Contexto e transformação do setor financeiro
A inteligência artificial está redefinindo a forma como bancos, fintechs e instituições financeiras estruturam suas estratégias de cibersegurança. Mais do que apenas automatizar tarefas operacionais, a tecnologia está sendo utilizada para correlacionar grandes volumes de informações, identificar comportamentos suspeitos, reduzir falsos positivos e acelerar a resposta a incidentes. Essa mudança representa um deslocamento fundamental de uma abordagem baseada em regras estáticas para uma análise contextual e comportamental dinâmica.
Segundo André Oliveira, CTO da AK Networks, o avanço da IA ocorre em um momento em que o setor financeiro busca simultaneamente maior eficiência operacional, redução de custos e aumento da produtividade. Nesse cenário, a capacidade de analisar dados e responder rapidamente às ameaças tornou-se um componente estratégico da segurança, essencial para a sobrevivência e competitividade das instituições no mercado digital.
Do SOC baseado em alertas à análise contextual
Uma das áreas que mais pode se beneficiar dessa transformação é o Security Operations Center (SOC). Tradicionalmente, os analistas precisam correlacionar diferentes informações para determinar se determinado evento representa uma ameaça real. A IA permite automatizar parte desse processo, analisando simultaneamente diferentes sinais e estabelecendo relações que poderiam demandar mais tempo de uma equipe humana.
"Se a gente tem um SOC, por exemplo, o SOC precisa correlacionar várias informações. Vai chegar no humano, que vai olhar para tentar entender essa correlação para tomar uma decisão. Com a inteligência artificial, a gente consegue alavancar esse uso, fazer muito mais rápido e de forma mais assertiva", explica Oliveira. Essa mudança desloca o papel do SOC de uma operação predominantemente reativa para um modelo mais contextual e orientado ao negócio, permitindo que os profissionais de segurança se concentrem em ameaças complexas e de alto risco.
IA torna engenharia social mais sofisticada
O avanço da inteligência artificial, entretanto, também está sendo explorado pelos criminosos. A engenharia social tornou-se mais sofisticada porque os atacantes conseguem produzir mensagens personalizadas, contextualizadas e muito mais convincentes. É nesse ponto que ganha importância a abordagem da Abnormal AI, solução trabalhada pela AK Networks para análise comportamental.
Em vez de depender exclusivamente de regras e assinaturas previamente conhecidas, a tecnologia analisa padrões de comportamento e histórico para identificar situações anômalas. Um exemplo citado por Oliveira é uma solicitação urgente de pagamento enviada a um profissional da área financeira por alguém com quem ele nunca havia conversado anteriormente. A análise não considera apenas o conteúdo da mensagem, mas também o contexto da comunicação, incluindo quem está enviando, para quem, histórico de relacionamento e urgência.
Mensagens que anteriormente poderiam ser identificadas por erros de português, construções estranhas ou falta de contexto passaram a apresentar qualidade muito superior. "Hoje, o e-mail gerado pela AI é muito mais convincente", observa Oliveira. O ataque pode ainda migrar de um canal para outro, criando uma sequência de interações que procura aumentar a confiança da vítima, tornando a detecção baseada apenas em conteúdo insuficiente.
E-mail continua entre os principais vetores de ataque
Apesar da expansão de novas plataformas digitais, o e-mail continua sendo um dos principais vetores utilizados pelos criminosos. Segundo Oliveira, e-mail e web representam mais de 80% do volume de ataques. O e-mail permanece fundamental para as empresas por questões de conformidade, arquivamento, armazenamento e registro das comunicações, mas foi concebido para colaboração e não para segurança.
No setor financeiro, uma das ameaças relevantes é o Business Email Compromise (BEC), no qual o criminoso consegue se passar por alguém da própria organização ou comprometer uma conta corporativa. Outro vetor é o Vendor Email Compromise, envolvendo fornecedores e parceiros. O risco aumenta à medida que terceiros passam a integrar de maneira mais profunda a cadeia de valor das instituições. "Hoje, a empresa não funciona sem terceiros. Está dentro do ecossistema", afirma Oliveira.
