O mercado brasileiro de cibersegurança deu um salto em poucos anos. Os dados de cinco edições do Brazilian CyberSecurity Index deixam isso claro: as empresas passaram a investir mais, a estrutura de proteção amadureceu e o tema saiu da periferia para o centro da agenda corporativa. Em 2021, pouco mais de sete em cada dez organizações destinavam orçamento para segurança digital; hoje, esse número chega a 96%. A discussão sobre se vale a pena investir em segurança praticamente acabou. A pergunta passou a ser outra: como tornar esse investimento realmente efetivo em um cenário de ameaças que muda todo mês?
Por trás dessa evolução numérica, porém, persiste um ponto cego. A relação entre empresas e pesquisadores de segurança – os chamados hackers éticos, ou de “chapéu branco” – continua frágil, desestruturada e, muitas vezes, conflituosa. O problema não é novo, mas ganhou um nível de urgência inédito com a popularização da inteligência artificial generativa, que bagunçou o ecossistema global de caça a vulnerabilidades.
Quando começamos a acompanhar o mercado brasileiro em 2020, o roteiro era recorrente. Pesquisadores independentes encontravam falhas reais em sistemas bancários, varejistas, de governo ou de grandes serviços digitais e, ao tentar avisar, esbarravam em um muro. Não havia canal oficial, política clara ou equipe preparada para receber esse tipo de comunicação. O máximo que conseguiam era um e-mail genérico de atendimento ao cliente, quando não eram ignorados de imediato.
Do outro lado, as empresas enxergavam qualquer contato não solicitado vindo de um pesquisador como ameaça potencial. Em vez de interpretar a mensagem como um alerta técnico que poderia evitar um incidente grave, muitos times jurídicos e executivos reagiam na defensiva, tratando o pesquisador como um risco reputacional ou até criminal. Sem protocolo definido, o resultado era previsível: ou o pesquisador desistia, e a vulnerabilidade seguia aberta; ou a comunicação descarrilava para um jogo de pressão que facilmente se confundia com tentativa de extorsão.
Cinco anos depois, o cenário de maturidade mudou. O CISO brasileiro de 2026 atua em um contexto radicalmente diferente daquele de 2020. Cerca de 67% das empresas já investem em cibersegurança há mais de cinco anos, o que significa que o “período de aprendizagem” acabou. A diretoria não quer mais ouvir promessas; cobra resultados concretos, indicadores de risco, redução de incidentes e respostas rápidas a crises. Ao mesmo tempo, o orçamento deixou de acompanhar essa escalada de expectativa: 39% das organizações não planejam aumentar seus investimentos em segurança, e outras 37% limitam qualquer crescimento a algo em torno de 10% – basicamente, a correção inflacionária.
Esse descompasso cria uma posição especialmente pressionada: o CISO. É ele quem precisa justificar cada linha do orçamento, responder ao conselho quando uma falha aparece na imprensa e negociar com times jurídicos, de tecnologia e de comunicação. Quando uma vulnerabilidade real é descoberta por um pesquisador externo e chega diretamente à caixa de entrada da empresa, sem nenhum tipo de mediação ou processo, aquilo que poderia ser uma colaboração vira um incidente de gestão. A diretoria pergunta como aquela brecha passou despercebida. O financeiro questiona se todo o investimento em segurança tem gerado o retorno esperado. E o CISO, que muitas vezes não participou da definição de como a empresa lida com pesquisadores, é quem arca com o desgaste.
A alternativa, sem um canal legítimo e claro, é ainda mais perigosa. Pesquisadores que passam meses sem resposta, são tratados como suspeitos ou veem suas contribuições serem ignoradas aprendem, na prática, que uma vulnerabilidade vale mais como instrumento de pressão do que como relatório técnico esquecido em uma fila de e-mails. Em outras palavras: quando o sistema recompensa o silêncio ou a intimidação, a tendência natural é que parte dos talentos migre para caminhos menos éticos. Não se trata de caráter individual, mas de incentivos distorcidos.
A virada da inteligência artificial intensificou essa distorção. Ferramentas de IA generativa hoje conseguem produzir relatórios inteiros de supostas vulnerabilidades: descrição técnica, provas de conceito, impacto estimado e até sugestões de correção, tudo em minutos. O custo marginal de gerar um report é praticamente zero. Isso criou um tsunami de submissões automatizadas ou sem critério, com qualidade próxima a ruído, que sobrecarrega qualquer time de triagem – seja em empresas, seja em plataformas de bug bounty.
