Apenas 45% das organizações brasileiras possuem planos abrangentes de recuperação que contemplam ataques contra sistemas de inteligência artificial. Nos Estados Unidos, NIST e CISA avançam na criação de estruturas específicas para segurança de IA, enquanto a União Europeia transforma parte dessas práticas em obrigações regulatórias.

A inteligência artificial já está integrada às operações de praticamente todas as grandes organizações, mas a capacidade de reagir quando esses sistemas são comprometidos ainda não acompanha o ritmo da adoção.

No Brasil, somente 45% das empresas possuem planos abrangentes de resposta e recuperação capazes de considerar ataques direcionados a sistemas, aplicações e modelos de IA. O dado faz parte da quinta edição do Global Cyber Resilience Report, produzido pela Cohesity a partir de pesquisa realizada pela Vanson Bourne em julho de 2026.

A pesquisa ouviu 3.200 líderes de tecnologia e segurança em organizações com pelo menos mil funcionários, distribuídas por países como Brasil, Estados Unidos, França, Alemanha, Reino Unido, Japão, Índia e Austrália.

O cenário brasileiro revela um problema que vai além da ausência de planos formais. 51% das organizações do país não possuem sequer um inventário centralizado das aplicações de IA utilizadas internamente, dificultando identificar quais modelos, agentes, APIs ou plataformas precisam ser protegidos ou restaurados depois de um incidente.

Outro ponto crítico está relacionado à confiança na recuperação. Cerca de 46% dos entrevistados brasileiros afirmaram não ter plena confiança de que conseguiriam verificar a integridade de modelos de IA depois de um ataque cibernético.

Esse tipo de verificação é particularmente importante porque a recuperação de uma aplicação de IA não se resume a restaurar servidores e bancos de dados. Também pode ser necessário verificar pesos do modelo, conjuntos de dados, embeddings, prompts, configurações, credenciais, pipelines, conectores externos e permissões concedidas a agentes autônomos.

Recuperar servidores já não é suficiente

Historicamente, os planos de recuperação cibernética foram desenvolvidos para restaurar infraestrutura: servidores, aplicações, bancos de dados e estações de trabalho.

Com a inteligência artificial, essa lógica tornou-se insuficiente.

No levantamento global da Cohesity, 99% das organizações consultadas utilizavam alguma forma de IA, mas apenas 39% afirmaram que seus planos de resposta e recuperação contemplavam de forma abrangente ataques contra esses sistemas.

Entre as organizações que sofreram um ataque cibernético com impacto material nos 12 meses anteriores à pesquisa, aproximadamente 61% identificaram lacunas moderadas ou significativas em seus planos envolvendo infraestrutura em nuvem, aplicações SaaS, serviços de identidade, ferramentas de segurança, integrações de terceiros e sistemas de IA.

O problema se torna mais complexo com a expansão dos agentes de IA, capazes de executar operações de forma relativamente autônoma, utilizar ferramentas, consultar bancos de dados, acessar APIs e realizar ações dentro de sistemas corporativos.

Mais da metade das organizações pesquisadas globalmente — 56% — declarou não estar bem preparada para detectar, conter e recuperar-se de ações incorretas ou não intencionais executadas por agentes, copilotos ou fluxos automatizados de IA. No Brasil, o percentual ficou em 51%.

A nova superfície de ataque da inteligência artificial

Os riscos também deixaram de se limitar ao roubo de credenciais ou à exploração tradicional de vulnerabilidades.

Um ataque contra uma infraestrutura de inteligência artificial pode envolver técnicas como:

• data poisoning, com manipulação dos dados utilizados pelo sistema;
• model poisoning, alterando componentes ou parâmetros do modelo;
• prompt injection, induzindo modelos ou agentes a executar instruções não autorizadas;
• exploração das permissões atribuídas a agentes;
• comprometimento de APIs, plugins ou conectores;
• manipulação de bases vetoriais e sistemas RAG;
• exfiltração de informações utilizadas pelo modelo;
• adulteração de modelos ou artefatos durante a cadeia de fornecimento.

