A Microsoft deu mais um passo na evolução da inteligência artificial aplicada aos negócios ao apresentar o Frontier Suite, uma solução que combina os dois pilares fundamentais da chamada Transformação de Vanguarda: Inteligência e Confiança. Segundo a empresa, o mercado já superou a fase de experimentos com IA — agora o foco é gerar resultados concretos e crescimento sustentável.
Inteligência que se manifesta no trabalho real
A Microsoft defende que o verdadeiro diferencial da IA não está apenas na capacidade dos modelos, mas na profundidade com que ela compreende o contexto real de trabalho de cada organização. É nesse ponto que entra o Work IQ, a camada de inteligência que sustenta o Microsoft 365 Copilot.
O Work IQ permite que o Copilot e seus agentes entendam como cada colaborador trabalha, com quem interage e em quais conteúdos colabora — tornando as respostas mais precisas e relevantes do que as de soluções baseadas apenas em modelos genéricos.
Com o lançamento da terceira geração do Microsoft 365 Copilot, a empresa traz melhorias nas experiências dentro do Word, Excel, PowerPoint e Outlook, além de permitir que os próprios usuários criem e personalizem agentes diretamente no ambiente de trabalho.
A plataforma também se destaca por sua abordagem multimodelo: em vez de apostar em um único fornecedor, a Microsoft integra modelos da OpenAI e da Anthropic, operando de forma aberta em diferentes nuvens e serviços. O modelo Claude, da Anthropic, já está disponível no chat principal do Copilot por meio do programa Frontier. Outro desenvolvimento relevante é o Copilot Cowork, ainda em fase de pesquisa, criado em parceria com a Anthropic para facilitar trabalhos contínuos e de múltiplas etapas ao longo do tempo.
O crescimento da plataforma confirma sua adoção: no trimestre mais recente, as licenças pagas do Copilot cresceram mais de 160% em relação ao ano anterior, o uso diário ativo aumentou dez vezes, e o número de clientes com mais de 35 mil licenças triplicou no mesmo período. Empresas como Mercedes-Benz, NASA, Fiserv e ING estão entre as que adotaram a solução em larga escala. Atualmente, 90% das empresas da Fortune 500 já utilizam o Copilot.
Confiança: do experimento ao controle empresarial de agentes
À medida que os agentes de IA se tornam mais autônomos e disseminados, a Microsoft identifica um risco crescente: sem governança adequada, a proliferação de agentes gera pontos cegos, baixa previsibilidade e vulnerabilidades de segurança. Estima-se que haja 1,3 bilhão de agentes em circulação até 2028, segundo a IDC.
Para responder a esse desafio, a empresa anuncia a disponibilidade geral, a partir de 1º de maio, do Microsoft Agent 365 — uma plataforma centralizada de controle para agentes de IA, ao custo de US$ 15 por usuário. A solução permite que equipes de TI e segurança observem, governem e protejam todos os agentes da organização, utilizando a mesma infraestrutura já empregada na gestão de pessoas.
A própria Microsoft aplica a ferramenta internamente: com o Agent 365, a empresa passou a ter visibilidade sobre mais de 500 mil agentes em operação. Nos últimos 28 dias, esses agentes geraram mais de 65 mil respostas diárias para colaboradores — nas áreas de pesquisa, codificação, inteligência de vendas, atendimento ao cliente e autoatendimento de RH.
Em dois meses de testes com clientes, dezenas de milhões de agentes já foram registrados na plataforma.
O Frontier Suite: uma solução integrada para IA empresarial
Combinando os dois pilares — inteligência e confiança —, a Microsoft lança o Microsoft 365 E7: The Frontier Suite, que unifica em uma única solução:
Microsoft 365 E5 (produtividade e colaboração)
Microsoft 365 Copilot (IA com Work IQ)
Agent 365 (governança de agentes)
O pacote também inclui o Microsoft Entra Suite e funcionalidades avançadas de segurança do Defender, Intune e Purview, garantindo proteção tanto para agentes quanto para colaboradores.
Com preço de US$ 99 por usuário, o E7 é apresentado como mais econômico do que a aquisição separada de cada componente — e como uma forma mais simples de implementar IA corporativa em escala.
Para a Microsoft, o Frontier Suite representa a passagem definitiva da IA experimental para a IA que gera valor duradouro nas organizações — com inteligência contextualizada e controle confiável em cada etapa do processo.
[vc_row][vc_column][vc_column_text]Você já imaginou uma inteligência artificial que não apenas entende o que você diz, mas também compreende o que os seus sistemas dizem entre si? É exatamente isso que a Splunk — um dos nossos parceiros estratégicos — está construindo com o conceito de MachineGPT.
O que é o MachineGPT?
Assim como o ChatGPT aprendeu a gramática das palavras humanas para conversar conosco, o MachineGPT aprende a “gramática oculta” do comportamento dos sistemas digitais — por meio dos dados que as máquinas produzem o tempo todo.
Logs, métricas, traces, eventos: tudo isso é o “batimento cardíaco digital” das empresas modernas. São sinais que movem negócios, garantem segurança e sustentam a economia digital. A Splunk chama esse conjunto de informações de machine data — e aposta que dominar essa linguagem é a próxima grande fronteira da IA.
De reativo para preditivo
Historicamente, os dados de máquina eram usados de forma reativa: você analisava o que aconteceu depois que um problema ocorreu. O MachineGPT muda esse paradigma.
Com ele, é possível:
Detectar anomalias sutis em sensores, transações e padrões de autenticação
Correlacionar sinais de séries temporais entre diferentes domínios
Simular cenários futuros antes que os problemas se manifestem
Orquestrar respostas automatizadas em tempo real e em escala
Em vez de olhar para o passado, as equipes de TI passam a antecipar e moldar o futuro.
[/vc_column_text][vc_column_text]
O papel do Cisco Data Fabric
Para viabilizar o MachineGPT em escala empresarial, a Splunk desenvolveu — junto à Cisco — o Cisco Data Fabric: uma arquitetura pronta para IA que unifica a telemetria de infraestrutura, aplicações, segurança e operações de negócio.
