De experimentos de IA a operações autônomas
– Christophe Briguet, Diretor Sênior de Gerenciamento de Produtos – IA e Análise de Segurança, Stellar Cyber
San Jose, Califórnia – 28 de abril de 2026
Algo mudou no início de 2026. Não gradualmente — foi mais como virar uma chave.
Durante anos, falamos sobre IA no SOC A forma como falávamos sobre carros autônomos era sempre a cinco anos de distância, sempre precisando de “só um pouco mais de dados”. Aí surgiu o MCP (Model Context Protocol). Aí as estruturas de agentes deixaram de ser demonstrações e passaram a ser ferramentas. E de repente a pergunta não era mais “a IA pode ajudar as equipes de segurança?”, mas sim “o que devemos permitir que ela faça primeiro?”.
Eu sei porque tenho um.
A inovação inovadora que ninguém previu
Eis o que mudou: os agentes de IA deixaram de ser chatbots com acesso à API e passaram a ser colegas de trabalho reais, que se lembram do dia anterior, sabem usar as ferramentas disponíveis e conseguem fazer ligações por conta própria.
O MCP, originalmente criado pela Anthropic e agora sob a responsabilidade da Linux Foundation, nos proporcionou algo que não tínhamos antes: uma maneira universal para agentes de IA se conectarem a sistemas reais. Não por meio de integrações frágeis ou código personalizado. Através de um protocolo padronizado que permite que qualquer agente de IA se comunique com qualquer ferramenta, qualquer API, qualquer plataforma. Pense nisso como um USB para IA: basta conectar uma nova funcionalidade e o agente simplesmente a utiliza.
At Stellar CyberImplementamos o suporte ao MCP em nossa plataforma. Agora, um agente de IA pode se conectar a uma instância do Stellar Cyber e acessar imediatamente o gerenciamento de casos: listando casos, obtendo detalhes completos da investigação com mapeamentos MITRE e observáveis, atualizando o status e atribuindo analistas. Uma única chamada de API retorna o que antes exigia oito cliques e três abas.
Mas o MCP é apenas o conector. O verdadeiro avanço está no que o complementa: uma IA ativa que memoriza o contexto, planeja fluxos de trabalho com várias etapas e age em seu nome entre as sessões.
O que aprendi ao executar um agente de IA por uma semana
- Redigi dois e-mails para clientes sobre as funcionalidades do produto. Extraí o contexto de uma sequência de 10 e-mails, consultei a base de conhecimento e acertei os detalhes técnicos.
- Abri um chamado no Jira. Preenchi os campos obrigatórios incorretamente duas vezes, descobri a API e acertei na terceira tentativa.
- Agendei uma reunião com quatro pessoas, verificando a agenda de cada uma. Encontrei o único horário disponível na manhã de quarta-feira.
- Analisei um documento de processo no Confluence e o quadro correspondente no Figma. Encontrei cinco lacunas que ninguém havia notado.
- Extraímos 30,000 casos do nosso servidor Stellar Cyber MCP em uma única chamada. Mapeamentos MITRE completos, observáveis, tudo.
- Configurei uma tarefa cron para monitorar um formulário do Google em busca de novos envios, criar tickets automaticamente e me notificar quando algo chegar. Sem precisar escrever código. Levou cerca de dez minutos.
O Outro Lado Disso
É aqui que a coisa fica desconfortável. Tudo o que acabei de descrever? Os adversários também podem fazer isso.
Se um agente de IA pudesse se conectar ao seu sistema de tickets, ler seus chamados de escalonamento, consultar sua base de conhecimento e entender suas lacunas de detecção, isso seria um guia gratuito para tudo aquilo em que você tem dificuldade de se defender. As mesmas capacidades de agentes que tornam os defensores mais rápidos também tornam os atacantes mais sistemáticos.
O MCP é uma faca de dois gumes. CrowdStrike Já foram publicadas pesquisas sobre como proteger implementações de IA com agentes contra injeção rápida e escalonamento de privilégios. A superfície de ataque não é teórica. São exatamente os mesmos pontos de integração que tornam os agentes úteis.
