Agentes autônomos de inteligência artificial estão deixando de ser apenas uma curiosidade tecnológica e passam a representar um vetor concreto de risco para infraestruturas críticas em todo o mundo. Os ataques recentes contra órgãos governamentais e empresas de energia mostraram, na prática, que a convergência entre IA, sistemas industriais expostos e décadas de negligência na segurança pode transformar invasões virtuais em danos reais, com impacto direto na população.
Tom Kellermann, vice-presidente de segurança de IA e pesquisa de ameaças da TrendAI, descreve o momento atual como um “perigo claro e presente”. Na avaliação dele, agentes de IA transformados em armas não se limitarão a roubar dados ou derrubar sites: a tendência é que, em um futuro próximo, consigam manipular diretamente mecanismos de segurança de usinas, redes elétricas, redes de água e outros ambientes sensíveis, provocando consequências físicas, como apagões, paralisação de serviços essenciais ou até danos a equipamentos.
O tema ganhou peso nas discussões de grandes conferências de segurança, como Black Hat e DEF CON. Brett Leatherman, diretor-assistente da Divisão Cibernética do FBI, destacou que instalações de tratamento de água e esgoto, sistemas de distribuição de energia, mercados financeiros de alta frequência e infraestruturas bancárias entram na lista de alvos cuja integridade, se comprometida, pode gerar efeitos em cascata sobre comunidades inteiras e a segurança nacional. Em vez de meros incidentes isolados, tais ataques podem desencadear crises prolongadas.
Um exemplo concreto dessa nova fase foi observado entre 1º e 4 de julho, quando operadores suspeitos de ligação com a China lançaram uma campanha de ataque em Taiwan, usando uma estrutura apoiada em agentes de IA denominados Hermes e OpenClaw. Ao longo de 12 ondas de ofensivas, o sistema, descrito como “quase autônomo”, coordenou até oito subagentes, cada um com alvos, táticas e objetivos próprios, operando de forma articulada.
A campanha foi bem-sucedida em comprometer um site governamental, um sistema de e-mail de um órgão público, a agência de segurança nuclear de Taiwan, empresas fornecedoras de tecnologia e, pelo menos, sete companhias do setor de energia. A característica mais preocupante não foi apenas o número de alvos, mas a maneira como os agentes de IA se comportaram dentro dos ambientes atacados.
Enquanto avançavam pelas redes, esses agentes identificavam vulnerabilidades conhecidas, erros de configuração, serviços expostos e credenciais fracas. A partir daí, exploravam falhas, roubavam dados sensíveis, capturavam senhas, tokens e outros segredos, e os utilizavam para escalar privilégios e se movimentar lateralmente. Em outras palavras, automatizavam praticamente toda a cadeia de ataque: reconhecimento, exploração, persistência e expansão para novos sistemas.
Esse tipo de operação ganha ainda mais gravidade quando se observa o estado atual das infraestruturas críticas em diversos países. Nos Estados Unidos, por exemplo, mais de 30 pequenos sistemas de abastecimento de água em Minnesota, além de instalações em quase uma dezena de outros estados, sofreram recentemente ataques cibernéticos. Embora não haja indícios de uso de IA nesses casos, o que os incidentes revelam é um ambiente extremamente vulnerável.
Muitos desses sistemas utilizavam controladores lógicos programáveis (PLCs) – equipamentos centrais para o funcionamento de processos industriais – diretamente expostos à internet, sem qualquer camada adequada de proteção, muitas vezes com senhas padrão de fábrica ou combinações triviais de adivinhar. Esse tipo de descuido transforma ativos industriais em alvos fáceis, mesmo para atacantes com baixo nível de sofisticação.
Chris Inglis, ex-diretor nacional de cibersegurança dos Estados Unidos, aponta que esses episódios são o resultado de décadas de “dívida técnica”: sistemas sem manutenção, equipamentos que já ultrapassaram sua vida útil, softwares sem correções e atualizações de segurança adiadas por anos em nome da continuidade operacional. Esse acúmulo de problemas amplia a superfície de ataque e multiplica os pontos de falha em redes vitais para o fornecimento de água, energia, transporte e outros serviços essenciais.
A chegada da IA potencializa esse cenário. Ferramentas que antes exigiam equipes experientes e longos períodos de análise podem, agora, ser operadas e automatizadas por agentes de IA capazes de escanear redes inteiras, correlacionar dados de forma massiva e testar inúmeras combinações de exploração em pouco tempo. Com isso, a exploração das fragilidades históricas de infraestrutura crítica se torna não só mais rápida, como também mais barata e acessível.
É importante destacar que o risco não se limita aos modelos de IA mais avançados e fechados. Modelos abertos e amplamente distribuídos já demonstraram capacidade de identificar falhas em software, analisar configurações de sistemas, sugerir encadeamentos de vulnerabilidades e até gerar scripts e comandos para comprometer máquinas. A barreira técnica para operar ataques complexos diminui rapidamente.
Pesquisadores de uma universidade canadense mostraram, neste ano, que um modelo aberto e de uso público podia ser utilizado para criar um worm capaz de se espalhar em um ambiente corporativo de testes. O código, orientado pela IA, detectava vulnerabilidades conhecidas, apontava serviços configurados de forma incorreta, gerava exploits para essas falhas e ainda se adaptava para se mover lateralmente, infectando outras máquinas na rede. Embora feito em ambiente controlado, o experimento ilustra o potencial de automação ofensiva.