Não se trata de um repositório centralizado tradicional. É uma fundação adaptativa e federada que conecta dados onde quer que estejam, tornando-os acionáveis em tempo real. Essa “malha de dados” garante:
Análise avançada de padrões e raciocínio temporal em séries de dados
Detecção de anomalias e previsão automatizada
Análise automatizada de causa raiz
Governança e conformidade para que agentes de IA operem com contexto e precisão
Dados operacionais + dados de negócio = inteligência transformadora
Uma das iniciativas mais relevantes apresentadas pela Splunk é a parceria com a Snowflake. Com o Splunk Federated Search for Snowflake, organizações conseguem cruzar dados de máquina do Splunk com dados de negócio da Snowflake AI Data Cloud — sem mover ou duplicar informações.
O resultado? Um novo plano de inteligência. Imagine correlacionar uma anomalia em logs de autenticação com transações de clientes em tempo real, ou ligar uma lentidão de sistema diretamente a uma campanha promocional ativa. Detecção mais rica, planejamento mais amplo, respostas mais precisas.
Casos de uso reais
O impacto do MachineGPT já se traduz em aplicações concretas:
Varejo: sistemas de checkout auto-recuperáveis que corrigem falhas antes que o cliente perceba
Automotivo: previsão de falhas em garantias antes que se tornem recalls em massa
Financeiro: identificação de padrões de fraude invisíveis para sistemas isolados
Esses não são cenários futuristas. São o que acontece quando machine data deixa de ser tratado como “resíduo digital” e passa a ser um ativo estratégico.
Por que isso importa para os nossos clientes?
Na Fast Lane, acompanhamos de perto a evolução dos nossos parceiros tecnológicos — e o que a Splunk está construindo com o MachineGPT representa uma mudança fundamental na forma como as organizações vão operar na era da IA agêntica.
A primeira onda da IA foi sobre entender a linguagem humana. A próxima será sobre falar a linguagem das máquinas.
Se você quer entender como a plataforma Splunk pode ajudar a sua organização a transformar dados operacionais em resiliência digital — e como as nossas trilhas de treinamento e certificação podem preparar os seus times para essa nova realidade — entre em contato com a Fast Lane.
A velocidade com que a tecnologia evolui está obrigando as empresas a repensarem sua estratégia de talentos. Em um cenário no qual novas ferramentas, arquiteturas e modelos de negócio digitais surgem o tempo todo, atualizar habilidades deixou de ser diferencial e passou a ser necessidade.
Nesse contexto, dois conceitos ganham cada vez mais espaço dentro das organizações: upskilling e reskilling em TI. Ambos são estratégias essenciais para desenvolver talentos internos e responder com mais agilidade às mudanças do mercado.
Mais do que uma tendência, essas abordagens já representam uma vantagem competitiva real para empresas que querem se manter relevantes na economia digital.
O que é upskilling em TI?
O upskilling em TI consiste em aprimorar ou aprofundar habilidades que o profissional já possui, para que ele acompanhe novas tecnologias ou assuma responsabilidades mais estratégicas dentro da própria área.
No setor de tecnologia, isso pode significar:
atualizar conhecimentos em cloud computing;
aprender novas ferramentas de cibersegurança;
aprofundar-se em arquiteturas de inteligência artificial;
desenvolver competências em automação e DevOps.
Por exemplo, quando um engenheiro de infraestrutura se especializa em arquiteturas multicloud, ou quando um analista de dados aprende a trabalhar com modelos de inteligência artificial, ele está passando por um processo de upskilling.
Esse modelo permite que a empresa fortaleça o talento que já tem em casa. Com isso, reduz custos de contratação e acelera a adoção de novas tecnologias.
O que é reskilling e por que ele é tão importante em tecnologia?
Já o reskilling envolve capacitar profissionais para atuarem em funções completamente novas dentro da organização.
Isso acontece com frequência em TI, especialmente porque muitos cargos evoluem rapidamente. Alguns exemplos incluem:
administradores de sistemas que se tornam engenheiros de cloud;
analistas de suporte que migram para a área de cibersegurança;
profissionais de redes que passam a desenvolver competências em automação e programação.
O reskilling ajuda as empresas a reaproveitarem o conhecimento interno enquanto preparam seus times para as demandas tecnológicas do futuro.
Além disso, essa estratégia contribui para reduzir a escassez de talentos em áreas críticas, como inteligência artificial, cloud computing e segurança digital, nas quais a demanda global por profissionais continua crescendo.
As organizações mais ágeis já entenderam que o aprendizado não pode mais acontecer de forma pontual. Hoje, ele precisa ser contínuo, estratégico e conectado aos objetivos do negócio.
Por isso, investir em capacitação tecnológica gera benefícios claros, como:
equipes mais preparadas para adotar novas tecnologias;
maior capacidade de inovação;
redução de riscos operacionais;
melhora na retenção de talentos.
Quando os profissionais percebem que a empresa investe no seu desenvolvimento, o nível de engajamento também cresce. Como resultado, aumenta a motivação, a produtividade e o comprometimento com os objetivos da organização.
É por isso que muitas empresas vêm incorporando programas estruturados de treinamento, certificações oficiais e formações especializadas como parte central da estratégia de talentos.
Como o upskilling impulsiona a transformação digital
A transformação digital não depende apenas da implementação de novas ferramentas. Seu sucesso está diretamente ligado à capacidade das pessoas de usar, adaptar e escalar essas tecnologias dentro da empresa.
Sem profissionais capacitados, até os investimentos mais avançados podem ser subutilizados.
É exatamente nesse ponto que upskilling e reskilling em TI se tornam fundamentais. Ao fortalecer as competências técnicas dos times, as organizações conseguem:
acelerar projetos de inovação;
implementar novas arquiteturas tecnológicas;
melhorar a segurança das infraestruturas;
aproveitar melhor o potencial da inteligência artificial.
Em outras palavras, o talento capacitado se torna o verdadeiro motor da transformação digital.
Upskilling e reskilling em TI como vantagem competitiva
Empresas ágeis não esperam a mudança acontecer para reagir. Elas se antecipam. E fazem isso preparando seus profissionais para os desafios do presente e do futuro.
