Agentes de AI Têm Mais Acesso a Sistemas do que Seus Funcionários. Poucos Estão Protegidos

O relatório anual de violações mais citado na segurança corporativa acaba de apontar seus agentes de AI como o próximo grande alvo de ataques. Se você financiou a implementação dos agentes mas não financiou os controles, está carregando um risco de nível de conselho que provavelmente ainda não consegue quantificar.

De acordo com o 2026 Verizon Data Breach Investigations Report (DBIR), que cobre incidentes de novembro de 2024 a outubro de 2025, contas de serviço e identidades de máquina são os ativos com maior probabilidade de serem explorados à medida que os atacantes adotam abordagens cada vez mais agênticas. Este ano, o relatório foi desenvolvido em parceria com a Anthropic e analisou centenas de agentes de ameaças sinalizados por violações de política. Essa parceria sinaliza algo relevante: o setor de segurança não trata mais a AI como uma preocupação futura. É uma questão do presente.

O enquadramento do DBIR é preciso. Ele não diz que "a AI será hackeada algum dia." Ele afirma que identidades de máquina e contas de serviço são a superfície de credenciais com maior probabilidade de ser explorada no que denomina nosso potencial futuro de AI agêntica. É exatamente sobre essa superfície que seus agentes estão operando agora.

Fatos-Chave

• 76% dos profissionais de segurança estão preocupados com as implicações de segurança da integração de agentes de AI em suas organizações (Darktrace State of AI Cybersecurity 2026, pesquisa com mais de 1.500 líderes de segurança)
• 47% dos executivos de segurança afirmam estar muito ou extremamente preocupados com os riscos de segurança de agentes de AI (Darktrace State of AI Cybersecurity 2026)
• O Verizon DBIR 2026 nomeia explicitamente identidades de máquina e contas de serviço como os ativos com maior probabilidade de exploração em um futuro de AI agêntica (Verizon, 2026)

O que o DBIR Realmente Encontrou

O Verizon DBIR é o padrão de referência em dados de violações há mais de uma década. Ele cobre incidentes reais, explorações reais, resultados financeiros reais. Quando aponta uma nova superfície de ataque, as equipes de segurança prestam atenção. Este ano, pela primeira vez, ele destaca identidades de máquina e contas de serviço como uma categoria sob pressão direta da adoção de AI agêntica.

O mecanismo é direto. Os atacantes não estão esperando os agentes se tornarem comuns. Eles já estão mudando de tática, usando abordagens mais agênticas, para identificar credenciais de alto valor que possam encadear. As identidades de máquina, os tokens e contas de serviço que dão alcance aos agentes de AI, são exatamente o tipo de credencial que menos frequentemente é rotacionada e menos de perto monitorada.

O programa de segurança existente em sua organização foi construído para proteger credenciais humanas. Esse programa tem lacunas onde vivem as credenciais dos agentes.

O Contraste com o Onboarding de Funcionários

Pense em como sua empresa trata um novo funcionário sênior que precisa de acesso amplo ao sistema. Há verificação de identidade antes da carta de oferta ser assinada. O acesso é provisionado usando o princípio do menor privilégio, ou seja, apenas o que a função especificamente exige. A atividade é registrada e frequentemente revisada. E quando essa pessoa sai, há um offboarding formal: contas desativadas, credenciais revogadas, trilha de auditoria encerrada.

Agora pense no último agente de AI que sua equipe implementou.

A maioria dos agentes entra em produção com acesso amplo via API negociado por quem construiu a integração, rodando em uma conta de serviço compartilhada criada uma única vez e nunca mais tocada, sem nenhuma camada de monitoramento comportamental e sem nenhum processo de offboarding definido. O agente opera 24 horas por dia, sete dias por semana. Ele acessa registros de CRM, dados de clientes, sistemas financeiros e logs de comunicação. E faz tudo isso como o que pesquisadores de segurança chamam cada vez mais de um insider não gerenciado: algo com o alcance de um funcionário e nenhuma das responsabilidades correspondentes.

A assimetria de acesso é real e crescente. As empresas estão implantando agentes em fluxos de trabalho nos quais o agente, por design, precisa de acesso mais amplo ao sistema do que o humano que faria o trabalho equivalente. O agente precisa tocar mais sistemas, mais rapidamente, para ser útil. Isso é uma funcionalidade. Mas sem os controles que envolveriam um funcionário humano de alcance equivalente, também é uma vulnerabilidade.

Esta é a lacuna de acesso sem responsabilização. E o DBIR 2026 acaba de dizer a você que os atacantes já a identificaram.

