Governança de segurança na era da inteligência artificial
A velocidade com que a inteligência artificial chega às empresas amplia o desafio de equilibrar inovação, segurança e governança. Para Vitor Sena, CISO Global da Gerdau, a resposta não está em criar controles rígidos e uniformes para todas as aplicações, mas em estruturar uma governança capaz de considerar diferentes níveis de risco e necessidades do negócio. Durante o evento Mind The Sec 2026, o executivo defendeu uma mudança fundamental no papel dos líderes de segurança.
A evolução da IA reforça uma transformação já discutida internamente: a aproximação entre segurança e negócio. Para isso, o CISO precisa se posicionar como executivo de negócio, e não apenas como responsável pela tecnologia. Essa mudança altera a forma como a segurança é apresentada internamente, conectando vulnerabilidades e controles a processos e prioridades corporativas.
Traduzir o técnico para o negócio
Sena ressalta que o profissional de segurança ainda precisa dominar fundamentos da área, mas deve conseguir traduzir conceitos complexos para uma linguagem compreensível por executivos e áreas de negócio. O skill mandatório é a capacidade de comunicar esse tipo de tecniquês em uma linguagem clara, que o negócio e que o executivo entenda.
Para o executivo, essa comunicação também ajuda a reduzir a percepção de que a segurança é uma área excessivamente burocrática, aproximando as discussões de risco das decisões que efetivamente precisam ser tomadas pela organização. Ao mesmo tempo, conhecer profundamente o negócio protegido é fundamental para definir a medida adequada de segurança.
A governança na velocidade da IA
A expansão da inteligência artificial torna essa aproximação ainda mais relevante. Com diferentes aplicações e níveis de risco surgindo dentro das organizações, a segurança precisa acompanhar a velocidade da experimentação sem abrir mão dos critérios necessários para proteger o negócio. Na visão de Sena, o desafio é justamente construir esse equilíbrio: uma governança suficientemente estruturada para orientar a adoção da IA, mas flexível para responder às particularidades de cada aplicação.
Nesse modelo, o CISO deixa de atuar apenas como uma camada de controle e passa a participar da construção das condições para que a inovação avance de forma compatível com os riscos que a empresa está disposta a assumir. A proposta é evitar que a governança fique atrás da velocidade de adoção da tecnologia e das necessidades do negócio.
Implicações regulatórias e LGPD
No Brasil, a implementação de sistemas de IA traz desafios adicionais relacionados à conformidade com a Lei Geral de Proteção de Dados (LGPD). O CISO deve garantir que os modelos de aprendizado de máquina respeitem os princípios de finalidade, adequação e necessidade no tratamento de dados pessoais. Falhas na governança de IA podem resultar em vazamentos de dados sensíveis, multas pesadas e danos reputacionais irreparáveis.
A responsabilidade sobre os dados alimentados nos modelos e as saídas geradas por eles deve ser claramente definida. Isso inclui a validação de fontes de treinamento e a auditoria contínua dos resultados para evitar vieses discriminatórios ou violações de privacidade inadvertidas.
Medidas práticas para liderança de segurança
Para se adaptar a esse novo cenário, os CISOs devem adotar as seguintes ações:
- Participação estratégica: Incluir representantes de segurança nas reuniões de planejamento de produtos e inovação desde o início.
- Mapa de riscos de IA: Desenvolver inventários específicos para ativos de inteligência artificial, classificando-os por criticidade e sensibilidade de dados.
- Parcerias transversais: Trabalhar em conjunto com jurídico, compliance e operações para definir quais riscos a organização aceita assumir.
- Capacitação contínua: Investir em treinamento para entender as capacidades e limitações das tecnologias de IA adotadas.
O que fazer agora
A pergunta mais importante para as empresas não é apenas sobre a tecnologia, mas sobre os mecanismos existentes para garantir que o modelo esteja se comportando da maneira que o negócio precisa. Confiabilidade em inteligência artificial não é algo estático, mas algo que precisa ser medido continuamente. Mais do que o modelo utilizado, é essa disciplina de testar, monitorar e aprimorar continuamente que determina se uma empresa está realmente preparada para colocar a IA diante de seus clientes.