Investir em upskilling e reskilling em TI é uma forma prática de aumentar a competitividade, acelerar a transformação digital e construir equipes mais resilientes.
No mercado atual, tecnologia sozinha não sustenta vantagem competitiva. O que realmente diferencia uma organização é a capacidade de desenvolver pessoas que consigam transformar conhecimento em resultado.
[vc_row][vc_column][vc_column_text]A IA para aprendizado deixou de ser uma tendência discreta e virou o motivo número um por trás do uso de chatbots no mundo. Depois de anos em que a curiosidade e o entretenimento puxavam a adoção, uma pesquisa global indica que, em 2026, as pessoas estão usando IA cada vez mais para aprender de verdade — seja para entender um tema complexo, estudar melhor ou ganhar autonomia no dia a dia.
A virada: de curiosidade a utilidade
O estudo “Nossa vida com a IA”, realizado ao longo dos últimos três anos com a Ipsos, capturou um ponto de inflexão. Na edição mais recente, feita no final do ano passado com 21 mil participantes em 21 países, a maioria dos entrevistados afirmou usar chatbots de IA. Mais importante: a motivação mudou — de “testar por curiosidade” para “usar como ferramenta essencial”.
O dado que resume essa mudança é direto: 74% dos usuários dizem usar IA para “aprender algo novo” ou “entender um tópico complexo”. Em outras palavras, a IA passa a ser vista como ponte para conhecimento aplicado, e não apenas como entretenimento.
O que estudantes, professores e famílias já estão fazendo com IA
Quando a conversa sai do “futuro” e entra na rotina, o retrato fica ainda mais claro:
Entre estudantes com mais de 18 anos, 85% relatam usar IA. Eles recorrem a essas ferramentas para apoiar trabalhos escolares, destravar temas complexos e até organizar tarefas do cotidiano, como viagens, refeições e exercícios.
No caso dos professores, o número também surpreende: 81% dizem usar IA — bem acima da média global apontada na pesquisa. Eles buscam, principalmente, aprender mais rápido e economizar tempo em tarefas que tiram energia do que realmente importa: ensinar.
Um exemplo citado no levantamento reforça essa percepção de ganho prático: em um piloto de seis meses na Irlanda do Norte, educadores relataram economizar, em média, 10 horas por semana com apoio do Gemini.
Já entre os pais, 76% afirmam usar IA, tanto para aprender quanto para apoiar o trabalho. Quase metade diz usar essas ferramentas para explorar mudanças de carreira, aumentar renda ou começar um novo negócio — um sinal forte de que IA para aprendizado também é sobre mobilidade profissional.
Otimismo existe, mas a responsabilidade precisa acompanhar
Além do crescimento no uso, a pesquisa aponta uma leitura relevante: estudantes, professores e famílias tendem a enxergar impacto positivo da IA na forma como aprendemos. Entre educadores, muitos acreditam que a IA pode melhorar a qualidade do ensino e os resultados dos alunos.
Ainda assim, o avanço vem com camadas de cuidado. Com mais gente usando IA, cresce a necessidade de criar ferramentas com proteções adequadas, principalmente para públicos mais jovens. Outro estudo na Europa, citado no texto, indica que estudantes buscam orientação sobre como usar essas soluções — e isso reforça que adoção responsável é parte do desafio.
Há também o alerta do “problema dos 5%”: o risco de que os benefícios da IA cheguem primeiro — ou apenas — aos mais privilegiados ou aos mais motivados, ampliando desigualdades. Por isso, a expectativa do público é que empresas e governos atuem juntos para garantir que a IA atenda ao interesse público, e não só a quem já tem vantagem.
Como as ferramentas do Google estão redesenhando o estudo
No recorte apresentado pelo Google, a “estrela-guia” para IA na educação é clara: melhorar resultados para todos e liberar tempo do professor para que a conexão humana continue no centro do aprendizado. Nessa linha, o texto destaca iniciativas como Modo de aprendizado guiado do Gemini, Gemini for Education, Google AI Pro for Education e NotebookLM, posicionadas como apoio a instruções personalizadas e redução de carga administrativa.
O ponto, aqui, não é “substituir” o ensino — e sim ampliar capacidade: mais clareza para quem estuda, mais foco para quem ensina e mais eficiência para o sistema como um todo.
O que isso sinaliza para empresas em 2026
Para o mercado, a mensagem é simples: se a IA está migrando do entretenimento para o aprendizado, o “jogo” passa a ser preparo. Empresas que querem competir em 2026 precisam tratar IA para aprendizado como parte da estratégia: capacitar times, criar repertório e garantir uso seguro, com orientação e governança.
Em um mundo em que o custo de criar conteúdo e respostas caiu, o diferencial real tende a estar em como as pessoas aplicam esse conhecimento — e em como as organizações conseguem transformar aprendizado em performance.
[/vc_column_text][us_separator show_line=”1″][vc_column_text]Fonte: Blog do Google Brasil — “A mudança no uso da IA: do entretenimento à educação” (16 jan 2026), por Benedict Gomes. [/vc_column_text][/vc_column][/vc_row]
Hoje, a tecnologia sustentável se tornou um eixo estratégico para organizações que buscam competitividade, eficiência e reputação em um mercado cada vez mais consciente.
Mas surge uma pergunta-chave: estamos diante de uma tendência passageira ou de uma necessidade urgente para as empresas?
A resposta é clara: a sustentabilidade tecnológica deixou de ser opcional.
O que é tecnologia sustentável?
Tecnologia sustentável se refere ao desenho, implementação e gestão de soluções tecnológicas que reduzem o impacto ambiental, otimizam o consumo de energia e promovem modelos de negócio responsáveis.
Isso inclui:
Infraestrutura de TI energeticamente eficiente
Migração para a nuvem com menor pegada de carbono
Otimização de data centers
Uso de energias renováveis
Economia circular em hardware
Automação para reduzir o consumo de recursos
Empresas líderes como Microsoft, Amazon Web Services e Google Cloud já incorporaram compromissos claros de neutralidade de carbono e eficiência energética em suas operações globais, orientando o caminho do mercado.
