Agentes de IA na gestão de vulnerabilidades: como operam no CTEM

O que são agentes de IA na gestão de vulnerabilidades

Agentes de IA na gestão de vulnerabilidades são sistemas que recebem um objetivo (reduzir a exposição de um conjunto de ativos), planejam as etapas, usam ferramentas reais para descobrir, priorizar, validar e corrigir falhas, e devolvem evidência do que mudou. A diferença para o scanner é que o agente não entrega uma lista: ele conduz o trabalho até o fechamento, com aprovação humana no que é crítico.

Quem já operou um programa de vulnerabilidades conhece o problema. O scanner encontra milhares de achados, a planilha cresce, o time de infraestrutura recebe uma fila que não consegue esvaziar e, três meses depois, a mesma CVE crítica continua aberta no mesmo servidor. O gargalo nunca foi encontrar vulnerabilidades. Foi decidir o que importa e fazer a correção acontecer.

É nesse gargalo que os agentes entram. Este guia mostra o que um agente faz em cada fase do ciclo de gestão contínua de exposição a ameaças (CTEM), o que pode rodar sozinho e o que deve esperar um "aprovar", como o mercado está se movendo e como avaliar se o que um fornecedor chama de agente é de fato um agente.

Leia também: Agentes de IA para cibersegurança: o mapa por domínio

Resumo em 5 pontos

1. O problema é vazão, não detecção: o backlog cresce mais rápido do que qualquer time humano consegue corrigir.
2. O agente opera o ciclo inteiro: inventário, correlação, priorização por explorabilidade, validação, campanha de correção e re-scan.
3. Autonomia é graduada: consultar e correlacionar é seguro; mudar produção exige aprovação humana explícita.
4. O mercado já se moveu: Tenable, CrowdStrike, Check Point e Mondoo lançaram agentes para exposição e vulnerabilidades em 2025 e 2026.
5. Avalie com evidência: agente real planeja, usa ferramentas, registra cada passo e prova o fechamento por re-scan.

Por que a gestão de vulnerabilidades tradicional não fecha a conta

O modelo clássico (escanear, ordenar por CVSS, abrir chamado, esperar) foi desenhado para um volume e uma velocidade de ataque que não existem mais. Três números mostram a distância entre o ritmo do atacante e o ritmo da correção.

O Verizon Data Breach Investigations Report 2025 apontou que a exploração de vulnerabilidades respondeu por 20% dos vetores de acesso inicial das violações analisadas, alta de 34% em relação à edição anterior. No mesmo relatório, só 54% dos dispositivos de borda vulneráveis (VPNs e appliances de perímetro) foram totalmente remediados ao longo do ano, com mediana de 32 dias para aplicar a correção.

Do lado do atacante, o relatório State of Exploitation 2026 da VulnCheck registrou que 28,96% das vulnerabilidades sabidamente exploradas em 2025 foram atacadas no dia da publicação da CVE ou antes dele, contra 23,6% em 2024. Ou seja: para quase três em cada dez falhas exploradas, não existe janela entre o aviso e o ataque.

E o Gartner, ao propor o CTEM, estimou que organizações que priorizam investimentos com base em um programa contínuo de exposição teriam dois terços menos violações. O ganho não vem de escanear mais, e sim de priorizar e mobilizar melhor. Esse é exatamente o trabalho repetitivo, contextual e contínuo que agentes conseguem executar em escala.

Leia também: EPSS: o que é e por que o CVSS não basta

Do scanner ao agente: o que muda na prática

A tabela abaixo compara, tarefa por tarefa, como a gestão de vulnerabilidades funciona com ferramentas tradicionais e com agentes de IA, e quem toma a decisão final em cada caso.

O ponto central é a última linha. Um programa maduro não mede "patches aplicados", e sim exposições efetivamente fechadas. Agentes tornam essa verificação barata o bastante para ser feita sempre.

Leia também: Automação vs IA agêntica: qual a diferença na prática

O ciclo CTEM agêntico, do backlog à evidência

O CTEM organiza a gestão de exposição em cinco fases. Em um programa agêntico, cada fase tem agentes especializados e um ponto claro de supervisão humana:

1. Escopo: o time define as superfícies prioritárias (aplicações críticas, perímetro, ambiente de pagamentos). O agente ajuda a traduzir o escopo em ativos concretos, mas a decisão de negócio é humana.
2. Descoberta: agentes varrem a rede e a superfície externa, encontram Shadow IT, coletam software instalado com versões exatas e correlacionam com bases de CVE. Aqui a autonomia pode ser alta, porque a ação é de leitura.
3. Priorização: o agente cruza severidade, probabilidade de exploração (EPSS), presença no CISA KEV, associação a campanhas de ransomware e criticidade do ativo. O resultado deixa de ser uma lista de milhares de itens e vira uma fila de ação curta.
4. Validação: para o que está no topo da fila, agentes ofensivos testam se a falha é explorável no contexto real e anexam a evidência. Isso separa risco teórico de risco comprovado.
5. Mobilização: o agente monta a campanha de correção, propõe a sequência (piloto, grupos, produção), pede aprovação, executa e roda o re-scan. Só então a exposição é marcada como fechada. Os caminhos de correção com e sem patch estão no guia de remediação automática de vulnerabilidades.

