O mercado brasileiro de cibersegurança em cinco anos virou outro. Os dados de cinco edições do Brazilian CyberSecurity Index mostram um salto que, em 2020, soaria otimista demais: em 2021, pouco mais de sete em cada dez empresas brasileiras destinavam orçamento à segurança digital; hoje, esse número beira a universalização, com 96% das organizações investindo na área. A discussão sobre “se” vale a pena investir praticamente acabou. O desafio atual é outro: como fazer esse investimento funcionar em um cenário em que a relação entre empresas e pesquisadores de segurança continua frágil – e em que a inteligência artificial multiplicou, em velocidade inédita, tanto riscos quanto ruídos.
Em 2020, a situação era quase sempre a mesma. Pesquisadores independentes encontravam falhas reais em sistemas de empresas brasileiras e, depois da descoberta, davam de cara com um vazio: não havia canal oficial, equipe preparada ou procedimento definido para receber aquele alerta. Do outro lado, as organizações frequentemente enxergavam qualquer contato externo como ameaça velada, tentativa de chantagem ou tentativa de exposição pública, e não como colaboração técnica. Sem um protocolo mínimo, as possibilidades se resumiam a três desfechos igualmente ruins: o pesquisador desistia e seguia em frente, deixando a vulnerabilidade aberta; insistia até transformar a conversa em conflito; ou, pior, alguém percebia que aquela falha rendia mais como moeda de pressão do que como um relatório ignorado.
Cinco anos depois, os indicadores mostram um ambiente bem mais maduro, mas também mais complexo. A figura do CISO brasileiro em 2026 sintetiza essa tensão. Ele trabalha em companhias que, em boa parte, já investem em cibersegurança há mais de cinco anos. A expectativa de resultados cresceu na mesma proporção: a diretoria cobra comprovação de retorno, o conselho quer métricas claras de risco, clientes exigem garantias contratuais. Só que o orçamento não acompanhou o salto de responsabilidade. Quase 40% das empresas não planejam aumentar o budget, e outro grupo semelhante projeta um crescimento que mal cobre a inflação. A equação fecha assim: mais ameaças, mais cobrança, praticamente o mesmo dinheiro.
Quando, nesse contexto, uma vulnerabilidade é descoberta por um pesquisador externo e cai direto na caixa de e-mail da empresa, sem mediação, o que poderia ser um ato de colaboração passa a ser tratado internamente como crise de gestão. O conselho se pergunta como aquela falha passou pelos controles. O CFO questiona se os milhões aplicados em ferramentas e times de segurança estão, de fato, funcionando. O CISO, que muitas vezes nunca definiu as regras de relacionamento com pesquisadores, vira o alvo natural dessa insatisfação. O problema não é o alerta em si, mas o fato de ele chegar a um ambiente que ainda não sabe como lidar com ele.
A ausência de mediação tem outro efeito, este mais silencioso e mais perigoso. Pesquisadores que tentam seguir o caminho correto, não conseguem contato, não recebem retorno, nem sequer um “recebido” formal, aprendem por experiência que a vulnerabilidade é mais valorizada como instrumento de pressão do que como contribuição técnica. Não se trata de um déficit moral individual; é um desequilíbrio perverso de incentivos. Onde não há canais legítimos, a zona cinzenta entre pesquisa de segurança, bug bounty e extorsão se torna mais tentadora e, para alguns, mais racional.
A virada da inteligência artificial nesse cenário bagunçou ainda mais o jogo. Ferramentas de IA generativa passaram a produzir relatórios de vulnerabilidade em massa, em um volume que antes exigiria equipes numerosas de pesquisadores. Agora, qualquer pessoa com conhecimento limitado consegue gerar dezenas, às vezes centenas de reports com custo marginal próximo de zero. O resultado é uma espécie de poluição informacional: muito volume, pouca substância, uma quantidade enorme de alertas inconsistentes, pouco verificáveis ou completamente irrelevantes.