Governos vêm implementando normas mais rigorosas sobre emissões, eficiência energética e relatórios ESG (Ambiental, Social e Governança). Empresas que não se adaptarem podem enfrentar sanções, perda de contratos ou limitações de expansão.
2. Pressão do mercado e dos clientes
Consumidores e parceiros B2B priorizam cada vez mais organizações com compromissos sustentáveis verificáveis. A sustentabilidade impacta diretamente a decisão de compra e a reputação da marca.
3. Redução de custos operacionais
Otimizar o consumo de energia e migrar para infraestruturas eficientes reduz emissões e também custos. Eficiência tecnológica e sustentabilidade caminham juntas.
4. Atração e retenção de talentos
As novas gerações valorizam trabalhar em empresas com propósito. Integrar tecnologia sustentável à estratégia corporativa fortalece a cultura organizacional e o employer branding.
O papel estratégico da transformação digital sustentável
A transformação digital não pode avançar desconectada do impacto ambiental. Na prática, muitas iniciativas digitais são habilitadoras diretas da sustentabilidade, como:
Automação que reduz desperdícios
Analytics avançado para otimizar o consumo de energia
Cloud computing com infraestrutura compartilhada e eficiente
Inteligência artificial para monitoramento ambiental
A chave está em formar equipes capazes de desenhar soluções tecnológicas com foco sustentável. Não se trata apenas de implementar ferramentas, mas de transformar mentalidades.
Tecnologia sustentável na América Latina: oportunidade competitiva
Na América Latina, adotar tecnologia sustentável representa uma oportunidade estratégica. Empresas que agirem agora podem:
Diferenciar-se da concorrência
Acessar mercados internacionais com padrões ESG
Reduzir riscos regulatórios futuros
Fortalecer seu posicionamento corporativo
Sustentabilidade tecnológica não é gasto: é investimento em resiliência e continuidade do negócio.
A pergunta já não é se sua empresa deve adotar tecnologia sustentável, e sim quão rápido ela consegue fazer isso.
Em um cenário em que a transformação digital acelera, integrar sustentabilidade à estratégia tecnológica não apenas protege o planeta, como fortalece a rentabilidade, a reputação e a competitividade empresarial.
Tecnologia sustentável não é tendência. É uma necessidade urgente.
A Inteligência Artificial (IA) está redefinindo a forma como trabalhamos, operamos e tomamos decisões. Porém, ao mesmo tempo em que impulsiona a inovação, também está transformando o cenário da cibersegurança. Na era da IA, as ameaças evoluem com mais velocidade, tornam-se mais sofisticadas e, em muitos casos, mais difíceis de detectar.
Hoje, falar de transformação digital sem falar de segurança é simplesmente inviável.
Novos riscos impulsionados pela IA
A IA não está apenas nas mãos das organizações: ela também é utilizada por cibercriminosos. Isso tem dado origem a ameaças mais avançadas e automatizadas.
Phishing inteligente e personalizado
Os ataques agora conseguem analisar grandes volumes de dados para criar mensagens altamente convincentes e direcionadas a perfis específicos.
Deepfakes e falsificação de identidade
O uso de IA para replicar vozes, rostos ou padrões de comunicação representa um risco crescente para empresas e executivos.
Automação de ataques
Ataques podem se adaptar em tempo real, identificar vulnerabilidades e explorá-las com mais rapidez do que métodos tradicionais.
Manipulação de modelos de IA
As próprias ferramentas de IA podem ser vulneráveis a ataques como “data poisoning” (envenenamento de dados) ou manipulação de prompts.
O resultado é um ambiente em que as ameaças são mais dinâmicas, mais precisas e menos previsíveis.
[/vc_column_text][vc_column_text]
Novas defesas impulsionadas pela IA
Mas nem tudo é risco. A IA também se tornou uma das ferramentas mais poderosas para fortalecer a segurança.
Detecção preditiva de ameaças
Sistemas baseados em IA conseguem identificar padrões anômalos antes que um ataque se concretize.
Análise em tempo real
A capacidade de processar milhões de eventos por segundo permite responder mais rapidamente a incidentes.
Automação de respostas
De isolar dispositivos comprometidos a bloquear acessos suspeitos, a automação reduz o tempo de reação.
Aprendizado contínuo
Sistemas de segurança melhoram a cada tentativa de ataque, fortalecendo sua capacidade de prevenção.
A chave é entender que a IA não substitui a estratégia de segurança: ela potencializa. Sem uma cultura organizacional sólida, treinamento contínuo e políticas claras, até as melhores ferramentas podem ser insuficientes.
O fator humano segue sendo decisivo
Na era da IA, a cibersegurança já não é responsabilidade apenas da área de TI. É um compromisso transversal.
Capacitar equipes em boas práticas, implementar frameworks de governança e promover uma cultura de prevenção são pilares fundamentais. A tecnologia evolui, mas a consciência e a preparação continuam sendo a primeira linha de defesa.
Preparar-se para um ambiente híbrido
A cibersegurança na era da IA exige um enfoque híbrido: combinar tecnologia avançada com estratégia, talentos capacitados e visão de longo prazo.
Organizações que entendem essa dualidade — risco e oportunidade — estarão mais preparadas para proteger suas informações, sua reputação e seu futuro digital.
A pergunta já não é se a IA vai impactar a segurança. A pergunta é: sua organização está preparada para se defender com a mesma velocidade com que as ameaças evoluem?
Análise sobre as transformações apresentadas no evento reforça papel estratégico da liderança inclusiva na era dos agentes inteligentes
O Web Summit Qatar 2026 trouxe à tona discussões que vão muito além das inovações tecnológicas pontuais. Conforme destacado por Graziela Sbardelotto, única brasileira no lineup de palestrantes do evento, o encontro em Doha demonstrou que estamos diante de uma reconfiguração completa dos modelos de negócio no marketing e no varejo.
A executiva apresentou reflexões que conectam três pilares fundamentais: a urgência da transformação digital, o papel dos agentes de IA na jornada do consumidor e a necessidade de lideranças mais diversas para conduzir essas mudanças com responsabilidade.