Os efeitos já aparecem de forma concreta em projetos globais. O mantenedor do curl, um dos softwares de rede mais usados no mundo, relatou que a taxa de aceitação de reports em seu programa de recompensa caiu para menos de 5%. Em outras palavras, mais de 95% das submissões eram inválidas, irrelevantes ou claramente geradas sem entendimento real do código. Diante de um volume impossível de processar, o projeto decidiu encerrar seu programa de bug bounty em janeiro de 2026.
A plataforma Nextcloud passou por trajetória semelhante. Depois de anos mantendo um programa de recompensas ativo, chegou à conclusão de que separar contribuições genuínas de relatórios produzidos em massa com IA se tornara inviável na prática. Em abril de 2026, também optou por encerrar seu programa público, alegando que o custo de triagem havia ultrapassado o benefício de receber reports externos em escala.
Outro caso simbólico é o do Internet Bug Bounty, iniciativa que desde 2012 distribuía recompensas a pesquisadores pelo descobrimento de vulnerabilidades em projetos críticos de internet, somando mais de 1,5 milhão de dólares pagos ao longo da década. Em abril de 2026, o programa decidiu pausar os pagamentos. A justificativa foi direta: a inteligência artificial ampliou o volume de descobertas e de reports em uma velocidade maior do que a capacidade dos mantenedores de corrigir, testar e liberar atualizações. A fila de problemas a tratar estava crescendo mais rápido do que os times conseguiam resolver.
Para pesquisadores sérios, que trabalham com método, ética e profundidade técnica, o impacto é devastador. Eles estão sendo engolidos pelo ruído. Seus relatórios disputam atenção com centenas de submissões automáticas que saturam os times internos de segurança. Um pesquisador relatou publicamente que identificou duas vulnerabilidades críticas, recebeu a confirmação oficial com CVEs atribuídas, viu os patches serem lançados – e, ainda assim, passou meses sem receber os 8.500 dólares de recompensa devidos porque a plataforma simplesmente deixou de responder. Quando até casos bem documentados, com correções aplicadas e identificadores públicos, ficam sem reconhecimento ou pagamento, a confiança no modelo como um todo entra em colapso.
É neste ponto que o mercado global começou a tentar uma correção de rota. A reação das grandes plataformas de bug bounty e das empresas de tecnologia revela com clareza onde está o nó. Diante da enxurrada de reports gerados por IA, algumas passaram a testar o uso da própria IA para filtrar, priorizar e classificar submissões. Em teoria, agentes automatizados ajudariam a separar o que é claramente inválido do que merece atenção humana.
A implementação prática, porém, reacendeu outra tensão. Assim que uma grande plataforma anunciou um sistema de agentes de IA para triagem, parte da comunidade de pesquisadores levantou uma questão delicada: as submissões históricas – relatórios, provas de conceito, descrições técnicas – estariam sendo usadas para treinar esses modelos? Na leitura deles, havia o risco de que o conhecimento acumulado em anos de trabalho colaborativo fosse reaproveitado para criar ferramentas que, no limite, poderiam substituí-los.
As reações foram duras. “Estamos literalmente treinando o nosso próprio substituto”, sintetizou um pesquisador. Outro foi ainda mais direto: “Quando hackers de chapéu branco começam a sentir que o sistema joga contra eles, recorrer ao lado obscuro deixa de ser uma discussão ética e passa a ser questão de sobrevivência”. Em outras palavras, se os profissionais que atuam dentro das regras sentem que têm menos proteção, reconhecimento e retorno do que quem opera à margem, o modelo inteiro perde credibilidade.
A pressão foi suficientemente forte para obrigar a liderança de uma dessas plataformas a se pronunciar publicamente. A CEO precisou deixar claro que os dados enviados por pesquisadores não seriam usados para treinar modelos de IA sem consentimento explícito. Como complemento, a empresa anunciou, em janeiro de 2026, um conjunto de salvaguardas jurídicas – um framework de proteções legais – destinado a garantir que descobertas de vulnerabilidades feitas por profissionais externos não seriam usadas contra eles, nem em termos de responsabilidade civil, nem como insumo para automações que eliminassem seu trabalho.