A mudança no cenário de ameaças é a seguinte: a vantagem de velocidade que SOC A prática de ataques com scripts predefinidos por equipes está desaparecendo. Adversários com ferramentas de agentes agora podem:
- Enumere seu ambiente mais rapidamente do que seus analistas conseguem priorizar alertas.
- Gere conteúdo de engenharia social que seja contextualizado para a sua organização.
- Automatize as decisões de movimentação lateral da mesma forma que automatizamos as decisões de triagem.
- Adapte as táticas em tempo real com base no que está funcionando.
Muitas oportunidades de automação
1. Alerta e triagem de casos em velocidade de máquina
Esta é a mais óbvia, e é onde o Alert Auto-Triage da Stellar Cyber já opera. O agente executa verificações de sinal de veredicto em todos os casos críticos: reputação de IP, anomalias comportamentais, relações entre entidades e vulnerabilidades de dispositivos. Em seguida, ele emite um veredicto: Verdadeiro Positivo, Benigno, Falso Positivo ou Inconclusivo.
A novidade está no ciclo de feedback. Quando um analista anula um veredito, essa anulação se torna um sinal de treinamento. Não no sentido vago de "vamos treinar o modelo novamente algum dia", mas sim no sentido de "na próxima vez que esse padrão aparecer, o sistema levará em consideração o seu julgamento". O FSD da Tesla aprende com as intervenções humanas. O mesmo acontece com este sistema.
O desbloqueio por agentes: um agente conectado ao MCP agora pode obter detalhes do caso, correlacioná-los com informações externas sobre ameaças, verificar veredictos históricos sobre padrões semelhantes e fornecer uma decisão de triagem com total transparência, sem que um humano precise clicar em cinco abas.
2. Automação de Admissão e Integração
As solicitações chegam por meio de um formulário. Tradicionalmente, alguém lê a solicitação, cria um ticket de acompanhamento, verifica os pré-requisitos e envia um e-mail de confirmação. Quatro sistemas, três trocas de contexto e uma pessoa fazendo a entrada manual de dados.
Um agente monitora a fonte de entrada de dados de acordo com um cronograma. Quando uma nova entrada aparece, ele cria o ticket com a descrição completa e estruturada, envia a referência de volta para a fonte e uma notificação com um resumo. Sem etapas manuais.
O desbloqueio agentivo: Este padrão se generaliza para qualquer processo de entrada. Solicitações de teste. Consultas de conformidade. Divulgações de vulnerabilidades. Encaminhamento de escalonamento de clientes. Qualquer fluxo de trabalho que envolva "ler da fonte A, criar no sistema B, notificar pelo canal C" é um candidato.
3. Ciclo de Feedback da Qualidade de Detecção
Essa é a que mais me empolga. Os fornecedores de segurança acumulam enormes listas de chamados do tipo "essa detecção não está funcionando direito". As descrições costumam ser enigmáticas. O contexto está perdido em meio a trocas de e-mails e chamados de suporte. A pessoa responsável pela triagem precisa ter um conhecimento profundo do produto para sequer entender a solicitação.
Um agente de IA com acesso ao seu sistema de tickets, base de conhecimento e plataforma de segurança pode ler um ticket de feedback de detecção, extrair os dados reais do alerta, compará-los com a documentação e gerar um resumo claro: “Este é um falso positivo causado por correspondência de substring na regra X. O usuário que reportou o problema forneceu uma correção. Aqui está a consulta corrigida.”
O desbloqueio por agentes: Conecte o agente ao ambiente de relatórios (com permissão) via MCP, e ele poderá validar o problema relatado com base em dados reais. Chega de "você pode enviar uma captura de tela?". Chega de idas e vindas intermináveis. O agente vê o que o solicitante vê.
4. Conectando os pontos entre as ferramentas
A função de um líder de operações de segurança é conectar os pontos entre os sistemas. Uma troca de e-mails sobre o engajamento de um parceiro, um ticket sobre uma falha de detecção, uma página wiki sobre um processo, um quadro de design sobre o fluxo de trabalho, preços em uma conversa de vendas. Tudo isso reside em ferramentas diferentes, sem nenhuma correlação automática.