Quando a barreira de gênero encontra a Inteligência Artificial
Um dos pontos centrais abordados por Sbardelotto diz respeito aos obstáculos que ainda permeiam a carreira de mulheres em tecnologia. Os dados apresentados são contundentes: mais de dois terços das profissionais identificam o viés inconsciente como principal desafio, enquanto a maioria esmagadora relata precisar demonstrar desempenho superior ao de colegas homens para alcançar o mesmo reconhecimento.
Essa realidade ganha nova camada de complexidade quando consideramos o avanço acelerado da inteligência artificial. A tecnologia que promete ganhos expressivos de produtividade — casos como a plataforma WPP Open indicam melhorias de 30% — também carrega o risco de perpetuar discriminações históricas se não for implementada com olhar crítico.
A proposta defendida pela executiva aponta para uma liderança que equilibre competências técnicas com habilidades essencialmente humanas: empatia, escuta ativa e intuição. Trata-se de reconhecer que, num ambiente progressivamente automatizado, o diferencial competitivo reside justamente naquilo que as máquinas não replicam.
Outro aspecto relevante das discussões em Doha relaciona-se à transformação radical do conceito de mídia. Como observado por Sbardelotto no palco de New Media, o erro estratégico mais comum das empresas consiste em tratar novos canais com lógicas antigas, quando na verdade testemunhamos a emergência de ecossistemas completamente distintos.
A mudança descrita pela palestrante envolve três movimentos simultâneos: a substituição de displays estáticos por interações conversacionais, a evolução de uma postura passiva para uma abordagem preditiva que antecipa demandas, e o fim definitivo da comunicação em massa substituída por personalização individualizada em escala.
Nesse novo contexto, marcas precisam desenvolver quatro características fundamentais para permanecerem relevantes: capacidade de diálogo em linguagem natural, presença contextual nos momentos de decisão, integração sistêmica de dados e credibilidade suficiente para serem recomendadas por agentes autônomos.
O fim do funil de vendas como conhecíamos
Talvez a transformação mais radical destacada por Sbardelotto seja a obsolescência do modelo tradicional de jornada do consumidor. A executiva propõe que o principal concorrente de qualquer marca deixou de ser outra empresa do mesmo setor para se tornar a interpretação que sistemas de IA fazem daquela categoria de produto ou serviço.
Enquanto o funil clássico baseava-se em etapas de conscientização, consideração e decisão de compra, a nova dinâmica opera em três dimensões distintas: relevância algorítmica, confiança depositada por agentes autônomos e execução invisível ao usuário final. Agentes de IA não deliberam longamente — avaliam variáveis e tomam decisões em frações de segundo.
Isso significa que marcas não otimizadas para a lógica de funcionamento desses sistemas simplesmente desaparecem do radar dos consumidores, independentemente da qualidade de seus produtos ou da força de seus investimentos publicitários tradicionais.
Transformação antes da obsolescência forçada
A síntese apresentada por Graziela Sbardelotto aponta para uma conclusão inequívoca: o crescimento sustentável em 2026 não será resultado de ajustes incrementais, mas da coragem de reinventar estruturas consolidadas antes que o mercado imponha essa transformação de maneira traumática.
A participação da executiva brasileira no Web Summit Qatar valida que as tendências observadas no mercado nacional dialogam diretamente com movimentos globais. Mais do que isso, reforça a tese de que lideranças diversas não representam apenas uma pauta de inclusão, mas constituem requisito fundamental para inovações mais éticas, sustentáveis e alinhadas com a complexidade do momento atual.
A convergência entre tecnologia e humanidade no marketing e no varejo, conforme defendido por Sbardelotto, exige profissionais capazes de questionar vieses algorítmicos, integrar gerações distintas e buscar excelência sem cair na armadilha do perfeccionismo paralisante. O futuro já chegou — e quem não estiver preparado para dialogar com agentes de IA pode descobrir que sua marca simplesmente deixou de existir.
[/vc_column_text][us_separator size=”small” show_line=”1″][vc_column_text]Artigo baseado nas reflexões apresentadas por Graziela Sbardelotto no Web Summit Qatar 2026[/vc_column_text][/vc_column][/vc_row]
A Inteligência Artificial já saiu do laboratório e entrou no core da operação. Só que, em 2026, a diferença entre “adotar IA” e extrair valor real passa por um ponto que muita empresa ainda posterga: governança de IA. Sem regras, papéis e controles, modelos escalam rápido — mas também escalam risco, custo e decisões difíceis de explicar.
A discussão deixou de ser “quando implementar” e virou “como operar com segurança, transparência e retorno”. Porque não basta colocar um modelo no ar. É preciso sustentar confiança, conformidade e previsibilidade ao longo do tempo.
O que mudou na corrida pela IA
A IA já influencia decisões, automatiza tarefas e redefine vantagem competitiva. Ao mesmo tempo, aumentam as pressões por responsabilidade: clientes cobram transparência, reguladores avançam, times internos exigem previsibilidade e liderança quer ver impacto no resultado.
Nesse cenário, governança de IA não é burocracia. É o que permite transformar a IA em capacidade contínua — em vez de uma sequência de iniciativas desconectadas.
Por que tantos projetos ficam no piloto
Muitas empresas começam com POCs bem-sucedidas e travam na hora de ir para produção. O motivo raramente é “o modelo não funciona”. O bloqueio costuma estar em pontos estruturais: políticas pouco claras, métricas fracas de retorno, problemas de qualidade e rastreabilidade de dados, riscos de segurança e compliance, além de desalinhamento entre tecnologia e negócio.
O resultado é uma paradoxo comum: a IA impressiona em demo, mas não vira valor sustentável. E quando tenta escalar, o risco cresce junto.
O que é governança de IA
Governança de IA é o conjunto de políticas, processos, papéis e tecnologias que gerenciam o ciclo de vida dos sistemas de IA para garantir uso responsável, seguro, explicável e alinhado à estratégia da empresa.
Na prática, governança de IA responde perguntas que não podem ficar sem dono:
Quem responde pelo modelo e por suas decisões?