Projetos de código aberto e plataformas consolidadas já sentiram esse impacto na prática. O mantenedor de um dos principais projetos de software livre do mundo registrou que a taxa de aceitação de relatórios de falhas caiu para menos de 5%. Mais de 95% das submissões eram inválidas, superficiais ou totalmente fora do escopo. Sem capacidade operacional para filtrar tanto ruído, o projeto decidiu encerrar o programa de recompensas por bugs no início de 2026. Outra plataforma conhecida tomou a mesma decisão meses depois, alegando que se tornou inviável separar contribuições sérias de automações sem critério mínimo.
Até programas de bug bounty de grande porte, com histórico de mais de uma década e milhões de dólares distribuídos em recompensas, começaram a frear. Uma iniciativa global que bancava pesquisas em falhas críticas pausou os pagamentos em 2026 com um argumento direto: a IA está ampliando a velocidade de descoberta (ou, ao menos, de alegações de descoberta) em um ritmo muito superior à capacidade de correção e de análise dos times responsáveis. Em outras palavras, há mais vulnerabilidades e pseudo-vulnerabilidades do que gente qualificada para verificar, confirmar e corrigir.
Para pesquisadores sérios, o efeito é devastador em duas frentes. Primeiro, seus relatórios passam a competir com uma montanha de conteúdo gerado automaticamente, o que sobrecarrega os times de triagem internos das empresas e das plataformas. Segundo, a sobrecarga operacional leva a atrasos, falhas de comunicação e, muitas vezes, ao silêncio. Há relatos de especialistas que identificaram vulnerabilidades críticas, receberam confirmação oficial, viram correções implementadas, CVEs emitidos, e mesmo assim esperaram meses por pagamentos relativamente modestos – não por má-fé declarada, mas porque a plataforma simplesmente deixou de responder. Quando nem mesmo um caso bem documentado, reconhecido e corrigido se converte em reconhecimento e recompensa, a confiança no modelo desaba.
A reação global a esse caos de relatórios gerados por IA deixa claro onde está o ponto sensível: na relação entre quem descobre e quem corrige, e na forma como o valor dessa descoberta é reconhecido e protegido. Grandes plataformas tentaram responder automatizando também a triagem, lançando sistemas baseados em agentes de IA para filtrar reports. A contrapartida veio rápido: pesquisadores começaram a perguntar se seus relatórios – anos de trabalho acumulado, técnicas próprias, detalhes inéditos de exploração – estavam sendo usados como combustível para treinar os modelos que, em tese, um dia os substituirão. O sentimento foi descrito com uma frase que resume a tensão: “Estamos treinando nosso próprio substituto”.
Quando pesquisadores éticos, os chamados “hackers de chapéu branco”, passam a enxergar o sistema como hostil ou exploratório, o risco não é só perder mão de obra qualificada. Há um deslocamento de incentivos. Se o lado legítimo parece fechado, desorganizado e pouco confiável, buscar o “lado obscuro” deixa de ser percebido apenas como uma questão moral e passa a ser, para alguns, uma estratégia de sobrevivência profissional. O mercado começa a flertar com um cenário perigoso: o de empurrar talentos de segurança altamente qualificados e frustrados para rotas ilegais ou informalmente toleradas.
Diante dessas críticas, executivos de grandes plataformas foram obrigados a se posicionar publicamente para garantir que dados de pesquisadores não eram usados no treinamento de modelos de IA, e que novas salvaguardas legais seriam criadas. Surgem então frameworks de proteção voltados especificamente para esse elo frágil da cadeia: contratos mais claros sobre propriedade intelectual dos relatórios, limites para uso de dados em treinamento automatizado, termos de confidencialidade mais equilibrados e garantias mínimas de pagamento e reconhecimento.