O próprio NIST mantém uma taxonomia específica para ataques e técnicas de mitigação relacionadas a adversarial machine learning, refletindo a consolidação desse novo domínio de segurança.

Nesse cenário, a pergunta após um incidente deixa de ser apenas “o servidor foi restaurado?” e passa a incluir outra questão fundamental:

“Podemos confiar novamente no comportamento da IA restaurada?”

Painel comparativo — Brasil, Estados Unidos e União Europeia

Importante: os percentuais brasileiros resultam especificamente da pesquisa Cohesity/Vanson Bourne. Não existe, nas fontes oficiais consultadas, um levantamento único dos Estados Unidos ou da União Europeia com metodologia idêntica que permita comparar diretamente o índice de 45%. Por isso, o painel diferencia indicadores quantitativos comparáveis de aspectos regulatórios e operacionais.

Estados Unidos desenvolvem modelo específico de cibersegurança para IA

Nos Estados Unidos, a resposta está sendo estruturada principalmente por meio de frameworks técnicos e mecanismos de cooperação entre governo e empresas.

O National Institute of Standards and Technology (NIST) publicou em dezembro de 2025 a versão preliminar do Cybersecurity Framework Profile for Artificial Intelligence — Cyber AI Profile, estruturado sobre três grandes áreas:

• Secure, para proteger componentes e sistemas de IA;
• Defend, para utilizar inteligência artificial no fortalecimento da defesa cibernética;
• Thwart, para combater ataques cibernéticos potencializados por IA.

Durante 2026, o NIST continuou desenvolvendo o framework com participação de especialistas do governo, indústria e academia. Um relatório publicado em agosto registrou discussões sobre superfícies de ataque específicas de IA, governança, taxonomia e controles direcionados à proteção desses ambientes.

O país também atualizou sua principal referência para resposta a incidentes.

Em 2025, o NIST publicou a SP 800-61 Revision 3, integrando formalmente o tratamento de incidentes às seis funções do Cybersecurity Framework 2.0 e buscando melhorar prevenção, detecção, resposta e recuperação.

Paralelamente, a Cybersecurity and Infrastructure Security Agency (CISA) publicou seu AI Cybersecurity Collaboration Playbook, voltado ao compartilhamento de informações sobre vulnerabilidades e incidentes relacionados à inteligência artificial entre governo, fornecedores, desenvolvedores e organizações usuárias da tecnologia.

O documento recomenda que, diante de um incidente envolvendo IA, sejam identificados elementos como modelo e versão utilizados, arquitetura, conjuntos de dados conhecidos, plataformas de agentes ou copilotos, APIs, bibliotecas, configurações de software e hardware e sistemas externos aos quais a IA possuía acesso.

Até mesmo governos estaduais norte-americanos estão aumentando sua atenção ao tema. Em pesquisa Deloitte/NASCIO de 2026, 94% dos CISOs estaduais declararam participar da elaboração de políticas de segurança para IA generativa, enquanto 84% participavam da estratégia relacionada à tecnologia.

Europa transforma segurança de IA em requisito regulatório

Na União Europeia, a diferença mais significativa está na transformação de parte dessas práticas de governança em obrigações legais.

O AI Act europeu — Regulamento (UE) 2024/1689 — adota um modelo regulatório baseado em risco.

Para sistemas considerados de alto risco, a legislação prevê medidas relacionadas à robustez, monitoramento, supervisão humana e cibersegurança.

O regulamento determina que esses sistemas sejam resistentes a tentativas de terceiros de alterar seu funcionamento, resultados ou desempenho por meio da exploração de vulnerabilidades. A norma cita explicitamente ameaças como data poisoning, model poisoning, adversarial examples, model evasion e ataques à confidencialidade.

Para determinados sistemas de alto risco, os responsáveis pela utilização também devem monitorar seu funcionamento e comunicar riscos ou incidentes relevantes ao fornecedor e, conforme a situação, às autoridades competentes.

