Durante décadas, a cibersegurança empresarial foi construída em torno de uma ideia relativamente simples: proteger as pessoas e controlar seu acesso aos sistemas. Cada funcionário recebia um nome de usuário, uma senha e um conjunto de permissões determinado por sua função. A equipe financeira podia acessar informações contábeis, o departamento de vendas trabalhava com o CRM e os administradores de TI gerenciavam a infraestrutura crítica. Se um indivíduo deixasse a organização, suas credenciais podiam ser desativadas e o acesso seria restrito.
A chegada de agentes de IA está começando a romper com esse modelo. Uma empresa agora pode ter sistemas autônomos capazes de consultar bancos de dados, enviar e-mails, atualizar oportunidades de vendas, gerar documentos, fazer chamadas de API e coordenar processos inteiros em diferentes plataformas. Esses agentes não são funcionários, mas operam dentro da infraestrutura da empresa. Eles não têm uma identidade humana, mas precisam de credenciais. Não possuem um cargo tradicional, mas podem receber permissões excepcionalmente amplas.
É aqui que surge um dos novos desafios da cibersegurança corporativa: Identidades não humanas, conhecidas como NHI (sigla em inglês para Instituições de Saúde Não Humanas)..
Uma identidade não humana é uma identidade digital associada a uma máquina, aplicativo, serviço, sistema de automação ou agente de IA que precisa interagir com sistemas tecnológicos. Contas de serviço e chaves de API existem há anos, mas a IA agética introduz uma diferença fundamental: agora essas identidades podem ser associadas a sistemas que interpretam objetivos, planejam ações e tomam decisões intermediárias.
Vamos considerar um agente de vendas conectado a um CRM. Para desempenhar sua função, ele pode precisar consultar clientes, revisar conversas, analisar oportunidades, criar tarefas e enviar informações para outros sistemas. Tecnicamente, o agente precisa de uma identidade e permissões que lhe permitam executar cada uma dessas ações. O problema surge quando as empresas aplicam os mesmos modelos de acesso projetados para usuários humanos ou identidades de máquina relativamente estáticas a esses sistemas.
O Aliança de Segurança na Nuvem Isso evidenciou o desafio de autenticar e autorizar agentes que realizam consultas a bancos de dados, chamadas de API e outras interações com sistemas, mantendo a responsabilidade e as políticas de segurança. A identidade deixou de ser um detalhe técnico: está se tornando um componente central da arquitetura de IA empresarial.
O risco torna-se mais fácil de entender quando paramos de pensar em agentes de IA como chatbots. Um chatbot tradicional recebe uma pergunta e gera uma resposta. Sua capacidade de ação geralmente é limitada. Um agente inteligente pode receber um objetivo, analisar informações e executar uma sequência de tarefas usando diferentes ferramentas.
Por exemplo, uma empresa pode pedir a um agente para gerenciar leads inativos. O sistema consulta o CRM, identifica oportunidades adormecidas, revisa conversas anteriores, categoriza contatos, redige mensagens personalizadas e agenda novas tarefas de vendas. Com as integrações necessárias, ele pode até enviar comunicações ou atualizar status dentro dos sistemas da empresa.
Essa capacidade representa uma enorme oportunidade para a automação, mas também amplia a superfície de risco. O agente precisa de acesso a informações e executar ações. Cada permissão adicional aumenta sua capacidade operacional e, ao mesmo tempo, as potenciais consequências de uma configuração incorreta, uma instrução manipulada ou um comportamento inesperado. A segurança passa a se concentrar não apenas na proteção do modelo, mas também no questionamento... O que a identidade que representa o agente pode realmente fazer?.
Em muitas organizações, existe uma prática tecnológica comum, porém perigosa: conceder mais permissões do que o necessário para agilizar a integração. Um desenvolvedor precisa conectar um sistema e, em vez de criar uma política de acesso específica, usa credenciais com privilégios amplos. O projeto avança rapidamente e as restrições de permissão são adiadas para uma revisão futura que, muitas vezes, nunca acontece.