Esse cenário global serve como alerta direto para o Brasil. O mercado local caminhou rápido no que diz respeito a orçamento, contratação de ferramentas, criação de áreas de segurança e formalização do papel de CISO. Mas avançou pouco na construção de uma ponte estável com a comunidade de pesquisa, tanto independente quanto universitária ou ligada a empresas especializadas. Sem essa ponte, o país corre o risco de repetir, com atraso, os mesmos conflitos que hoje sacodem o ecossistema internacional – só que em um ambiente ainda mais assimétrico, em que grandes corporações lidam com reguladores e imprensa, e pesquisadores individuais ficam desprotegidos.
Para as empresas brasileiras, o primeiro passo é encarar a interação com hackers éticos como parte estruturante da maturidade em cibersegurança, e não como ameaça colateral. Isso significa, de forma prática, criar e publicar políticas claras de divulgação responsável de vulnerabilidades: descrever canais oficiais de contato, formatos aceitos de relatório, prazos estimados de resposta e, principalmente, garantias mínimas de que o pesquisador não será criminalizado apenas por ter feito uma análise de segurança.
Em segundo lugar, é fundamental que as organizações definam internamente quem é dono desse processo. Não pode ser um e-mail esquecido no time de TI. É preciso ter um fluxo acordado entre CISO, jurídico, comunicação e direção: quem recebe o report, quem faz a triagem inicial, em quanto tempo o pesquisador recebe uma confirmação de recebimento, como a empresa informa sobre a correção ou mitigação da falha e se haverá – ou não – algum tipo de reconhecimento público ou recompensa financeira.
Programas de bug bounty, sejam públicos ou privados, podem fazer parte dessa estratégia, mas não são a única resposta. Em um cenário de IA gerando ruído em escala industrial, pode ser mais eficiente, para muitas empresas brasileiras, começar com modelos de “vulnerability disclosure program” mais enxutos, focados em canais seguros, prazos claros de resposta e uma relação transparente com pesquisadores selecionados. Em vez de abrir um programa irrestrito, vale testar pilotos com escopos bem definidos e mecanismos manuais de triagem, com apoio pontual de IA, mas sempre com supervisão humana.
Do lado dos pesquisadores, a profissionalização também é chave. Relatórios objetivos, reproduzíveis e alinhados a padrões reconhecidos aumentam a chance de serem levados a sério. Documentar a metodologia, registrar evidências com cuidado, evitar linguagem de ameaça e respeitar limites éticos e legais de teste são práticas que protegem o próprio pesquisador e tornam mais difícil para empresas ignorarem as contribuições. Em um ambiente saturado por reports genéricos gerados por IA, a profundidade técnica e a clareza de exposição se tornam diferenciais competitivos.
Para o Brasil, há ainda uma oportunidade de criar mecanismos de proteção específicos. Associações setoriais, grupos de pesquisa acadêmicos e empresas especializadas podem trabalhar em modelos padronizados de termos de safe harbor – uma espécie de “porto seguro” jurídico que deixa explícito em que condições a empresa se compromete a não acionar judicialmente quem reportar falhas de boa-fé. Quanto mais esses protocolos forem debatidos abertamente e adotados por grandes organizações, mais previsível fica o ambiente para todos os lados.
O CISO brasileiro que enxergar os hackers éticos como aliados estratégicos, e não como adversários, terá uma vantagem competitiva real. Em um cenário em que o orçamento cresce pouco, mas a superfície de ataque e a sofisticação das ameaças aumentam, contar com uma rede de pesquisadores externos atentos aos seus sistemas é multiplicar a capacidade de defesa sem multiplicar custos na mesma proporção. Isso exige confiança, regras claras e disposição para aprender com quem está do lado de fora do crachá.
A inteligência artificial não vai desaparecer do cenário de cibersegurança – pelo contrário, tende a se tornar componente central tanto na defesa quanto no ataque. O desafio, para empresas e pesquisadores, é construir um ecossistema em que IA seja usada para amplificar o que há de melhor em colaboração humana, em vez de corroer a confiança entre as partes. No Brasil, onde o mercado já deu provas de que sabe crescer rápido, a próxima etapa de maturidade passa menos por comprar novas ferramentas e mais por redesenhar as relações entre quem tem sistemas a proteger e quem sabe como eles podem ser quebrados.