A legislação europeia também estabelece obrigações específicas para modelos de inteligência artificial de propósito geral considerados portadores de risco sistêmico.

Entre elas estão:

• avaliação e testes adversariais;
• identificação e mitigação de riscos sistêmicos;
• registro e comunicação de incidentes graves;
• proteção cibernética adequada do modelo e de sua infraestrutura.

As obrigações aplicáveis aos provedores de modelos de IA de propósito geral começaram a produzir efeitos em 2 de agosto de 2025, enquanto novas disposições do regulamento continuam entrando em vigor gradualmente. As obrigações de transparência previstas no artigo 50 passaram a ser aplicáveis em 2 de agosto de 2026.

Existe ainda uma segunda camada regulatória importante: a Diretiva NIS2.

Para entidades essenciais ou importantes abrangidas pela legislação, um incidente significativo pode exigir um alerta inicial à autoridade ou CSIRT em até 24 horas, uma notificação mais detalhada em até 72 horas e posteriormente um relatório final.

Isso cria na Europa uma conexão crescente entre governança de IA, gestão de risco, cibersegurança, continuidade operacional e comunicação formal de incidentes.

Brasil ainda precisa conhecer as próprias IAs

Os dados brasileiros revelam talvez o problema mais elementar de todos: antes mesmo de proteger a inteligência artificial, muitas organizações precisam descobrir exatamente onde ela está sendo utilizada.

A ausência de inventário em 51% das empresas pesquisadas cria uma espécie de Shadow AI, semelhante ao antigo fenômeno de Shadow IT: departamentos e funcionários passam a utilizar modelos, APIs, copilotos, agentes e serviços externos sem que as áreas responsáveis por segurança conheçam integralmente essas dependências.

Esse cenário dificulta praticamente todas as etapas de resposta:

• identificar quais sistemas foram afetados;
• descobrir que dados foram acessados;
• revogar credenciais;
• interromper agentes comprometidos;
• determinar quais APIs estavam conectadas;
• restaurar versões confiáveis;
• validar novamente modelos;
• investigar movimentações laterais;
• e comprovar que o ambiente recuperado não continua comprometido.

O problema também possui impacto financeiro. Segundo o relatório Cost of a Data Breach 2025, da IBM, o custo médio de uma violação de dados no Brasil alcançou R$ 7,19 milhões, aumento de 6,5% em relação ao ano anterior. Organizações brasileiras que utilizavam extensivamente IA e automação em segurança apresentaram custos médios de violação 26% menores, enquanto somente 29% haviam implementado tecnologias de governança de IA consideradas no levantamento.

O plano de resposta precisa incluir a camada de IA

A evolução observada nos Estados Unidos e na União Europeia aponta para uma mudança conceitual importante.

Um plano moderno de resposta a incidentes não deveria contemplar apenas computadores, servidores, redes e bancos de dados.

Também precisa mapear a infraestrutura de inteligência artificial da organização.

Isso inclui, entre outros componentes:

modelos e versões utilizadas; dados de treinamento e ajuste; bases vetoriais; aplicações RAG; prompts de sistema; agentes; ferramentas disponíveis aos agentes; tokens e chaves de API; identidades e permissões; pipelines de machine learning; serviços externos; logs de interação; dependências em nuvem; e mecanismos utilizados para validar a integridade do modelo após uma recuperação.

É essencial ainda estabelecer uma baseline confiável para modelos e componentes críticos.

Sem uma referência anterior ao ataque — hashes, versões, artefatos assinados, configurações, logs e registros de proveniência — uma organização pode restaurar tecnicamente um sistema sem conseguir comprovar que o comportamento da IA permanece íntegro.

Esse talvez seja o ponto central da nova geração de ciber-resiliência.

No ambiente tradicional, recuperar significava colocar o sistema novamente em funcionamento. Na era da inteligência artificial, recuperar também significa provar que é seguro voltar a confiar nele.