O ciclo não para. Enquanto uma campanha é executada, outra área está sendo descoberta e outra priorizada. Essa simultaneidade é o que torna o CTEM inviável com processos manuais e viável com agentes.

Leia também: As 5 fases do CTEM explicadas

Exemplo: uma CVE crítica em servidores de borda

Imagine uma vulnerabilidade crítica divulgada numa sexta-feira em um appliance de VPN. No modelo tradicional, alguém lê o alerta na segunda, roda um scan, monta a planilha e abre chamados. No modelo agêntico, o fluxo é outro:

• O agente de descoberta identifica quais ativos rodam a versão afetada, inclusive os que não estão no CMDB.
• O agente de priorização verifica que a CVE entrou no CISA KEV e tem EPSS alto, e coloca esses ativos no topo da fila Zero-Day.
• O agente de validação confirma em quais deles a falha é alcançável a partir da internet.
• O agente de mobilização propõe a mitigação (patch do fabricante ou, se ainda não houver, mudança de configuração), descreve o plano e aguarda aprovação.
• Após a execução, o re-scan comprova o fechamento e o registro alimenta o Tempo Médio de Correção.

O analista continua no centro: ele aprova o plano e responde pelas exceções. O que muda é que ele não precisa montar a planilha.

Níveis de autonomia: o que o agente faz sozinho e o que exige aprovação

Nem toda ação de um agente tem o mesmo risco. A regra prática é graduar a autonomia pela reversibilidade e pelo impacto em produção.

Esse modelo é conhecido como human-in-the-loop para ações de alto risco e human-on-the-loop (supervisão com possibilidade de interromper) para o restante. O detalhamento de como desenhar essa matriz, com registro de agentes, identidade não humana e kill switch, está no guia de governança de agentes de IA e human-in-the-loop.

O que o mercado está lançando

A gestão de vulnerabilidades agêntica deixou de ser conceito. Alguns lançamentos recentes, citados aqui como sinal da categoria e não como ranking:

• Tenable Hexa AI: anunciado em disponibilidade geral em 20 de maio de 2026 como o motor de IA agêntica do Tenable One, com raciocínio em várias etapas, suporte a Model Context Protocol (MCP) e possibilidade de construir agentes próprios, operando dentro de um "harness" com guardrails e auditoria, segundo o comunicado da empresa.
• CrowdStrike Exposure Prioritization Agent: parte da Agentic Security Workforce, pontua detecções por explorabilidade e impacto no negócio; a CrowdStrike relata reduções de até 95% na carga de remediação em implantações iniciais (dado do próprio fabricante).
• Check Point Agentic Exposure Validation: lançado em 28 de maio de 2026, usa agentes que raciocinam como atacantes para provar o que é explorável a partir da superfície externa.
• Mondoo: posiciona a "gestão de vulnerabilidades agêntica" com agentes que escaneiam, priorizam e preparam correções revisadas por especialistas antes de irem para produção.

Para um comparativo por critérios (domínios cobertos, agentes nativos ou construtor, MCP, aprovação humana e trilha), veja o guia de plataformas de agentes de IA para segurança.

Riscos de colocar agentes no ciclo de vulnerabilidades

Agentes ganham acesso a credenciais, ao inventário completo e, na mobilização, a canais de mudança em produção. Isso cria riscos próprios, que precisam ser tratados desde o desenho:

• Injeção de instruções pelos dados: um banner de serviço, um campo de descrição ou uma página web escaneada pode conter texto que tenta desviar o objetivo do agente. É o risco ASI01 do OWASP Top 10 para aplicações agênticas.
• Privilégio excessivo: o agente que escaneia não precisa da mesma credencial do agente que aplica patch. Separar identidades e aplicar privilégio mínimo limita o estrago de um erro.
• Alucinação de achado ou de correção: um modelo pode afirmar que corrigiu algo que não corrigiu. Por isso o re-scan independente é obrigatório, não opcional.
• Falhas em cascata: uma priorização errada replicada em milhares de ativos vira uma campanha errada em escala. Piloto e deploy escalonado contêm o efeito.
• Ferramentas e conectores inseguros: servidores MCP sem autenticação ou com permissões amplas viram atalho para o ambiente. Veja o guia de segurança do MCP.
• Agent washing: o Gartner estima que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027 por custo, valor incerto ou controle de risco insuficiente, e que só cerca de 130 dos milhares de fornecedores que se dizem agênticos entregam capacidade real.

