IA virou risco sistêmico? Reguladores globais alertam para uma nova geração de ataques cibernéticos

Durante anos, a inteligência artificial foi apresentada às empresas principalmente como uma ferramenta de produtividade.

Automatizar processos.

Reduzir custos.

Analisar documentos.

Atender clientes.

Escrever código.

Identificar padrões.

Acelerar decisões.

Mas, em 31 de agosto de 2026, uma das principais organizações responsáveis por acompanhar riscos ao sistema financeiro internacional colocou outra dimensão da inteligência artificial no centro da discussão.

O Financial Stability Board (FSB), organismo internacional que monitora riscos e faz recomendações relacionadas ao sistema financeiro global, alertou que os riscos cibernéticos potencializados por inteligência artificial representam uma das preocupações mais imediatas para a estabilidade financeira.

A questão não é simplesmente que a IA possa ser utilizada em ataques.

Ataques cibernéticos existem há décadas.

A mudança está em três fatores:

velocidade, escala e economia do ataque.

Se a inteligência artificial consegue reduzir drasticamente o conhecimento, o tempo e os recursos necessários para determinadas operações ofensivas, a própria economia da cibersegurança começa a mudar.

E isso interessa não apenas a bancos ou governos.

Interessa a qualquer empresa conectada à internet.

O alerta de 31 de agosto

Andrew Bailey, presidente do FSB e governador do Banco da Inglaterra, afirmou que o impacto da inteligência artificial sobre o risco cibernético representa uma preocupação particularmente imediata para o sistema financeiro global.

O alerta foi direcionado aos ministros das Finanças e presidentes de bancos centrais do G20.

O ponto central é importante.

A inteligência artificial pode modificar:

  • a velocidade de um ataque;
  • a quantidade de alvos atacados simultaneamente;
  • o custo da operação;
  • a capacidade de identificar vulnerabilidades;
  • a velocidade de adaptação do atacante.

Isso significa que organizações podem enfrentar adversários capazes de automatizar partes importantes do processo ofensivo.

Não estamos necessariamente falando de uma inteligência artificial apertando um botão e "hackeando o mundo".

A realidade é mais interessante — e potencialmente mais perigosa.

Estamos falando de automatizar o trabalho necessário antes, durante e depois de um ataque.

O custo de atacar pode estar diminuindo

Todo ataque possui uma economia.

Um criminoso precisa investir algum recurso:

  • tempo;
  • conhecimento;
  • infraestrutura;
  • dinheiro;
  • pessoas.

Imagine um ataque tradicional de phishing.

Alguém precisa:

  1. escolher os alvos;
  2. pesquisar informações;
  3. escrever a mensagem;
  4. personalizá-la;
  5. enviar;
  6. acompanhar respostas;
  7. adaptar a estratégia.

Quando esse processo é manual, existe um limite natural de escala.

Agora introduza inteligência artificial.

Um sistema pode potencialmente ajudar a:

  1. pesquisar milhares de organizações;
  2. identificar funcionários;
  3. analisar perfis profissionais;
  4. compreender a estrutura da empresa;
  5. produzir mensagens diferentes para cada pessoa;
  6. adaptar linguagem e contexto;
  7. traduzir automaticamente;
  8. analisar respostas.

O problema não é apenas:

"A IA consegue escrever um phishing melhor?"

A pergunta mais importante é:

"Quantas tentativas personalizadas podem ser produzidas pelo mesmo custo?"

Essa diferença é fundamental.

De phishing em massa para engenharia social personalizada em massa

Historicamente, muitas campanhas maliciosas possuíam sinais relativamente óbvios.

  • mensagens genéricas;
  • erros de português;
  • contexto incorreto;
  • pedidos estranhos.

Isso acontece porque personalização custa tempo.

Inteligência artificial reduz esse custo.

Imagine um atacante coletando informações públicas sobre um executivo.

O sistema encontra:

Nome: Carlos
Cargo: Diretor Financeiro
Empresa: Empresa X
Evento recente: aquisição da Empresa Y
Viagem: congresso em São Paulo
CEO: Mariana

A partir disso, uma IA poderia produzir uma mensagem contextualizada:

Carlos, precisamos revisar ainda hoje os documentos relacionados à integração da Empresa Y antes da reunião com a Mariana. Estou enviando a versão atualizada no link abaixo.

O conteúdo parece muito mais plausível do que:

Prezado cliente, sua conta será bloqueada. Clique aqui.

Essa é a diferença entre automação simples e engenharia social em escala.

