A adoção acelerada da inteligência artificial está ampliando a superfície de ataque das organizações, mas os números mais recentes mostram que o cenário exige mais análise do que alarmismo. De um lado, empresas responsáveis por algumas das principais soluções de IA do mercado acumulam centenas de vulnerabilidades que já foram exploradas em ataques reais. De outro, falhas descobertas com o auxílio de inteligência artificial ainda não apresentam uma taxa de exploração superior àquelas identificadas por pesquisadores humanos. As duas conclusões parecem contraditórias, mas, na prática, revelam aspectos diferentes do mesmo problema: a quantidade de vulnerabilidades está aumentando, enquanto a capacidade dos criminosos de transformar todas elas em ataques continua limitada.
Empresas de IA acumulam 828 vulnerabilidades exploradas
Uma análise realizada pela Cybernews com base no catálogo Known Exploited Vulnerabilities, mantido pela CISA, identificou 828 vulnerabilidades conhecidas e exploradas desde 2021 em produtos de 16 empresas que também desenvolvem soluções de inteligência artificial.
A Microsoft aparece com 377 registros, representando aproximadamente 46% de todas as vulnerabilidades encontradas no levantamento. Em seguida aparecem Apple, com 93 ocorrências, Cisco, com 92, Adobe, com 79, e Google, com 72.
O Windows foi o produto mais afetado, acumulando 170 vulnerabilidades comprovadamente exploradas. Entre as falhas relacionadas à Microsoft, 103 também foram associadas a campanhas de ransomware.
Os números chamam atenção, mas não significam necessariamente que a Microsoft tenha práticas de segurança inferiores às demais empresas analisadas.
A companhia possui uma das maiores bases instaladas do mundo, com sistemas operacionais, serviços corporativos, soluções em nuvem, ferramentas de produtividade e aplicações presentes em milhões de ambientes. Essa abrangência transforma seus produtos em alvos mais rentáveis para grupos criminosos.
Quanto maior a presença de uma tecnologia no mercado, maior tende a ser o interesse de pesquisadores, criminosos e operadores de ransomware em encontrar maneiras de explorá-la.
O levantamento não analisa apenas produtos de IA
Um ponto importante da pesquisa é que as 828 vulnerabilidades não foram encontradas exclusivamente em ferramentas de inteligência artificial.
O estudo considerou todo o portfólio de software e hardware das empresas selecionadas. Isso inclui sistemas operacionais, navegadores, aplicações corporativas, equipamentos de rede e outras tecnologias que não necessariamente possuem relação direta com IA.
Portanto, afirmar que existem 828 vulnerabilidades exploradas em sistemas de IA seria impreciso.
O resultado demonstra que as empresas responsáveis por desenvolver produtos de inteligência artificial também mantêm grandes ecossistemas tecnológicos, historicamente expostos a ataques e falhas de segurança.
Ainda assim, essa informação é relevante para organizações que estão escolhendo fornecedores de IA. Ao adotar uma plataforma, a empresa não depende apenas do modelo de inteligência artificial, mas também da infraestrutura, dos serviços em nuvem, das APIs, dos mecanismos de autenticação e de toda a cadeia tecnológica utilizada pelo fornecedor.
Falhas descobertas por IA são realmente mais perigosas?
Enquanto o primeiro levantamento analisa vulnerabilidades já exploradas em empresas ligadas ao mercado de IA, uma segunda pesquisa avaliou se falhas descobertas por inteligência artificial apresentam maior probabilidade de serem utilizadas em ataques.
A VulnCheck analisou 1.061 vulnerabilidades identificadas com auxílio de IA em iniciativas como o Project Glasswing, da Anthropic, e a Berkeley Vulnerability Research Initiative.
Entre todos os registros analisados, apenas 14 vulnerabilidades, aproximadamente 1,3%, haviam sido confirmadas como exploradas no mundo real.
Segundo os pesquisadores, essa taxa é semelhante à observada em vulnerabilidades descobertas por métodos tradicionais.
O dado enfraquece a ideia de que toda vulnerabilidade encontrada por inteligência artificial será rapidamente transformada em um ataque. Descobrir uma falha é apenas uma parte do processo. Para que ela seja explorada, o invasor ainda precisa entender as condições necessárias, desenvolver um código funcional, contornar mecanismos de proteção e encontrar sistemas vulneráveis expostos.
Em muitos casos, a falha pode depender de configurações específicas, privilégios prévios ou condições difíceis de reproduzir em ambientes reais.
Mais descobertas não significam mais ataques
A inteligência artificial já demonstrou capacidade para analisar grandes volumes de código, identificar padrões inseguros e encontrar comportamentos que poderiam passar despercebidos em revisões manuais.
Isso permite que empresas, pesquisadores e fornecedores descubram vulnerabilidades em uma escala significativamente maior.
No entanto, o aumento no número de descobertas não produz automaticamente um crescimento proporcional nas explorações.
A Anthropic, por exemplo, teria identificado mais de 23 mil possíveis vulnerabilidades por meio do Project Glasswing. Apesar desse volume, somente uma pequena parcela resultou em CVEs publicados, e apenas um dos casos foi confirmado como explorado.