Com agentes de IA, essa prática pode ter consequências muito maiores. Um agente inicialmente projetado para consultar informações pode acabar usando credenciais que também lhe permitem modificar essas informações. Outro agente encarregado de gerar relatórios pode ter acesso a informações confidenciais que, na verdade, não precisa para concluir seu objetivo.
A diferença é que um agente nem sempre executa uma sequência completamente determinística. Ele pode analisar o contexto e selecionar ferramentas dentro dos limites de seu projeto. Por essa razão, o princípio de privilégio mínimo Isso se torna ainda mais importante: cada agente deve ter acesso apenas aos dados e ações estritamente necessários para desempenhar sua função. Autonomia irrestrita não é inteligência de negócios. É uma exposição operacional difícil de controlar.
A próxima etapa da IA empresarial não consistirá apenas em agentes individuais. As organizações estão começando a experimentar sistemas multiagentes, nos quais diferentes inteligências artificiais colaboram para concluir processos complexos. Um agente de vendas pode solicitar informações a um agente financeiro. Este, por sua vez, pode consultar outro sistema especializado e retornar uma análise que será usada, em última instância, para tomar uma decisão.
Nesse cenário, surge uma questão difícil: Quem de fato autorizou a ação final? A pessoa que iniciou o processo, o primeiro agente, o segundo agente ou o sistema que executou a modificação.
Pesquisas recentes sobre identidade em IA alertam precisamente para os desafios da delegação recursiva e da responsabilização quando agentes e subagentes executam fluxos que atravessam fronteiras organizacionais. O problema não é teórico: à medida que as empresas conectam agentes a processos do mundo real, precisarão reconstruir toda a cadeia de autorização.
A rastreabilidade tradicional foi concebida para usuários e serviços relativamente previsíveis. Ecossistemas de agentes exigem saber qual agente iniciou uma tarefa, quais permissões ele utilizou, quais ferramentas consultou e quais outros agentes participaram antes do resultado final.
Imagine cinco agentes usando a mesma chave de API para se conectar ao CRM de uma organização. Do ponto de vista do sistema, todas as ações podem parecer ter sido realizadas pela mesma entidade técnica. Se ocorrer uma modificação incorreta, reconstruir exatamente qual agente tomou a decisão pode se tornar um processo complexo.
Esse problema já existia com contas de serviço compartilhadas, mas a IA aumenta significativamente sua importância. À medida que os agentes começam a operar de forma mais autônoma, a empresa precisa identificar com precisão quem fez o quê. Uma credencial genérica usada por várias automações elimina parte dessa visibilidade.
É por isso que a identidade individual dos agentes está se tornando uma nova camada de governança tecnológica. Cada agente relevante deve ter uma identidade distinta, permissões definidas e mecanismos de auditoria capazes de registrar sua atividade. Não basta saber que uma API fez uma chamada. A organização precisa entender qual agente a solicitou, com qual propósito e dentro de qual processo de negócios. Sem essas informações, a autonomia pode rapidamente se transformar em opacidade.
O modelo Zero Trust baseia-se numa ideia simples: não confiar automaticamente numa identidade apenas por ela pertencer à infraestrutura corporativa. Cada pedido deve ser avaliado com base no contexto, nas permissões e nas políticas estabelecidas.
Esse princípio é especialmente relevante para agentes de IA. Uma organização não deve presumir que um agente seja confiável simplesmente porque foi desenvolvido internamente ou porque utiliza um modelo reconhecido. Seu acesso precisa ser restrito e monitorado de acordo com a tarefa que está executando.
Um agente de vendas que normalmente analisa oportunidades não deveria ter acesso automático a informações salariais. Um funcionário da área financeira não precisa de privilégios administrativos no CRM. Um assistente interno não deveria poder baixar todo o banco de dados de documentos da empresa simplesmente por ter acesso a uma ferramenta de busca.
A pesquisa acadêmica já está explorando estruturas de Zero Trust especificamente para sistemas multiagentes devido às limitações dos mecanismos tradicionais de identidade e acesso em comparação com agentes dinâmicos e delegação entre sistemas.