Quais dados alimentam o sistema — e com que qualidade?
Como controlar vieses e reduzir alucinações?
Como medir impacto no negócio e ROI?
Como garantir privacidade, auditoria e aderência regulatória?
Sem essa estrutura, a IA deixa de ser vantagem e vira risco operacional, legal e reputacional.
Quatro pilares para escalar com confiança
Uma estratégia consistente se apoia em quatro frentes que se conectam. Não é “mais um framework”. É o básico bem feito para escalar sem perder o controle.
Dados com padrão e rastreabilidade
A qualidade do resultado depende da qualidade do dado. Padrões, versionamento, rastreabilidade e controle de acesso deixam de ser detalhe técnico e viram requisito de gestão. Sem isso, ninguém sabe exatamente o que está alimentando o modelo — e o risco vira invisível.
Modelo em produção precisa de validação contínua, monitoramento de performance e vieses, além de explicabilidade e auditoria. Quando um modelo degrada sem supervisão, o impacto não é “técnico”: é decisão de negócio com efeitos imprevisíveis.
3) ROI que aparece no resultado
IA precisa mostrar valor, não só potencial. KPIs claros, métricas por processo e avaliação contínua do retorno evitam que a empresa invista em iniciativas “interessantes”, mas sem impacto. Governar é também priorizar o que entrega mais.
4) Pessoas e cultura para sustentar a escala
Sem clareza de papéis, responsabilidades e capacitação, a governança não se sustenta. O ponto é garantir que times técnicos e de negócio falem a mesma língua e consigam inovar com controle, não no improviso.
O risco de operar sem regras
Com a regulação avançando e os riscos de segurança aumentando, operar IA sem estrutura é uma aposta perigosa. Entre os impactos mais comuns estão decisões automatizadas sem rastreabilidade, exposição regulatória, perda de confiança de clientes e stakeholders e investimentos que não retornam.
Em 2026, governança de IA é o que reduz esse risco e aumenta previsibilidade. Não para frear inovação, mas para permitir escala com segurança.
Governança como vantagem competitiva
A empresa que governa bem consegue ir mais rápido com menos retrabalho, menos incidentes e mais clareza de valor. Em 2026, a pergunta já não é se vale adotar IA. É se a organização está pronta para governar com maturidade.
Porque, na era da Inteligência Artificial, não vence quem implementa mais modelos — vence quem administra melhor.
O que é um framework de segurança para IA? É uma estrutura que ajuda a entender, classificar e operacionalizar riscos de IA — desde ataques e falhas técnicas até danos por conteúdo e uso indevido — para que a empresa adote IA com controles reais, não apenas com boas intenções.
A IA deixou de ser experimento e virou camada operacional do negócio. Ao mesmo tempo, muita liderança se sente segura falando de cibersegurança “tradicional”, mas percebe a segurança de IA como um território novo e instável.
E os números ajudam a explicar essa sensação. Segundo o Cisco 2025 AI Readiness Index, apenas 29% das empresas acreditam estar prontas para se defender de ameaças de IA, e só 33% têm um plano formal de gestão de mudanças para uma adoção responsável.
Por isso, frameworks práticos viram peça-chave. Eles criam linguagem comum, priorização e caminho para execução.
Por que “segurança de IA” ficou fragmentada
Nos últimos anos, surgiram várias referências úteis. Algumas descrevem táticas adversariais em ML, outras listam riscos em LLMs e agentes, e outras trazem princípios de safety adotados por laboratórios de fronteira.
O problema é que, na prática, esses recortes não cobrem o cenário de ponta a ponta.
O que faltava era um modelo único que conectasse:
segurança e safety, sem tratar como trilhas paralelas;
runtime e supply chain, sem ignorar onde o risco nasce;
comportamento do modelo e do sistema, porque o risco não mora só no prompt;
entrada maliciosa e saída danosa, porque o impacto é o que machuca o negócio.
Em outras palavras: o mundo real não separa esses domínios. E adversários também não.
O que a Cisco propõe: um framework integrado de AI Security + AI Safety
A Cisco apresenta o Integrated AI Security and Safety Framework como um modelo vendor-agnostic para entender como sistemas modernos de IA falham, como adversários exploram essas falhas e como empresas podem construir defesas que evoluem junto com a tecnologia.
A proposta é tratar “AI Security Framework” como uma estrutura para cobrir:
ameaças adversariais;
falhas de segurança de conteúdo;
comprometimento de modelo e cadeia de suprimentos;
comportamentos agentivos e riscos de ecossistema (incluindo abuso de orquestração e coordenação entre agentes);
governança organizacional.
AI Security vs AI Safety: definições que ajudam a tomar decisão
A Cisco diferencia (e ao mesmo tempo conecta) dois conceitos:
AI security: disciplina de assegurar responsabilidade e proteger sistemas de IA contra uso não autorizado, ataques de disponibilidade e comprometimento de integridade ao longo do ciclo de vida. Cisco Blogs
AI safety: garantir que sistemas de IA se comportem de forma ética, confiável, justa, transparente e alinhada a valores humanos.
O ponto central é: security e safety são dimensões complementares do mesmo risco. Tratar juntas aumenta a chance de criar IA robusta e, ao mesmo tempo, confiável.
Os 5 elementos de design que tornam o framework diferente
A Cisco constrói o framework a partir de cinco elementos que refletem o cenário atual (e o que vem pela frente).
1) Integração entre ameaças técnicas e danos por conteúdo
O framework parte do princípio de que AI security e AI safety são inseparáveis. Um ataque técnico pode terminar em uma falha de safety, como vazamento de dados, conteúdo nocivo ou outputs indesejados.
Risco muda conforme a fase: coleta e preparo de dados, treino, deploy, integração, uso de ferramentas e operação em runtime. Algo irrelevante no desenvolvimento pode virar crítico quando o modelo ganha ferramentas, memória ou interação com outros agentes.
3) Coordenação e orquestração multiagente
O framework considera riscos quando sistemas colaboram: padrões de orquestração, protocolos de comunicação, memória compartilhada e tomada de decisão conjunta. Ele inclui ameaças que passam despercebidas em modelos criados para gerações anteriores de IA.