Por que Isso É um Problema de Resultado Financeiro, Não de TI

O relatório Darktrace State of AI Cybersecurity 2026, baseado em pesquisa com mais de 1.500 líderes de segurança, enquadra a AI agêntica explicitamente como uma nova classe de risco interno. Quase metade dos executivos de segurança afirma estar muito ou extremamente preocupada. Três em cada quatro profissionais de segurança em geral dizem que as implicações os preocupam. Essas não são preocupações abstratas sobre cenários futuros. São profissionais que já viram como o panorama de acesso muda quando os agentes entram na pilha tecnológica.

O enquadramento que importa para o CEO é o seguinte: você aprovou a implementação do agente de AI. Essa foi uma boa decisão. O argumento de produtividade, o argumento de custo, o argumento competitivo: tudo se sustenta. Mas o orçamento para essa implementação quase certamente incluiu licenças, custos de integração e tempo de implementação. Provavelmente não incluiu uma rubrica proporcional para gestão de credenciais, monitoramento comportamental e governança específica para agentes. Você financiou o ataque. Pode não ter financiado a defesa.

Uma violação rastreada até a conta de serviço de um agente é um evento financeiro de nível de conselho. Exposição regulatória, requisitos de notificação de clientes, danos à reputação e possível responsabilidade legal não se importam se a credencial comprometida pertencia a um humano ou a uma máquina. "O agente de AI fez isso" não é uma defesa que seu advogado geral quer usar. E a pergunta sobre a trilha de auditoria ("Quem aprovou o nível de acesso deste agente e quando?") é uma que o conselho fará antes de a revisão do incidente ser concluída.

Isso se conecta diretamente à lacuna de governança de AI já visível nas operações corporativas. O problema de governança e o problema de segurança são o mesmo problema visto de dois ângulos. Você financiou a capacidade sem financiar a camada de controle. Essa é a lacuna.

O Enquadramento de Risco Interno

O enquadramento da Darktrace, de que agentes de AI representam uma nova classe de risco interno, merece reflexão. O risco interno tradicional envolve uma pessoa que age de forma inadequada ou comete um erro com o acesso que legitimamente possui. Os controles criados em torno do risco interno, como monitoramento comportamental, detecção de anomalias, revisões de acesso e protocolos de offboarding, presumem que você consegue acompanhar a intenção de uma pessoa ao longo do tempo.

Um agente não tem intenção no sentido humano. Ele executa instruções. Mas pode ser manipulado. Um atacante que obtém controle de uma credencial de conta de serviço, ou que encontra uma forma de alterar as instruções que um agente recebe, pode usar o acesso legítimo do agente para se mover lateralmente pelos sistemas. O próprio agente se torna a ameaça interna, não porque fez uma escolha, mas porque estava operando sem a supervisão que teria detectado o comprometimento precocemente.

O playbook de resposta a incidentes de AI para esse cenário é diferente do que sua equipe tem para um ataque de phishing em uma conta humana. A maioria das organizações ainda não o escreveu.

O que um CEO Deve Perguntar à Equipe de Segurança Neste Trimestre

O objetivo não é desacelerar a implantação de agentes. É fechar a lacuna entre a implementação que você já aprovou e os controles que deveriam ter vindo com ela. Quatro perguntas valem ser colocadas na próxima reunião com o CISO e o CTO juntos, não separadamente.

Primeiro: você consegue me dar um inventário completo de todos os agentes implantados, quais sistemas eles acessam e com quais credenciais operam? Se a resposta honesta envolver incerteza sobre o número total, esse já é o achado. Agentes adquiridos por unidades de negócio fora da TI são comuns e carregam o mesmo risco de credencial.

Segundo: algum agente está rodando em contas de serviço compartilhadas que outros sistemas ou pessoas também usam? Credenciais compartilhadas são um único ponto de comprometimento. Cada agente deve ter uma identidade de máquina única que possa ser rotacionada, monitorada e revogada de forma independente.

Terceiro: qual monitoramento comportamental está em vigor para a atividade dos agentes? Os agentes devem gerar logs de auditoria que sejam revisados ativamente, não apenas armazenados. Padrões de acesso incomuns (picos de volume, atividade fora do horário, novos pontos de contato com sistemas) devem acionar alertas, da mesma forma que aconteceria com uma conta humana.

Quarto: qual é o processo de offboarding quando um agente é desativado ou substituído? Contas de serviço de agentes descontinuados representam um risco de acesso persistente se não forem formalmente desativadas.

Essas são perguntas de governança com um enquadramento de segurança. O registro de risco de AI mantido por sua equipe deve incluir credenciais de agentes como uma categoria de ativo rastreado. Se não incluir, essa é uma lacuna a fechar antes da próxima revisão de segurança.

As Ações Concretas

Alguns movimentos fazem uma diferença real aqui, e nenhum deles exige pausar seu roadmap de AI.