Os sistemas empresariais tradicionais normalmente operam com base em regras relativamente previsíveis. Um aplicativo executa funções pré-programadas e as políticas de segurança controlam quais operações ele pode realizar. Os agentes inteligentes introduzem um comportamento diferente porque utilizam modelos capazes de interpretar instruções, analisar o contexto e selecionar ações.
Isso cria novos vetores de risco. Uma instrução maliciosa pode tentar manipular o objetivo do agente. Informações externas podem influenciar seu comportamento. Um agente comprometido pode usar permissões legítimas para executar ações que são tecnicamente autorizadas, mas que não correspondem à intenção original do processo.
Projeto de Segurança OWASP GenAI A organização publicou sua lista dos 10 principais aplicativos de agentes, desenvolvida em colaboração com mais de cem especialistas, pesquisadores e profissionais da área. A estrutura identifica riscos específicos de sistemas autônomos que planejam, agem e tomam decisões em fluxos de trabalho complexos. Entre os problemas destacados pelo projeto estão o sequestro de objetivos, o abuso de identidade e o comportamento autônomo descontrolado.
A segurança da IA não pode mais se limitar à revisão de avisos. Ela precisa observar as ações.
A rapidez com que essa adoção é adotada explica por que essa questão está se tornando uma prioridade. Gartner A empresa projetou que 401% dos aplicativos corporativos incorporarão agentes de IA específicos para tarefas até o final de 2026, um aumento em relação aos menos de 51% em 2025. Ao mesmo tempo, a empresa também prevê que mais de 40% dos projetos de IA com agentes serão cancelados antes do final de 2027 devido ao aumento dos custos, valor comercial incerto ou controles de risco inadequados.
Os dados revelam uma contradição significativa. As organizações desejam agentes e estão experimentando com eles em ritmo acelerado, mas ainda estão desenvolvendo as capacidades necessárias para operá-los de forma eficaz.
A McKinsey relatou em sua pesquisa global de IA de 2025 que 23,1% dos participantes já estavam implementando algum tipo de sistema de IA com agentes em suas organizações. Mais recentemente, sua análise sobre a confiança na IA constatou que segurança e risco são as principais barreiras para a expansão desses sistemas.
A tecnologia está avançando. A questão é se o controle corporativo está avançando no mesmo ritmo.
Empresas maduras sabem quantas pessoas trabalham na organização, quais funções desempenham e a quais sistemas têm acesso. Os departamentos de identidade e acesso podem criar, modificar e excluir permissões com base no ciclo de trabalho de cada funcionário.
Com agentes de IA, provavelmente será necessário desenvolver uma disciplina semelhante. Uma empresa precisará saber quantos agentes existem, quem é responsável por cada um, qual objetivo de negócios eles atendem, quais dados eles consultam, quais ferramentas eles usam e quais permissões eles possuem.
Você também deve entender seu ciclo de vida. Quem criou o agente? Quando foi a última atualização? Qual versão do modelo ele usa? O que acontece quando o processo que ele automatiza deixa de existir? Suas credenciais foram revogadas?
Este inventário será especialmente importante diante do crescimento da IA paralela. Se diferentes departamentos começarem a criar agentes sem coordenação tecnológica, a organização poderá acumular identidades não humanas que continuarão tendo acesso aos sistemas mesmo depois que ninguém se lembrar do motivo de sua criação. A governança começa com o conhecimento do que existe.
Um dos erros que provavelmente veremos nos próximos anos é o desenvolvimento de agentes excessivamente genéricos com permissões amplas demais. A ideia de construir um único "superagente corporativo" capaz de acessar toda a organização parece atraente do ponto de vista da experiência do usuário, mas levanta enormes desafios de segurança e governança.
Uma arquitetura mais madura vincula a identidade do agente à sua função. Um agente de cobrança precisa de um contexto e permissões específicos. Um agente de suporte requer acesso a informações diferentes. Um agente de compras trabalha com sistemas e regras diferentes.
Isso ajuda a limitar o impacto potencial de um erro e facilita a auditoria. Se um agente de vendas tentar acessar uma fonte financeira restrita, a arquitetura pode bloquear a ação por não corresponder à sua identidade ou finalidade.
