Proteção de dados vira teste da adoção de IA nas empresas

Uso de inteligência artificial avança nas organizações, enquanto exposição de informações sensíveis pressiona empresas a rever regras de acesso, segurança e governança

A inteligência artificial avançou mais rápido do que as regras criadas para controlá-la dentro das empresas. Em um ano, a parcela de usuários que acessam aplicações de IA semanalmente passou de 34% para 59%, segundo levantamento da Netskope. No mesmo período, o volume médio de prompts mais que triplicou.

Com a tecnologia mais presente na rotina das organizações, a discussão começa a ir além da adoção. O avanço amplia a necessidade de identificar quais dados estão sendo utilizados, quem pode acessá-los e o que acontece com essas informações quando são inseridas em ferramentas de inteligência artificial.

De acordo com André Xavier, CEO da BHS, empresa de tecnologia e segurança da informação com mais de três décadas de atuação, parte do risco está justamente no uso cotidiano dessas ferramentas. “O risco aparece quando o profissional usa uma ferramenta para ganhar produtividade, mas não sabe o que acontece com aquela informação depois que ela é inserida ali”, afirma o executivo.

A falta de governança não é um problema restrito ao Brasil. O relatório Cost of a Data Breach 2025, da IBM e do Ponemon Institute, mostrou que 63% das organizações analisadas que sofreram violações de dados não tinham uma política de governança de IA ou ainda estavam desenvolvendo uma. Entre as empresas que registraram incidentes de segurança relacionados à IA, 97% disseram não contar com controles adequados de acesso à tecnologia.

A preocupação aumenta quando a IA deixa de ser utilizada apenas em ferramentas isoladas e passa a se conectar aos sistemas e às bases de dados das próprias empresas. Nesse estágio, incorporar novas aplicações também exige definir como elas acessam e utilizam informações acumuladas ao longo de anos de operação.

Para Paulo Cacciari, CEO da Deyel no Brasil, plataforma de desenvolvimento low-code com inteligência artificial, a modernização precisa considerar a preservação desses dados. “Muitas organizações utilizam essas tecnologias há décadas e enfrentam o desafio de modernizar seus sistemas sem comprometer informações críticas para o negócio. Nossa proposta é justamente facilitar essa transição”, afirma.

Em setores regulados, essa preocupação ganha peso adicional. Instituições financeiras operam sob exigências específicas de proteção de dados e respondem tanto à Comissão de Valores Mobiliários (CVM) quanto ao Banco Central. Nesses casos, um vazamento não representa apenas um incidente técnico: pode envolver responsabilidades regulatórias, contratuais e reputacionais.

Ainda assim, a pressão por produtividade faz com que a IA avance sobre atividades que dependem do acesso a dados corporativos antes que todas as empresas tenham regras consolidadas para esse uso.

IA avança sobre dados corporativos

O desafio também aparece quando a tecnologia passa a consultar informações compartilhadas entre diferentes áreas da organização. Contratos são um exemplo: concentram condições comerciais, obrigações, dados de fornecedores e registros utilizados por jurídico, compras, suprimentos e operações.

Nesse caso, o controle deixa de envolver apenas o acesso ao documento original. À medida que ferramentas de IA passam a localizar, relacionar e apresentar dados desses arquivos, cresce também a necessidade de organizar como essas informações circulam dentro dos sistemas.

Segundo Cíntia Oliveira, country manager da Webdox no Brasil, empresa especializada em gestão do ciclo de vida de contratos, esse é um dos pontos que ganha importância conforme a tecnologia entra nesses processos. “A inteligência artificial é um componente importante desse processo, mas o principal avanço está na capacidade de integrar essas informações e oferecer rastreabilidade, governança e acesso rápido aos dados ao longo de todo o ciclo contratual”, afirma.

Para Xavier, essa mudança tende a separar iniciativas pontuais de projetos capazes de ganhar escala. “Durante muito tempo, a pergunta foi o que a inteligência artificial conseguia fazer. Agora, as empresas também precisam perguntar com quais dados ela está fazendo isso, onde essas informações estão e quem consegue acessá-las. É essa estrutura que permite transformar a experimentação em operação”, finaliza.