Em setores regulados, como financeiro, saúde e energia, esse atraso pode significar risco de sanção e perda de reputação.
Impacto para cibersegurança, governança, IA ou continuidade
O avanço em cibersegurança sem avanço equivalente em IA cria um efeito paradoxal. A organização investe em firewall, SIEM, gestão de identidade e resposta a incidentes, mas não estende esses controles ao ciclo de vida dos modelos de IA. O resultado é uma defesa robusta na periferia e frágil no centro, onde a IA opera.
Do ponto de vista de governança, a ausência de políticas específicas para IA — como classificação de dados, revisão humana, testes de robustez e monitoramento contínuo — deixa lacunas que auditorias internas e externas tendem a identificar. Reguladores e clientes corporativos já começam a exigir evidências de controle sobre sistemas automatizados.
Na dimensão de continuidade de negócios, a dependência de modelos de terceiros sem plano de contingência é um risco concreto. Indisponibilidade de API, mudança de termos de uso, alteração de modelo ou incidente no fornecedor podem interromper processos críticos. Empresas que tratam IA como experimento isolado raramente têm planos de resposta para esses cenários.
Há ainda o risco de segurança de modelos, incluindo envenenamento de dados, extração de informações por meio de prompts e manipulação de saídas. Esses vetores exigem competências que vão além da cibersegurança tradicional e envolvem cientistas de dados, jurídico, compliance e áreas de negócio.
O avanço em cibersegurança protege a empresa de ameaças conhecidas. A lacuna em IA a expõe a ameaças que ainda estão sendo descobertas.
Leitura executiva da WSVP
A WSVP avalia que o Brasil está no caminho correto em cibersegurança, mas corre o risco de repetir um padrão histórico: fortalecer a defesa depois que o incidente acontece, em vez de antecipar a governança. A IA não é apenas mais uma tecnologia a ser adotada; é uma nova camada de risco operacional, regulatório e reputacional.
Para o board, a mensagem é clara: não basta perguntar se a empresa está segura. É preciso perguntar se a empresa sabe onde a IA está sendo usada, quem responde por ela e como isso é auditado. A maturidade em cibersegurança deve ser estendida à IA, com políticas, controles e métricas específicas.
Empresas que tratarem a lacuna em IA como prioridade de governança tendem a capturar vantagem competitiva. As que a ignorarem provavelmente enfrentarão incidentes, questionamentos regulatórios e perda de confiança de clientes e investidores.
Recomendações práticas
- Mapeie o uso real de IA: identifique ferramentas, modelos, APIs e iniciativas departamentais, inclusive as não homologadas.
- Estenda a política de segurança à IA: inclua classificação de dados, controle de acesso, revisão humana e testes de robustez.
- Crie um comitê de governança de IA: com participação de tecnologia, jurídico, compliance, risco e negócio.
- Defina métricas executivas: acompanhe adoção, incidentes, conformidade e dependência de fornecedores.
- Prepare planos de continuidade: tenha alternativas para indisponibilidade ou mudança de termos de modelos críticos.
- Invista em capacitação cruzada: profissionais de segurança precisam entender IA, e times de dados precisam entender risco.
- Documente evidências: auditorias e reguladores exigirão rastreabilidade das decisões automatizadas.
Fontes consultadas
Disclaimer
Este rascunho foi produzido com apoio de inteligência artificial e ainda requer revisão humana antes da publicação.