A clonagem de voz adiciona outra camada

O problema não termina no texto.

Modelos generativos já conseguem produzir:

  • voz;
  • imagem;
  • vídeo;
  • documentos;
  • identidades sintéticas.

Isso significa que a engenharia social pode se tornar multimodal.

Imagine uma tentativa de fraude:

Mensagem no WhatsApp
        ↓
Áudio com voz semelhante à do diretor
        ↓
Documento aparentemente legítimo
        ↓
Ligação ou vídeo sintético
        ↓
Solicitação urgente

Cada elemento isoladamente pode parecer convincente.

Combinados, podem aumentar significativamente a capacidade de persuasão.

Por isso empresas precisarão abandonar uma ideia antiga:

Reconhecer a voz ou a imagem de alguém não é mais uma forma suficiente de autenticação.

"Eu ouvi a voz do meu chefe" não será prova de identidade

Durante décadas, empresas funcionaram com protocolos informais.

Um diretor liga.

Solicita algo.

O funcionário reconhece sua voz.

Executa.

Em um mundo de clonagem de voz, esse modelo começa a apresentar problemas.

Uma empresa precisa separar:

identidade percebida

de

identidade verificada.

Por exemplo:

Solicitação financeira
        ↓
Mensagem / voz / vídeo
        ↓
NÃO É SUFICIENTE
        ↓
Segundo fator de verificação
        ↓
Aprovação formal
        ↓
Execução

A confiança deixa de depender apenas da percepção humana.

Passa a depender do processo.

IA pode acelerar a descoberta de vulnerabilidades

Outro ponto importante está relacionado ao software.

Aplicações possuem vulnerabilidades.

Pesquisadores de segurança e criminosos procuram essas falhas constantemente.

Tradicionalmente, isso exige:

  • leitura de código;
  • análise de sistemas;
  • conhecimento técnico;
  • testes;
  • tentativa e erro.

Modelos avançados podem ajudar a automatizar partes desse processo.

Um agente pode analisar:

Código
  ↓
Configurações
  ↓
Dependências
  ↓
APIs
  ↓
Comportamento
  ↓
Possíveis vulnerabilidades

Isso possui dois lados.

O mesmo recurso pode ser utilizado pelo defensor.

Ou pelo atacante.

A IA está criando uma corrida entre ataque e defesa

Essa talvez seja a melhor maneira de compreender o cenário.

Não existe apenas:

IA para ataques.

Existe também:

IA para defesa.

Uma equipe de segurança pode utilizar inteligência artificial para:

  • analisar logs;
  • detectar anomalias;
  • priorizar vulnerabilidades;
  • investigar incidentes;
  • analisar malware;
  • revisar código;
  • identificar comportamento suspeito;
  • automatizar respostas.

Portanto, estamos entrando em uma espécie de corrida:

ATACANTE
   ↓
IA ofensiva
   ↓
Ataque mais rápido
   ↓
────────────────────
   ↑
Defesa mais rápida
   ↑
IA defensiva
   ↑
EMPRESA

O problema aparece quando a capacidade ofensiva evolui mais rapidamente do que a capacidade defensiva.

O tempo de reação pode se tornar crítico

Imagine uma vulnerabilidade descoberta às:

10:00

Em um cenário tradicional, alguém:

  • analisa a falha;
  • desenvolve uma exploração;
  • identifica alvos;
  • inicia ataques.

Isso pode levar horas, dias ou semanas.

Agora imagine agentes automatizados:

10:00 — vulnerabilidade publicada
10:01 — agente interpreta a vulnerabilidade
10:03 — identifica sistemas potencialmente afetados
10:05 — gera ou adapta exploração
10:08 — inicia varredura
10:10 — encontra alvos
10:12 — tenta exploração

Esse exemplo é hipotético.

Mas demonstra o problema.

A janela entre:

descoberta da vulnerabilidade

e

exploração da vulnerabilidade

pode diminuir.

Isso significa que empresas também precisarão reduzir o tempo entre:

detecção

e

resposta.

A segurança tradicional foi construída para velocidade humana

Muitos processos corporativos ainda funcionam assim:

Alerta
  ↓
Analista recebe
  ↓
Analista investiga
  ↓
Abre chamado
  ↓
Outro funcionário avalia
  ↓
Mudança é aprovada
  ↓
Correção é aplicada

Esse processo pode levar horas.

Às vezes dias.

Em determinados cenários, isso pode se tornar lento demais.

Por isso veremos crescimento de sistemas de resposta automatizada.