4) Multimodalidade como realidade (e como superfície de ataque)
A ameaça não chega só por texto. Pode vir por áudio, imagem, vídeo, código, sinais em sensores e outras entradas. Por isso, tratar esses vetores de modo consistente é essencial, especialmente em cenários como robótica, veículos autônomos, CX e monitoramento em tempo real.
5) “Bússola” de segurança adaptada ao público
O framework serve para públicos diferentes. Executivos enxergam objetivos e impactos. Líderes de segurança enxergam técnicas. Times técnicos e red teams descem em sub-técnicas e procedimentos. Assim, todos compartilham o mesmo modelo mental e reduzem ruído na comunicação.
Por dentro do framework: uma taxonomia unificada para ameaças de IA
Uma parte crítica do framework é a taxonomia estruturada em quatro camadas:
Objetivos (o “porquê” do ataque)
Técnicas (o “como”)
Subtécnicas (variações específicas do “como”)
Procedimentos (implementações no mundo real)
Isso cria rastreabilidade: do risco executivo até o passo a passo técnico.
A Cisco cita que o framework identifica 19 objetivos de ataque, indo de jailbreaks e “goal hijacking” até violações de privacidade, escalonamento de privilégio, geração de conteúdo nocivo e manipulação ciberfísica.
Além disso, há mais de 150 técnicas e subtécnicas, incluindo prompt injection (direta e indireta), jailbreaks, manipulação multiagente, corrupção de memória, adulteração de supply chain, evasão sensível ao ambiente e exploração de ferramentas, entre outras.
E o componente de safety também é amplo: o framework inclui 25 categorias de conteúdo danoso, cobrindo desde abuso em cibersegurança até comprometimento de propriedade intelectual e ataques à privacidade.
E onde entram MCP, A2A e supply chain
Como agentes e integrações crescem, o framework incorpora taxonomias adicionais:
MCP (Model Context Protocol): atualmente com 14 tipos de ameaça.
A2A: atualmente com 17 tipos de ameaça, ligada a riscos em comunicação entre agentes.
Supply chain de IA: taxonomia com 22 ameaças distintas, reconhecendo que dependências, pesos de modelo e componentes podem introduzir backdoors e riscos difíceis de observar.
A Cisco também destaca que o framework se integra ao Cisco AI Defense, conectando ameaças a indicadores e estratégias de mitigação.
Como usar esse framework no mundo real
Se você quer transformar framework em execução, use esta lógica:
Alinhe linguagem com o board: comece pelos objetivos e impactos (risco, reputação, compliance).
Mapeie o ciclo de vida: identifique onde sua IA coleta dados, treina, integra ferramentas e roda em produção.
Escolha “top riscos” por objetivo: priorize 3–5 objetivos de ataque que mais ameaçam seu negócio hoje.
Traduza para técnicas: defina controles e detecções ligados às técnicas mais prováveis no seu contexto.
Inclua agentes e multimodalidade: se já existe agentic workflow, trate isso como superfície de ataque dedicada.
Assim, você evita listas genéricas e cria uma jornada que o time consegue sustentar.
[/vc_column_text][us_separator size=”small”][vc_column_text]Texto original deCisco Blog – Introducing Cisco’s Integrated AI Security and Safety Framework escrito por Amy Changns.[/vc_column_text][/vc_column][/vc_row]
A inteligência artificial está se tornando a espinha dorsal de muitos negócios, impulsionando produtividade, automação e inovação. No entanto, à medida que as empresas adotam agentes de IA para executar tarefas e tomar decisões, surge uma pergunta inevitável: essa tecnologia vai reforçar sua segurança ou abrir novas brechas para ataques?
Inspirando-se na dualidade entre Data e Lore, personagens de Star Trek, a Microsoft descreve o “dilema da segurança em IA”: o mesmo agente que protege pode ser manipulado e agir contra você. Além disso, o cenário está se expandindo rapidamente: projeções indicam que haverá cerca de 1,3 bilhão de agentes de IA em uso até 2028.
Neste artigo, adaptado do blog oficial da Microsoft e contextualizado pela Fast Lane, mostramos como evitar que seus agentes de IA se tornem “agentes duplos” – e, ao mesmo tempo, como transformar a IA em uma aliada estratégica da cibersegurança.
1. Reconheça o novo cenário de ataque
Hoje, segurança deixou de ser apenas tema de TI: é pauta de conselho, diretoria e lideranças de negócio. Com agentes de IA, o desafio aumenta ainda mais, porque eles:
são altamente dinâmicos e adaptáveis;
tendem a operar com mais autonomia;
conectam-se a múltiplos sistemas e dados sensíveis.
Consequentemente, surgem riscos diferentes dos que conhecíamos com softwares tradicionais.
O problema do “deputado confuso”
Muitas empresas já usam agentes de IA para realizar tarefas legítimas, como responder a clientes, automatizar processos ou analisar grandes volumes de dados. Contudo, o risco aparece quando esses agentes recebem permissões amplas demais e, por algum motivo, são induzidos a agir fora do esperado – por exemplo, vazando dados sensíveis por meio de ações automatizadas.
É exatamente isso que a Microsoft chama de problema do “Confused Deputy”: o agente tem boa intenção, mas é enganado por instruções maliciosas ou por prompt injection e acaba usando seu acesso de forma indevida.
Esse risco é ampliado por três fatores principais:
Instruções e dados se misturam em linguagem natural, o que dificulta separar o que é comando válido do que é manipulação.
Modelos generativos analisam um enorme “caldo” de linguagens humanas, tornando mais difícil distinguir operações seguras de instruções novas e perigosas.
Shadow agents (agentes não autorizados, órfãos ou fora do inventário oficial) criam pontos cegos: se você não sabe que um agente existe, não consegue monitorá-lo nem protegê-lo.
Portanto, reconhecer esse novo cenário é o primeiro passo para tratar a IA com a seriedade que ela exige em cibersegurança.