Para o mercado brasileiro, que acabou de dar um salto em investimento e estrutura, esse debate não é abstrato nem distante. Ele define como serão os próximos cinco anos de maturidade em cibersegurança. Não basta comprar ferramentas, montar SOC, contratar fornecedores e revisar políticas internas. A peça que falta é uma política clara de relacionamento com a comunidade de pesquisadores – interna, externa, independente, acadêmica ou corporativa. Sem isso, o investimento em tecnologia corre o risco de virar uma casca vistosa, mas frágil, que se rompe ao primeiro contato com um relatório inesperado.
Um dos caminhos mais diretos para corrigir esse desequilíbrio é estabelecer programas estruturados de divulgação responsável de vulnerabilidades. Isso começa com o básico: um canal oficial, permanente e divulgado, para recebimento de reports; um procedimento padronizado de resposta, mesmo que seja apenas um acuse de recebimento com prazo estimado de análise; e um compromisso público sobre como a empresa lida com descobertas externas, incluindo prazos razoáveis para correção e eventual comunicação a clientes e autoridades. Para muitas organizações, um simples arquivo de política de vulnerabilidade responsável, fácil de encontrar e claro, já mudaria radicalmente o tom da relação com pesquisadores.
Outra etapa é incorporar, de forma explícita, o relacionamento com hackers éticos na estratégia do CISO. Isso significa prever orçamento – ainda que modesto – para recompensas, reconhecer internamente a importância dos achados externos e, principalmente, blindar esse relacionamento de conflitos jurídicos desnecessários. Ameaças de processo, notificações agressivas ou tentativas de silenciamento não apenas afastam quem poderia fortalecer a segurança, como também mancham a reputação da empresa em um ecossistema que conversa entre si, ainda que informalmente.
No contexto da IA generativa, empresas brasileiras precisam também aprender a diferenciar esforço humano qualificado de ruído automatizado. Isso passa por implementar triagem inteligente, com critérios objetivos (gravidade, impacto, reprodutibilidade), e não simplesmente rejeitar tudo que parece “genérico demais”. Uma saída prática é combinar automação de primeira linha – para filtrar o óbvio, como duplicatas explícitas ou conteúdos fora de escopo – com revisão humana para casos que superem um certo limiar de plausibilidade. O objetivo não é barrar o uso de IA, mas garantir que ela não transforme o canal de segurança em uma caixa de spam técnico.
Há ainda um ganho estratégico ao trazer pesquisadores para perto: eles aumentam a capacidade ofensiva simulada da organização. Programas de bug bounty, testes de intrusão colaborativos e parcerias com universidades ou grupos de pesquisa permitem simular, de forma controlada, o que atacantes reais tentariam fazer. Em um cenário em que criminosos também usam IA para automatizar ataques, varrer superfícies de exposição e gerar malwares customizados, deixar de aproveitar o olhar crítico dos hackers éticos é abrir mão de uma camada essencial de defesa.
Para construir essa ponte de forma sustentável, o mercado brasileiro pode adotar alguns princípios básicos: transparência (explicar o que será feito com o report, quais são os prazos esperados, quais são os limites de atuação); reciprocidade (reconhecer publicamente e, quando possível, recompensar financeiramente descobertas relevantes); e proteção mútua (garantir que pesquisadores que agirem de boa-fé não serão perseguidos juridicamente, e que empresas terão tempo razoável para corrigir falhas antes da divulgação pública). Esses pilares não garantem ausência de conflito, mas criam um terreno minimamente estável para que o conflito se transforme em cooperação.
No fim, o amadurecimento do mercado brasileiro de cibersegurança em investimentos, processos e tecnologia precisa ser acompanhado por um amadurecimento equivalente no relacionamento com quem, de fora, continua encontrando o que passou despercebido. A inteligência artificial acelerou tudo: a descoberta de vulnerabilidades, a fabricação de ruído, a pressão sobre CISOs, a frustração de pesquisadores. O que vai diferenciar as empresas que realmente elevarão seu nível de proteção é a capacidade de enxergar hackers éticos não como ameaça ou custo adicional, mas como parte essencial da cadeia de defesa – e de construir, agora, as regras claras que vão permitir que essa colaboração sobreviva à próxima onda de automação.