Exemplo:

Comportamento suspeito
        ↓
IA analisa
        ↓
Risco elevado
        ↓
Conta temporariamente bloqueada
        ↓
Sessões encerradas
        ↓
Equipe recebe alerta
        ↓
Humano investiga

A automação não necessariamente substitui o analista.

Ela reduz o tempo até a contenção.

Mas existe um problema: e se a própria defesa errar?

Automatizar segurança também cria risco.

Imagine uma IA interpretando erroneamente um comportamento legítimo como ataque.

Ela poderia:

  • bloquear usuários;
  • desligar serviços;
  • interromper integrações;
  • revogar credenciais;
  • impedir operações.

Por isso sistemas defensivos também precisam de limites.

Podemos utilizar uma arquitetura por níveis:

RISCO BAIXO
↓
Registrar

RISCO MÉDIO
↓
Solicitar autenticação adicional

RISCO ALTO
↓
Limitar acesso

RISCO CRÍTICO
↓
Bloquear + alertar equipe

Quanto maior o impacto da ação defensiva, maior deve ser o nível de confiança necessário.

O risco sistêmico: quando todos dependem dos mesmos fornecedores

O alerta internacional possui outra dimensão importante.

Empresas modernas dependem cada vez mais de um pequeno conjunto de fornecedores tecnológicos.

Uma organização pode utilizar simultaneamente:

  • cloud computing;
  • modelos de IA;
  • APIs;
  • serviços de autenticação;
  • plataformas de produtividade;
  • ferramentas de segurança.

Isso cria concentração.

Imagine:

Empresa A ─┐
Empresa B ─┤
Empresa C ─┤
Empresa D ─┼──→ Mesmo provedor crítico
Empresa E ─┤
Empresa F ─┘

Se esse provedor enfrenta uma falha grave, centenas ou milhares de organizações podem ser afetadas simultaneamente.

É aqui que um problema de tecnologia começa a se transformar em risco sistêmico.

O que significa risco sistêmico?

Um risco comum afeta uma organização.

Um risco sistêmico pode afetar várias organizações conectadas.

Pense no sistema financeiro.

Bancos não operam isoladamente.

Eles estão conectados por:

  • pagamentos;
  • transferências;
  • crédito;
  • liquidação;
  • mercados;
  • infraestrutura tecnológica.

Se um ataque compromete apenas uma estação de trabalho, existe um incidente local.

Se compromete simultaneamente infraestruturas utilizadas por dezenas de instituições financeiras, o impacto muda de categoria.

Podemos representar:

Ataque
  ↓
Fornecedor compartilhado
  ↓
┌────────┬────────┬────────┐
Banco A  Banco B  Banco C
  ↓        ↓        ↓
Falhas simultâneas
  ↓
Impacto no sistema

É justamente esse tipo de cenário que preocupa reguladores.

E isso importa para empresas pequenas?

Sim.

Talvez ainda mais.

Uma grande organização possui recursos para manter:

  • SOC;
  • especialistas;
  • redundância;
  • equipes de resposta;
  • ferramentas sofisticadas.

Pequenas empresas frequentemente possuem estruturas muito mais simples:

1 administrador
+
alguns sistemas
+
senhas
+
WhatsApp
+
e-mail
+
cloud

Ao mesmo tempo, utilizam cada vez mais:

  • inteligência artificial;
  • SaaS;
  • APIs;
  • automações;
  • sistemas conectados.

A superfície tecnológica aumenta mais rapidamente do que a capacidade de segurança.

A empresa conectada possui uma nova superfície de ataque

Considere uma pequena empresa moderna.

Ela utiliza:

WhatsApp
    ↕
CRM
    ↕
Automação
    ↕
IA
    ↕
E-mail
    ↕
ERP
    ↕
Cloud
    ↕
APIs

Isso é excelente para produtividade.

Mas cada conexão também representa uma relação de confiança.

Se uma credencial for comprometida, o atacante pode tentar se movimentar entre sistemas.

É por isso que integração e segurança precisam crescer juntas.

Identidade se torna o novo perímetro

Antigamente, segurança empresarial era frequentemente imaginada como um castelo:

INTERNET
   ↓
FIREWALL
   ↓
REDE INTERNA
   ↓
SEGURO

Esse modelo perdeu força.

Funcionários trabalham remotamente.

Aplicações estão na nuvem.

APIs conectam sistemas.

Agentes acessam ferramentas.

Dados circulam entre plataformas.