A identidade deixa então de ser meramente a de um usuário técnico. Ela passa a representar a função, as capacidades e as limitações do agente dentro da organização. Essa mudança será fundamental para a escalabilidade segura da IA autônoma.
Identificar um agente é apenas o primeiro passo. As empresas também precisam observar como ele se comporta ao longo do tempo. Um sistema pode começar funcionando corretamente e, posteriormente, alterar seu comportamento devido a modificações em prompts, modelos, ferramentas, fontes de dados ou integrações.
A observabilidade permite analisar as decisões tomadas pelo agente, as ferramentas utilizadas, o custo de cada execução e onde ocorrem erros ou desvios. Ao vincular essas informações à identidade do agente, a empresa pode construir um histórico comportamental muito mais completo.
Isso será especialmente importante em processos críticos. Não basta autorizar um agente inicialmente e presumir que ele continuará a funcionar da mesma maneira indefinidamente. Sistemas inteligentes exigem avaliação contínua.
A confiança na IA não deve ser permanente nem automática. Ela deve ser construída com base em evidências observáveis. Se um agente começar a apresentar comportamento anômalo, a organização precisa detectá-lo, reduzir suas permissões ou interromper sua operação antes que o problema se espalhe para outros sistemas.
Existe uma pergunta simples que toda empresa deve se fazer antes de conectar um agente de IA a um processo crítico: Se algo der errado, podemos impedir imediatamente?
A resposta nem sempre é óbvia. Um agente pode executar ações por meio de diferentes APIs, iniciar threads ou coordenar-se com outros sistemas. Se a arquitetura não foi projetada levando em consideração interrupções e recuperação, interromper uma cadeia de ações pode ser mais complexo do que o esperado.
Essa preocupação já está chegando ao debate regulatório. Em junho de 2026, a vice-governadora do Banco da Inglaterra, Sarah Breeden, indicou que os sistemas de agentes poderiam exigir novas formas de supervisão no setor financeiro e mencionou mecanismos como disjuntores ou interruptores de segurança para lidar com possíveis interrupções causadas pela IA autônoma.
A capacidade de interromper um agente não representa uma falha tecnológica. É uma medida de resiliência. Sistemas críticos de negócios sempre precisaram de mecanismos de contingência. A IA autônoma não deve ser exceção.
A preparação começa com a aceitação de que os agentes não podem ser tratados simplesmente como mais um aplicativo. Eles são componentes capazes de atuar dentro da organização e, portanto, exigem controles relacionados à identidade, autorização, rastreabilidade e gerenciamento do ciclo de vida.
O primeiro passo é identificar todos os agentes inteligentes e automações existentes. Em seguida, é necessário definir responsabilidades, objetivos de negócio e os sistemas aos quais cada agente terá acesso. As permissões devem ser definidas com base no princípio do menor privilégio e revisadas regularmente.
A organização também precisa separar identidades, evitar credenciais compartilhadas, registrar delegações entre agentes e construir observabilidade sobre ações críticas. Por fim, devem existir mecanismos de revogação capazes de retirar permissões ou interromper agentes quando ocorrerem comportamentos inesperados.
Não se trata de criar burocracia em torno da Inteligência Artificial. Trata-se de criar uma arquitetura que permita sua escalabilidade. Empresas que tentam gerenciar cem agentes com os mesmos controles usados para cinco automações provavelmente descobrirão rapidamente as limitações de seu modelo tecnológico.
Em O Grupo Cloud Ajudamos organizações a projetar ecossistemas tecnológicos prontos para integrar Inteligência Artificial, agentes autônomos e automação inteligente em processos de negócios reais. Nossa abordagem começa com arquitetura, dados e integração, pois um agente só pode ser tão confiável quanto o sistema em que opera.
Analisamos como CRM, ERP, APIs, plataformas internas e fontes de dados se conectam para projetar fluxos de trabalho onde a IA pode operar dentro de limites claramente definidos. Governança, observabilidade e segurança não são adicionadas após o desenvolvimento do agente; elas devem fazer parte de seu projeto desde o início.