Faça um inventário de todos os agentes implantados e suas credenciais. Inclua implantações não oficiais de unidades de negócio. O número provavelmente vai surpreender você. Use essa contagem para dimensionar o trabalho de governança.

Exija identidades de máquina únicas. Cada agente deve operar com sua própria credencial, não em uma conta de serviço compartilhada. Isso permite rotação e revogação independentes e torna o monitoramento comportamental viável.

Implemente monitoramento comportamental com limites de alerta. Os agentes devem gerar logs auditáveis. As equipes de segurança devem ter limites definidos para alertas de anomalia. Isso é equivalente ao monitoramento de atividade que você já executa em contas humanas.

Construa um protocolo de offboarding para agentes. Quando um agente é desativado, suas credenciais são revogadas, seu acesso é auditado e o encerramento é documentado. Isso fecha o risco de acesso persistente que contas de serviço descontinuadas criam.

Financie a segurança de agentes como uma rubrica orçamentária. O trabalho de classificação de dados que indica quais sistemas carregam o maior risco, e a infraestrutura de trilha de auditoria que torna as ações dos agentes revisáveis, ambos exigem investimento real. Inclua-os no orçamento junto com a implementação dos agentes, não como uma reflexão posterior.

Integre isso à governança de AI existente. Se você tem uma política de governança de AI em nível departamental, o gerenciamento de credenciais de agentes deve ser um requisito explícito nela. Governança sem um anexo de segurança para identidades de agentes está incompleta.

O Verizon DBIR 2026 não é um aviso sobre um estado futuro. É uma descrição do que os atacantes já estão fazendo e onde estão olhando a seguir. Identidades de máquina e contas de serviço estão nessa lista. A pergunta para um CEO é se os controles em torno de seus agentes estão prontos para a atenção que estão prestes a receber.

Perguntas Frequentes

O que torna os agentes de AI um risco de segurança?

Agentes de AI precisam de acesso amplo ao sistema para serem úteis. Eles acessam múltiplas plataformas, acionam processos de negócios e movem dados em uma velocidade que nenhum fluxo de trabalho humano acompanha. Mas a maioria é implantada sem os mesmos controles aplicados a um funcionário humano: sem monitoramento comportamental, sem auditoria de acesso com menor privilégio, sem offboarding formal. Essa lacuna torna as credenciais dos agentes alvos de alto valor. Um atacante que compromete a conta de serviço em que um agente opera obtém acesso amplo, persistente e ininterrupto a tudo que esse agente acessa.

O que é uma identidade de máquina e por que o DBIR 2026 a destaca?

Uma identidade de máquina é a credencial que um sistema de software usa para se autenticar perante outros sistemas: chaves de API, tokens, credenciais de contas de serviço. Ao contrário de senhas humanas, credenciais de máquina tendem a ter vida longa, raramente são rotacionadas e são compartilhadas entre vários serviços. O Verizon DBIR 2026 as destaca especificamente porque a AI agêntica cria muito mais identidades de máquina muito rapidamente, frequentemente sem os processos de governança que normalmente regem a criação de contas humanas. Cada novo agente é uma nova identidade de máquina. Se essa identidade não for gerenciada como uma credencial de alto valor, ela se torna uma superfície explorável.

O que um CEO deve perguntar à equipe de segurança neste trimestre?

Quatro perguntas: Quantos agentes estão em operação e quais credenciais usam? Algum deles roda em contas de serviço compartilhadas? Qual monitoramento comportamental cobre a atividade dos agentes? Qual é o processo de offboarding quando um agente é desativado? As respostas indicarão se a lacuna de acesso sem responsabilização é uma exposição atual ou um risco gerenciado. Se a equipe não conseguir responder a todas as quatro com precisão, esse é o achado a levar ao conselho.

---

Saiba Mais

• A Lacuna de Governança de AI Agêntica: o panorama mais amplo de governança por trás da supervisão de agentes de AI e da responsabilidade do CEO
• Playbook de Resposta a Incidentes de AI: como construir o processo de resposta para eventos de segurança impulsionados por AI
• Registro de Risco de AI: O que Rastrear: as categorias de ativos e dimensões de risco que seu registro deve cobrir
• Trilhas de Auditoria para Ações Executadas por AI: construindo a infraestrutura de registro que a governança de agentes exige
• Classificação de Dados para Acesso de AI: saber quais sistemas carregam a maior exposição antes que os agentes os acessem
• Snowflake e Natoma: Aquisição de MCP e Governança de Agentes: como as plataformas corporativas estão construindo camadas de controle de agentes

---

Fonte: 2026 Verizon Data Breach Investigations Report (Verizon, 2026). Dados de apoio: Darktrace State of AI Cybersecurity 2026 (Darktrace, 2026).