Outra frente de preocupação envolve diretamente sistemas de controle industrial (ICS) e tecnologias operacionais (OT), responsáveis pelo comando de máquinas, válvulas, turbinas, linhas de produção, subestações elétricas e uma infinidade de processos físicos. Ataques bem-sucedidos contra esses sistemas, historicamente, exigiam conhecimento muito específico sobre protocolos industriais, topologias de rede, características de equipamentos e detalhes do processo operacional. Essa barreira tende a se enfraquecer com o apoio da IA.
John Hultquist, analista-chefe de inteligência de ameaças de uma grande empresa de tecnologia, alerta que o conhecimento técnico que antes estava restrito a um pequeno círculo de especialistas pode se tornar abundante quando agentes de IA conseguem pesquisar, correlacionar e aprender rapidamente sobre determinado ambiente industrial. Um invasor com experiência moderada em cibersegurança geral pode, com auxílio da IA, adquirir em dias o que antes levaria anos de prática em OT.
Na visão de Hultquist, países como China e Rússia já possuem operadores altamente capacitados para atuar em ambientes industriais. No entanto, a popularização de ferramentas de IA pode elevar o nível de grupos com menos especialização em OT, inclusive aqueles associados a outros Estados-nação, como Coreia do Norte e Irã, além de organizações criminosas interessadas em extorsão e sabotagem. A IA atua, assim, como um multiplicador de capacidade ofensiva.
Mais um sinal dessa evolução foi apresentado durante a Black Hat, quando pesquisadores de uma grande companhia de IA detalharam um teste de segurança no qual agentes autônomos foram empregados para atacar uma plataforma de modelos de IA. No experimento, os agentes não só conduziram partes do ataque como também mostraram comportamentos emergentes: pediram auxílio a outros agentes, criaram estruturas próprias de troca de mensagens e definiram protocolos de comunicação para coordenar as ações dentro do ambiente alvo.
Michael Dalton, integrante da equipe técnica responsável pelo estudo, destacou que o mais inquietante não foi apenas o êxito parcial na simulação de ataque, mas o fato de os agentes terem sido capazes de decompor objetivos complexos em tarefas menores, delegá-las a subagentes e, em seguida, integrar os resultados em uma estratégia única. Isso sugere que, em contextos reais, agentes de IA poderiam adaptar suas táticas em tempo quase real, reagindo a defesas e contra-medidas mais rapidamente do que equipes humanas.
Diante desse cenário, a discussão sobre regulação e governança de IA passa a ser urgente, especialmente quando se trata de aplicações autônomas em ambientes de alto risco. Empresas que desenvolvem modelos e plataformas de IA são pressionadas a adotar salvaguardas técnicas – como filtros de uso, monitoramento de comportamentos suspeitos de agentes e limites explícitos para tarefas de exploração de vulnerabilidades – além de mecanismos de auditoria e rastreabilidade das ações realizadas por agentes autônomos.
Para operadores de infraestrutura crítica, a resposta não pode se limitar a proibições ou a políticas em papel. É necessário combinar medidas tradicionais de cibersegurança com estratégias específicas para o risco trazido pela IA. Isso inclui revisar a exposição de ICS e OT à internet, eliminar senhas padrão, segmentar redes de forma rigorosa, aplicar correções de segurança em tempo hábil e adotar monitoramento contínuo com detecção de comportamentos anômalos – inclusive aqueles que se assemelham a ações automatizadas e persistentes de agentes de IA.
Outra prioridade é reduzir a “dívida técnica” acumulada. Sistemas obsoletos e equipamentos sem suporte precisam ser substituídos ou rigorosamente isolados. Projetos de modernização de infraestrutura devem incorporar requisitos de segurança desde o início, e não como um complemento posterior. A cultura de “funciona, não mexe” em ambientes industriais precisa ser substituída por uma abordagem de risco contínuo, na qual confiabilidade operacional e segurança cibernética são tratadas como componentes inseparáveis.
Treinamento e capacitação também se tornam centrais. Equipes de OT, muitas vezes focadas exclusivamente na continuidade dos processos físicos, devem ser preparadas para entender o novo perfil de ameaça trazido pela IA e trabalhar em parceria com times de TI e segurança da informação. Ao mesmo tempo, profissionais de cibersegurança precisam aprofundar seu conhecimento em ambientes industriais, protocolos específicos e impactos físicos de ataques.
Do ponto de vista estratégico, governos e grandes operadores de infraestrutura tendem a investir mais em exercícios de simulação que considerem o uso ofensivo de IA. Esses testes ajudam a identificar pontos fracos, avaliar tempos de resposta, refinar planos de contingência e desenvolver procedimentos específicos para lidar com ataques conduzidos ou amplificados por agentes autônomos, incluindo a possibilidade de ações simultâneas contra múltiplos setores, como energia, água, telecomunicações e finanças.
Por fim, a evolução dos agentes de IA reforça a necessidade de cooperação entre setores público e privado. Infraestruturas críticas são, em grande parte, operadas por empresas, mas o impacto de ataques bem-sucedidos recai sobre toda a sociedade. Compartilhamento de informações sobre incidentes, indicadores de comprometimento e táticas emergentes de adversários que utilizam IA pode fazer a diferença entre um ataque contido e uma crise sistêmica.
Os agentes autônomos de IA, portanto, não são apenas mais uma ferramenta na caixa de atacantes: eles têm o potencial de redesenhar o campo de batalha digital, encurtando o tempo entre intenção maliciosa e impacto físico. Em um mundo onde sistemas industriais envelhecidos e expostos sustentam serviços vitais, ignorar essa transformação significa aceitar um aumento constante do risco para a infraestrutura crítica e, em última instância, para a segurança da população.