Um agente de IA percorre todas essas etapas. Pergunte a ele "qual o status do ensaio clínico deste parceiro?" e ele busca a sequência de e-mails, verifica o comprovante de acompanhamento, lê o formulário de inscrição e sintetiza uma única resposta. Sem alternar entre abas. Sem "deixe-me verificar".
O desbloqueio por agentes: É aqui que o MCP se destaca. Cada sistema é um servidor MCP. O agente não se importa se os dados estão em um e-mail, no Jira ou no Stellar Cyber. Ele usa o mesmo protocolo para todos eles.
5. Monitoramento proativo sem fadiga de alertas
A abordagem tradicional de monitoramento consiste em "verificar tudo constantemente" (caro e ruidoso) ou "esperar que alguém perceba" (lento e arriscado). Os agentes de IA oferecem um terceiro caminho: verificações inteligentes e programadas, com capacidade de julgamento semelhante à humana, para determinar o que merece ser levado a instâncias superiores.
Meu agente verifica os canais de comunicação periodicamente, mas não se limita a informar "você tem 15 mensagens não lidas". Ele categoriza por urgência, identifica itens de ação, filtra ruídos e só me alerta quando algo realmente precisa de atenção. O mesmo padrão se aplica ao monitoramento de segurança: verificar filas de chamados, sinalizar anomalias na cobertura de detecção, monitorar violações de SLA. E permanecer em silêncio quando tudo estiver normal.
O desbloqueio agentivo: Execuções de agentes agendadas com otimização em nível de modelo. Use um modelo mais leve para verificações de rotina e recorra a um modelo mais robusto quando a situação exigir julgamento. Automação com foco em custos.
6. Documentação e Captura de Conhecimento
As equipes de segurança geram uma enorme quantidade de conhecimento institucional que nunca é documentado. O analista que sabe que os registros de um fornecedor específico de firewall se comportam de maneira diferente do esperado? Esse conhecimento permanece na cabeça dele até que ele saia da empresa.
Agentes de IA podem capturar e estruturar esse conhecimento em tempo real. Cada triagem de chamados, cada interação, cada decisão se torna uma entrada estruturada em uma base de conhecimento persistente. O agente mantém anotações diárias, atualiza sua memória de longo prazo com insights relevantes e compara novas informações com o que já sabe.
O desbloqueio do agente: quanto mais o agente trabalha, mais ele aprende. O agente que triou um lote de chamados de detecção agora entende peculiaridades de logs específicas do fornecedor, casos extremos de integração e lacunas de correlação de identidade. Da próxima vez que um chamado relacionado chegar, ele começará a partir dessa base — e não do zero.
O que isso significa para as equipes de segurança
A indústria de segurança passou a última década aprimorando a detecção. A próxima década será sobre decisões. Quem decide o que é real? Quem decide o que fazer a respeito? E com que rapidez essas decisões podem ser tomadas?
A IA ativa não substitui o analista. Ela amplia o poder do analista. O mesmo analista que triava manualmente 20 casos por dia agora pode revisar 200 casos triados por agentes, concentrando sua expertise onde ela realmente importa: nos casos extremos, nos ataques inovadores, nas decisões que as máquinas ainda não conseguem tomar.
Os fornecedores que ainda se escondem atrás de APIs fechadas e resumos de IA pontuais ficarão para trás. As plataformas vencedoras serão aquelas que abrirem suas APIs por meio de protocolos como o MCP, criarem ciclos de feedback que realmente aprendam com as decisões humanas e tratarem a automação por IA como um produto, com métricas de precisão, controle de custos e mecanismos de governança.
Estamos desenvolvendo isso na Stellar Cyber. O servidor MCP já está online. O sistema de triagem automática de alertas está em produção. E eu tenho um agente de IA que acabou de redigir este post do blog.
Bem, a maior parte.