Isso acontece porque nem todo comportamento incomum representa uma vulnerabilidade real. Algumas descobertas podem ser duplicadas, apresentar baixo impacto, depender de condições improváveis ou não ser reproduzidas de forma consistente.
Por esse motivo, vulnerabilidades identificadas por IA ainda precisam passar por validação técnica, análise de impacto e priorização antes de serem tratadas como riscos concretos.
Volume e risco não são a mesma coisa
A comparação entre as pesquisas evidencia uma diferença fundamental entre quantidade de vulnerabilidades e risco efetivo.
O primeiro estudo mostra que grandes fornecedores possuem centenas de falhas que já foram utilizadas em ataques. O segundo demonstra que apenas uma pequena fração das vulnerabilidades recém-descobertas por IA chega a ser explorada.
Uma organização não deve avaliar sua segurança apenas pela quantidade de CVEs associados a determinado produto ou fornecedor.
O risco real depende de fatores como criticidade do ativo, exposição à internet, existência de código de exploração, privilégios exigidos, impacto potencial, presença da tecnologia no ambiente e disponibilidade de correções.
Uma vulnerabilidade crítica em um sistema isolado pode representar menos risco do que uma falha de severidade média presente em centenas de servidores expostos publicamente.
Da mesma forma, uma empresa com muitos CVEs pode responder rapidamente às falhas, enquanto um fornecedor menor pode demorar semanas ou meses para disponibilizar uma correção.
O que muda na avaliação de fornecedores de IA
A expansão da inteligência artificial dentro das empresas está levando modelos e agentes a acessar documentos internos, códigos-fonte, e-mails, dados pessoais e informações estratégicas.
Esse nível de acesso exige que a avaliação de fornecedores considere mais do que desempenho, precisão ou custo.
As organizações precisam analisar como os dados são armazenados, quais integrações serão utilizadas, como funciona o controle de acesso, quais registros são mantidos e de que maneira o fornecedor responde a vulnerabilidades e incidentes.
Também é necessário verificar se a solução utiliza dados corporativos para treinamento, se existe separação adequada entre clientes e se as informações podem ser acessadas por terceiros ou subcontratados.
A reputação do fornecedor continua importante, mas não deve ser o único critério. Empresas amplamente utilizadas tendem a apresentar mais vulnerabilidades registradas justamente porque seus produtos recebem maior atenção de pesquisadores e criminosos.
O ponto central é compreender como cada fornecedor identifica, comunica e corrige suas falhas.
A inteligência artificial favorece atacantes e defensores
As pesquisas também demonstram que a IA não deve ser analisada apenas como uma ferramenta ofensiva.
A mesma tecnologia capaz de ajudar criminosos a buscar vulnerabilidades pode ser utilizada por equipes de segurança para revisar códigos, testar aplicações, identificar configurações inseguras e antecipar falhas antes que sejam exploradas.
O principal benefício, neste momento, parece estar na escala.
A IA permite que mais sistemas sejam analisados em menos tempo, oferecendo aos defensores uma oportunidade para corrigir vulnerabilidades antes que elas sejam incorporadas a ferramentas de ataque.
Por outro lado, o aumento no volume de descobertas pode gerar uma quantidade elevada de alertas, falsos positivos e achados de baixo impacto. Sem processos adequados de validação e priorização, as equipes podem gastar recursos corrigindo problemas pouco relevantes enquanto vulnerabilidades realmente críticas permanecem abertas.
Priorizar continua sendo essencial
A descoberta automatizada de vulnerabilidades não elimina a necessidade de análise humana.
Empresas devem combinar dados de severidade com evidências de exploração, exposição dos ativos e impacto para o negócio. Catálogos como o KEV, da CISA, ajudam a diferenciar falhas teóricas de vulnerabilidades que já estão sendo utilizadas em ataques reais.
Sistemas expostos à internet, ativos críticos e vulnerabilidades associadas a ransomware devem receber prioridade.
Também é importante manter inventários atualizados, acompanhar os componentes utilizados, aplicar correções em prazos definidos e validar se as medidas adotadas realmente eliminaram a exposição.
O objetivo não deve ser corrigir todos os CVEs ao mesmo tempo, mas reduzir primeiro os riscos com maior probabilidade de causar interrupções, vazamentos ou comprometimento dos sistemas.
A inteligência artificial está aumentando a capacidade de encontrar vulnerabilidades, mas os dados disponíveis ainda não indicam que falhas descobertas por IA sejam exploradas com mais frequência do que aquelas identificadas por métodos tradicionais.
Ao mesmo tempo, o número de vulnerabilidades já exploradas em produtos de grandes empresas mostra que organizações não podem ignorar os riscos associados à cadeia de fornecedores.
O cenário não exige pânico, mas maturidade.
Empresas devem avaliar a exposição real de seus ativos, priorizar vulnerabilidades exploradas, revisar fornecedores de tecnologia e utilizar a própria inteligência artificial como uma ferramenta de defesa.
O maior risco não está apenas na quantidade de falhas descobertas, mas na incapacidade de identificar quais delas podem realmente afetar o negócio antes que sejam utilizadas por um atacante.