A próxima geração de empresas terá mais identidades digitais operando em seus sistemas. Algumas pertencerão a pessoas, outras a agentes inteligentes. Preparar-se para essa realidade exige repensar permissões, rastreabilidade e controle.
Implementar agentes é relativamente fácil. O verdadeiro desafio é construir uma empresa capaz de gerenciá-los quando começarem a se multiplicar.
Uma identidade não humana é uma identidade digital usada por uma máquina, aplicativo, sistema de automação ou agente de IA para interagir com sistemas tecnológicos. Em ambientes de agentes, essas identidades permitem que os usuários consultem bancos de dados, utilizem APIs e executem ações. O gerenciamento dessas identidades é importante porque os agentes podem operar com diferentes graus de autonomia e exigem permissões claramente definidas.
Isso ocorre porque uma empresa precisa identificar qual sistema executou cada ação. Se vários agentes compartilharem as mesmas credenciais, a rastreabilidade é reduzida e fica mais difícil determinar quem modificou as informações ou iniciou um processo. Uma identidade distinta facilita a auditoria, o gerenciamento de permissões e a revogação de acesso.
Uma conta de serviço tradicional normalmente executa tarefas pré-programadas. Um agente de IA pode interpretar o contexto, selecionar ferramentas e coordenar diferentes ações. Essa maior autonomia introduz necessidades adicionais de controle, observabilidade e autorização contextual.
Isso significa conceder a cada agente apenas as permissões necessárias para desempenhar sua função. Um agente de vendas não deve ter acesso automático a todas as informações financeiras, e um agente de suporte não precisa de privilégios administrativos sobre todos os sistemas. Limitar o acesso reduz o impacto potencial de erros ou comportamentos inesperados.
A empresa pode perder a visibilidade sobre qual agente realizou uma ação específica. Isso também aumenta a dificuldade de revogar permissões individualmente e analisar incidentes. A separação de identidades permite registros de atividades mais precisos e uma governança aprimorada.
Esta é a aplicação do princípio de não confiar automaticamente em um agente simplesmente por ele fazer parte da infraestrutura da empresa. Cada solicitação deve ser avaliada com base em identidade, permissões, contexto e políticas. O objetivo é controlar o que o agente pode fazer em cada situação.
É necessário criar um inventário centralizado de agentes, automações inteligentes e identidades não humanas. O registro deve incluir o responsável, a finalidade, os sistemas conectados, as permissões, as credenciais e o status operacional. Essa prática se tornará cada vez mais importante à medida que a adoção da IA crescer.
Durante décadas, o gerenciamento de identidades corporativas foi projetado em torno de funcionários, fornecedores e administradores. As organizações aprenderam a criar usuários, atribuir permissões e revogar o acesso quando alguém deixava a empresa.
Os agentes de inteligência artificial estão introduzindo uma categoria completamente nova de atores digitais. Eles podem consultar informações, usar ferramentas, coordenar processos e executar ações dentro dos mesmos sistemas em que as pessoas trabalham. A diferença é que eles podem operar continuamente e a uma velocidade impossível para uma equipe humana.
O potencial é extraordinário, mas a autonomia precisa de limites. À medida que as empresas incorporam dezenas ou centenas de agentes, a identidade, as permissões e a rastreabilidade deixarão de ser detalhes técnicos. Elas se tornarão componentes essenciais da governança da IA.
Organizações que começarem a desenvolver essas capacidades agora estarão mais bem preparadas para escalar a automação inteligente. Aquelas que simplesmente conectarem agentes a sistemas usando credenciais genéricas poderão descobrir tarde demais que possuem uma nova força de trabalho digital operando em sua infraestrutura sem um modelo de controle claro.
A questão não será mais apenas O que seu agente de IA pode fazer?.
A questão que definirá a segurança da empresa será muito mais importante:
Quem é esse agente, a que ele tem acesso e você pode prendê-lo se necessário?
Español Español 
English
Français
العربية
Português
Deutsch
Italiano