O novo perímetro é cada vez mais:

identidade.

A pergunta principal deixa de ser apenas:

De qual rede essa conexão veio?

E passa a ser:

Quem está tentando executar esta ação e essa identidade realmente possui autorização para isso?

Zero Trust deixa de ser apenas conceito corporativo

O princípio de Zero Trust pode ser resumido como:

Nunca confie automaticamente. Sempre verifique.

Isso não significa tratar todos como criminosos.

Significa não conceder confiança permanente apenas porque alguém já entrou no sistema.

Uma arquitetura moderna pode verificar:

  • usuário;
  • dispositivo;
  • localização;
  • comportamento;
  • contexto;
  • risco;
  • ação solicitada.

Exemplo:

Usuário autenticado
        ↓
Solicita exportação de 50 mil clientes
        ↓
Sistema verifica contexto
        ↓
Comportamento incomum
        ↓
Autenticação adicional
        ↓
Aprovação

A autenticação inicial não concede autoridade ilimitada.

Agentes de IA também precisarão de identidade

Esse ponto será cada vez mais importante.

Se um agente consegue:

  • enviar e-mails;
  • alterar CRM;
  • consultar banco;
  • criar documentos;
  • acessar arquivos;

ele precisa possuir uma identidade própria.

Não deveria simplesmente utilizar a conta de um funcionário.

Idealmente:

Humano
ID: usuario@empresa.com

Agente comercial
ID: agente-comercial@empresa.com

Agente financeiro
ID: agente-financeiro@empresa.com

Cada identidade recebe permissões específicas.

Assim, a empresa consegue saber:

Quem fez o quê?

O princípio do menor privilégio será obrigatório

Um agente de marketing não precisa acessar o financeiro.

Um agente comercial talvez não precise excluir clientes.

Um agente de atendimento talvez não precise exportar toda a base.

Portanto:

AGENTE
   ↓
Somente permissões necessárias
   ↓
Somente dados necessários
   ↓
Somente pelo tempo necessário

Esse é o princípio do menor privilégio.

Quanto menos autoridade um sistema possui, menor tende a ser o impacto caso seja comprometido.

Cinco medidas práticas para empresas

A discussão sobre risco sistêmico parece distante da realidade de pequenas organizações.

Mas algumas medidas são extremamente práticas.

1. Ative autenticação multifator

Senhas sozinhas são insuficientes.

Priorize MFA principalmente para:

  • e-mail;
  • cloud;
  • CRM;
  • financeiro;
  • painéis administrativos;
  • redes sociais.

2. Pare de compartilhar contas

Evite estruturas como:

admin@empresa.com
Senha: compartilhada entre cinco pessoas

Cada usuário deveria possuir sua própria identidade.

Isso melhora segurança e auditoria.

3. Revise integrações

Pergunte:

Quais sistemas estão conectados hoje?

Faça um inventário:

Sistema Integração Permissão
CRM WhatsApp Leitura e escrita
CRM IA Leitura
ERP Financeiro Leitura e escrita
E-mail Automação Leitura
Drive IA Pastas específicas

Muitas empresas possuem integrações esquecidas.

4. Faça backup fora do ambiente principal

Ransomware continua sendo uma ameaça importante.

Se o backup está conectado permanentemente ao mesmo ambiente comprometido, ele também pode ser atingido.

Uma estratégia robusta precisa considerar cópias:

  • isoladas;
  • testadas;
  • recuperáveis.

Backup que nunca foi testado não é garantia de recuperação.

5. Crie um protocolo para operações críticas

Principalmente para:

  • pagamentos;
  • alteração bancária;
  • redefinição de senha;
  • exportação de dados;
  • exclusão de informações;
  • mudança de permissões.

Não dependa apenas de:

  • voz;
  • WhatsApp;
  • e-mail;
  • vídeo.

Utilize verificação adicional.

Uma nova regra empresarial: conteúdo não é identidade

Esse princípio merece ser destacado.

No passado:

"Recebi um áudio dele."

poderia parecer uma boa evidência.

Agora precisamos assumir:

Texto pode ser gerado.

Voz pode ser sintetizada.

Imagem pode ser criada.

Vídeo pode ser manipulado.

Portanto:

Conteúdo não comprova identidade.

Processos de autenticação precisam existir fora do próprio conteúdo.

Cibersegurança deixa de ser assunto exclusivo da TI

Quando um ataque pode começar com:

  • um áudio;
  • uma ligação;
  • um documento;
  • uma mensagem;
  • uma reunião falsa;

o firewall não consegue resolver tudo.