2. Pratique o Agentic Zero Trust: contenção + alinhamento
A boa notícia é que, embora os agentes de IA sejam novidade, eles ainda podem ser controlados com princípios clássicos de segurança, devidamente adaptados ao contexto atual. A Microsoft resume essa abordagem como Agentic Zero Trust – uma extensão do modelo Zero Trust aplicada a agentes de IA.
Dois conceitos são centrais nessa visão.
Contenção: não confiar cegamente em nenhum agente
Contenção significa limitar o que o agente pode fazer e nunca presumir que ele é totalmente confiável. Na prática, isso implica:
aplicar privilégio mínimo: o agente só deve ter acesso ao que é estritamente necessário para cumprir sua função;
monitorar continuamente ações, entradas e saídas do agente;
impedir que agentes atuem em ambientes críticos quando não for possível monitorá-los adequadamente.
Em outras palavras: se você não consegue observar e auditar um agente, ele não deve operar dentro do seu ambiente.
Alinhamento: garantir propósito claro e resistência à corrupção
Já o alinhamento tem como objetivo assegurar que o agente tenha um propósito bem definido e permaneça fiel a ele. Para isso, é essencial:
usar modelos treinados com controles de segurança e mitigação de abuso;
construir prompts, políticas e guardrails que reforcem o escopo permitido;
implementar barreiras para que o agente resista a tentativas de desvio de função.
Assim, contenção e alinhamento se conectam diretamente com o Zero Trust tradicional: assumir que sempre pode haver violação, verificar explicitamente identidades e limitar o acesso ao necessário.
3. Dê identidade e dono a cada agente de IA
Outro pilar prático do Agentic Zero Trust é tratar agentes como você trata pessoas e dispositivos: todo agente precisa de identidade e responsável.
Isso significa:
criar um ID único para cada agente;
definir um owner (área ou pessoa) claramente responsável pelo comportamento daquele agente;
documentar o escopo, dados e sistemas aos quais ele pode ter acesso;
inserir o agente no seu framework de governança de IA, com políticas, revisões periódicas e auditoria.
Sem identidade, você não consegue rastrear ações suspeitas; sem dono, ninguém se responsabiliza por corrigir desvios.
Ferramentas como o Microsoft Entra Agent ID ajudam justamente a operacionalizar esse modelo, atribuindo identidades únicas a agentes criados em ambientes como Microsoft Copilot Studio e Azure AI Foundry. Dessa forma, é possível integrar IA e segurança de maneira consistente.
4. Cultura de inovação segura: tecnologia sozinha não basta
É importante reforçar que tecnologia é essencial, mas não resolve tudo. Segundo a Microsoft, a verdadeira “superpotência” em cibersegurança é a cultura organizacional.
Alguns passos práticos ajudam a construir essa cultura:
falar abertamente sobre riscos de IA em fóruns de liderança, squads e comunidades internas;
envolver áreas diversas – jurídico, compliance, RH, segurança, operações – na discussão sobre uso responsável de IA;
investir em educação contínua, treinando times em fundamentos de IA, segurança, privacidade e governança;
criar espaços de experimentação segura, onde pessoas possam testar agentes e copilots em ambientes controlados, sem expor dados reais.
Com isso, as organizações que vão se destacar são aquelas que enxergam a IA como parceira de longo prazo, construindo confiança com comunicação transparente, aprendizado constante e melhoria contínua.
5. Passos concretos: o que toda empresa deveria fazer agora
A IA não é apenas mais um capítulo da transformação digital — é, na verdade, uma mudança de enredo. As oportunidades são enormes, mas os riscos também. Por isso, a Microsoft resume um conjunto de ações que toda organização deveria considerar.
Estratégia e governança
Primeiramente, é fundamental:
tornar a segurança de IA uma prioridade estratégica, debatida em nível executivo;
exigir contenção e alinhamento para todos os agentes;
definir políticas de identidade, propriedade e governança de dados específicas para IA.
Medidas práticas
Em seguida, vale colocar em prática medidas concretas, como:
atribuir um ID e um dono a cada agente de IA;
documentar intenção, escopo e limites de atuação de cada agente;
monitorar inputs, outputs e fluxos de dados, mapeando riscos de compliance desde o início;
manter agentes em ambientes sancionados e seguros, evitando “fábricas de agentes” paralelas ou não autorizadas.
O recado é claro: revise seu framework de governança de IA agora. Exija clareza, responsabilidade e ciclos de melhoria contínua. Afinal, o futuro da cibersegurança será humano + máquina – e cabe à liderança fazer da IA a melhor aliada, não o maior ponto cego.
Como a Microsoft está aplicando essa visão – e onde a Fast Lane entra
No ecossistema Microsoft, essa visão já se traduz em produtos e plataformas. Por exemplo:
Entra Agent ID para identidade de agentes;
uso de IA combinada a soluções como Microsoft Defender e Security Copilot para identificar e neutralizar ataques, incluindo campanhas de phishing que podem comprometer agentes;
abordagem de plataforma, permitindo que clientes usem tanto agentes Microsoft quanto de terceiros com menos complexidade e mais controle.
Como parceira oficial de Microsoft, a Fast Lane ajuda empresas a transformar esses conceitos em prática por meio de:
Treinamentos oficiais em segurança e IA Microsoft
Microsoft Security, Defender, Entra, Purview, Copilot, Azure AI e muito mais;
trilhas para equipes técnicas, de risco, compliance e negócios.
Workshops de governança de IA e Agentic Zero Trust
diagnóstico do estado atual;
definição de políticas para identidade de agentes, privilégios, monitoramento e resposta a incidentes.
Programas de upskilling contínuo
planos de capacitação alinhados a certificações Microsoft;
conteúdos voltados à realidade de cada setor (finanças, varejo, indústria, governo, etc.).
Se sua organização já está testando copilots e agentes de IA — ou planeja dar esse passo em breve — este é o momento ideal para estruturar segurança, governança e cultura.
A IA pode, sim, fortalecer sua cibersegurança. Porém, sem controles adequados, ela também pode agir como um agente duplo. A Fast Lane e a Microsoft estão aqui para garantir que ela fique do lado certo dessa história.