Dispositivos móveis ampliam superfície de ataque
A expansão dos aplicativos financeiros também trouxe novos desafios. Bancos e fintechs vêm direcionando cada vez mais seus clientes para os aplicativos móveis, tornando smartphones e tablets componentes críticos da infraestrutura de serviços financeiros. O problema está na diversidade do parque instalado. No Brasil, ainda existe uma grande quantidade de dispositivos antigos, com sistemas operacionais desatualizados, limitações de armazenamento e diferentes níveis de segurança.
Nesse ambiente, a solução Zimperium, também utilizada pela AK Networks, atua na proteção de aplicações e dispositivos móveis. A tecnologia permite identificar sinais de risco no dispositivo, incluindo malware, jailbreak e outras condições que podem comprometer a segurança do aplicativo. Essas informações podem alimentar os mecanismos de prevenção e detecção de fraude, ajudando a determinar se uma transação ou acesso deve ser autorizado ou bloqueado.
O desafio da governança dos agentes de IA
Ao mesmo tempo em que a IA aumenta a eficiência da segurança, ela cria uma nova categoria de riscos. A utilização de agentes de IA no setor financeiro tende a crescer em atividades como recomendação de investimentos, revisão de carteiras, sugestões de produtos e análise de operações. O ponto crítico, segundo Oliveira, será o momento em que esses agentes deixarem de apenas recomendar e passarem a tomar decisões.
"Então, se a AI começar a tomar decisão de aplicação de fundos, em qual aplicar, em qual usar, dependendo da AI que está sendo usada, ela pode ter uma tendência para um tipo de decisão ou para outro tipo de decisão." Nesse cenário, questões de governança tornam-se fundamentais. As empresas precisarão controlar as credenciais utilizadas pelos agentes, seus níveis de permissão, os sistemas que podem acessar e as decisões tomadas. Também será necessário garantir rastreabilidade.
"Como a AI vai se autenticar? Ela é humana, ela não é humana? É uma credencial dos serviços? Como a gente vai ter uma visibilidade de todas as vezes que ela autenticar no sistema para fazer uma operação?", questiona Oliveira. A preocupação aumenta com a proliferação de agentes autônomos dentro das organizações, exigindo mecanismos para registrar os parâmetros utilizados, as decisões tomadas e o racional empregado.
Implicações regulatórias e LGPD
A implementação de IA na segurança e nas operações financeiras traz implicações diretas para a conformidade regulatória, especialmente no que tange à Lei Geral de Proteção de Dados (LGPD). O tratamento de dados pessoais por agentes de IA deve ser transparente, com consentimento adequado e finalidade específica. As instituições devem garantir que os modelos de IA não violem a privacidade dos clientes e que os dados utilizados para treinamento sejam protegidos contra acessos não autorizados.
Além disso, a tomada de decisão automatizada por IA pode estar sujeita a regulamentações específicas que exigem explicabilidade e supervisão humana. As empresas precisam estabelecer políticas claras de governança de IA, incluindo auditorias regulares dos modelos, testes de viés e mecanismos de reversão em caso de erros. A conformidade com a LGPD e outras normas setoriais é essencial para manter a confiança dos clientes e evitar sanções regulatórias.
O que os CISOs devem fazer imediatamente
Para as instituições financeiras, a mensagem é clara: não basta investir em IA para acelerar o negócio. É necessário proteger os dados utilizados pelos modelos, controlar os agentes, limitar suas permissões e monitorar suas decisões. A cibersegurança passa, portanto, a acompanhar a própria evolução da inteligência artificial. Se os agentes assumirão uma parcela cada vez maior das operações financeiras, a segurança terá de acompanhar cada etapa dessa transformação.
Os CISOs devem priorizar a integração de tecnologias de segurança em camadas, desde a identidade e o dispositivo até o aplicativo, da rede ao SOC e, principalmente, às decisões tomadas pelas máquinas. A segurança não pode ser fragmentada, e o modelo de segurança em camadas começa no endpoint e passa por dispositivos móveis, aplicações, rede, identidade e comportamento humano. A mudança no ambiente corporativo tornou essa integração ainda mais importante.