Segurança passa a envolver:

  • tecnologia;
  • processos;
  • pessoas;
  • cultura;
  • governança.

O funcionário do financeiro também faz parte da defesa.

O vendedor também.

O diretor também.

O administrativo também.

Empresas precisarão treinar pessoas para desconfiar de perfeição

Durante anos, treinamentos de phishing diziam:

Procure erros de português.

Esse conselho está ficando ultrapassado.

Inteligência artificial consegue produzir mensagens extremamente bem escritas.

O novo treinamento precisa ensinar a observar:

  • contexto;
  • urgência artificial;
  • alteração inesperada de procedimento;
  • pedidos fora do padrão;
  • solicitação de credenciais;
  • mudança de dados bancários;
  • tentativa de impedir verificação.

O sinal de fraude pode não estar mais na gramática.

Pode estar no processo.

O ataque está ficando mais automatizado. A defesa também precisa ficar.

Existe uma conclusão operacional importante.

Se atacantes utilizarem automação para:

descobrir
↓
analisar
↓
atacar
↓
adaptar

empresas não poderão depender exclusivamente de processos defensivos manuais.

A defesa também precisará:

detectar
↓
correlacionar
↓
priorizar
↓
conter
↓
alertar

cada vez mais rapidamente.

Isso não elimina o profissional de segurança.

Na verdade, aumenta a importância dele.

Mas muda sua função.

Menos tempo olhando milhares de alertas.

Mais tempo analisando eventos realmente relevantes.

O paradoxo da inteligência artificial na segurança

Existe algo particularmente interessante nessa discussão.

A tecnologia que aumenta o risco também pode aumentar a defesa.

  • IA pode ajudar atacantes.
  • IA pode ajudar defensores.
  • IA pode descobrir vulnerabilidades.
  • IA pode ajudar a corrigi-las.
  • IA pode produzir phishing.
  • IA pode detectar phishing.
  • IA pode automatizar ataques.
  • IA pode automatizar respostas a incidentes.

Por isso, a pergunta não será:

"A inteligência artificial é boa ou ruim para a segurança?"

A pergunta correta é:

"Quem conseguirá utilizá-la melhor e mais rapidamente?"

2026 marca uma mudança de percepção

Nos primeiros anos da explosão da IA generativa, empresas perguntavam:

Como podemos utilizar isso?

Depois:

Como podemos conectar isso aos nossos sistemas?

Agora uma terceira pergunta ganha força:

Como protegemos uma empresa em que pessoas, softwares e agentes de IA operam juntos?

Essa pergunta definirá boa parte da próxima geração de cibersegurança.

Conclusão

O alerta apresentado ao G20 em 31 de agosto de 2026 mostra que a discussão sobre inteligência artificial entrou em uma nova fase.

IA não é mais analisada apenas como:

  • inovação;
  • produtividade;
  • automação;
  • crescimento econômico.

Ela também começa a ser tratada como uma variável relevante para a estabilidade e segurança de sistemas complexos.

Para empresas, a conclusão não deveria ser abandonar inteligência artificial.

Seria um erro.

A conclusão deveria ser outra:

Quanto mais inteligente e conectada a empresa se torna, mais madura precisa ser sua segurança.

Automação sem identidade cria risco.

Integração sem controle cria risco.

Agentes sem permissões limitadas criam risco.

IA sem governança cria risco.

E processos empresariais baseados apenas em confiança visual, textual ou auditiva estão se tornando progressivamente frágeis.

A próxima geração de cibersegurança não será construída apenas para proteger computadores contra humanos mal-intencionados.

Ela precisará proteger:

humanos, máquinas e agentes de IA — inclusive uns dos outros.

Esse talvez seja um dos maiores desafios da transformação digital dos próximos anos.

Referências

  1. Reuters. AI-driven cyber risk is top concern for global financial stability, watchdog says. Publicado em 31 de agosto de 2026.
  2. Financial Stability Board (FSB). Discussões sobre inteligência artificial, risco cibernético e estabilidade do sistema financeiro internacional.
  3. G20. Debates internacionais sobre estabilidade financeira, resiliência operacional e riscos associados às tecnologias emergentes.

Aviso editorial: este conteúdo possui caráter informativo e analítico e não constitui orientação jurídica, financeira ou de cibersegurança específica para uma organização.

Conteúdo produzido para o Blog da Vórtice — tecnologia, inteligência artificial, segurança, regulamentação, automação e transformação digital.