Checklist para adotar agentes na gestão de vulnerabilidades

Antes de colocar agentes para operar o seu ciclo, valide estes pontos com o fornecedor e com o seu time:

1. O agente planeja e mostra o plano antes de agir? Um fluxo fixo disfarçado de agente não se adapta quando o ambiente muda.
2. A priorização tem metodologia declarada? Peça os sinais usados (EPSS, KEV, ransomware, criticidade, impacto financeiro) e como eles se combinam.
3. Onde exatamente está a aprovação humana? Exija a lista de ações que pausam para aprovação e quem pode aprovar.
4. Há prova de fechamento por re-scan? "Patch instalado" não é "vulnerabilidade fechada".
5. Cada ação fica registrada com o raciocínio? A trilha precisa servir para auditoria e para investigar erro do agente.
6. Como o agente acessa a rede? Prefira acesso por protocolos nativos e túnel, sem software instalado em cada endpoint e sem portas abertas.
7. Os dados ficam isolados por cliente e na região exigida? Pergunte também se os dados são usados para treinar modelos.
8. Existe kill switch? Deve ser possível interromper todos os agentes de uma vez.
9. O piloto cobre um ciclo completo? Teste da descoberta ao re-scan em um escopo real, não só a tela de priorização.

O roteiro completo de avaliação, com perguntas sobre credenciais, residência de dados e controles OWASP do próprio fornecedor, está em como avaliar agentes de IA para segurança.

Como a EcoTrust aplica agentes ao ciclo de vulnerabilidades

A EcoTrust é fabricante de uma plataforma de IA agêntica para cibersegurança. O Agentic CTEM roda sobre o EcoTrust OS, o runtime de serviços agênticos da plataforma, com um agente especialista por módulo e o mesmo fluxo para qualquer serviço: planejar, aprovar, executar e mostrar. Nada toca o ambiente do cliente sem o "aprovar" do operador.

Aplicando os mesmos critérios do checklist:

• Descoberta e inventário: o Radar descobre ativos de forma contínua e sem agente, e o Inventory coleta 11 categorias de dados por ativo via WMI/WinRM e SSH, com SBOM em CPE 2.3.
• Correlação e priorização: o VulScan correlaciona versões exatas com a NVD e prioriza com metodologia declarada (SSVC), alimentada por severidade, EPSS, CISA KEV, inteligência de ransomware e criticidade do ativo. A saída é fila de ação, não lista de achados.
• Validação: o AppSec testa aplicações em execução com DAST autenticado e entrega evidência completa de cada achado (payload, requisição, resposta e correção recomendada).
• Mobilização: o Flow dá dono, prazo e histórico a cada exposição, e o AutoPatch constrói e aplica a remediação, inclusive mitigação quando não há patch do fabricante, com grupo piloto, filas Regular, Prioritária e Zero-Day e re-scan que confirma o fechamento da CVE.
• Risco em Reais: o Quantify traduz a exposição em perda financeira estimada com FAIR e Monte Carlo, o que ajuda a ordenar campanhas pelo impacto ao negócio.
• Governança: coleta agentless, acesso pelo EcoTrust Connect por túnel criptografado, isolamento entre organizações, rastreabilidade com segredos mascarados, observabilidade sobre o raciocínio dos agentes e kill switch. Os dados ficam na região escolhida pelo cliente. A adequação à ISO/IEC 42001 está em fase inicial e a plataforma ainda não é certificada.

Perguntas Frequentes

Agentes de IA substituem o analista de vulnerabilidades?

Não. Eles absorvem o trabalho repetitivo (correlação, deduplicação, priorização, abertura de campanhas e re-scan) e liberam o analista para o que exige contexto de negócio: definir escopo, aprovar mudanças em produção, negociar janelas e decidir sobre exceções e aceite de risco.

Qual a diferença entre automação e agente de IA na gestão de vulnerabilidades?

A automação segue um roteiro fixo: se o ambiente foge do previsto, ela para ou erra. O agente recebe um objetivo, monta um plano, escolhe ferramentas e replaneja quando um caminho falha. Na prática, os dois convivem: passos que precisam rodar sempre iguais ficam determinísticos e o agente decide o restante.

O agente pode aplicar patch sozinho em produção?

Pode, mas não deveria sem aprovação. A prática recomendada é o agente propor o plano, um humano aprovar, o agente executar primeiro num grupo piloto e só depois escalonar, com rollback previsto e re-scan ao final.

Como saber se um fornecedor tem agente de verdade ou só automação reembalada?

Peça para ver o plano gerado antes da execução, a trilha de cada ação com o raciocínio, o comportamento quando uma etapa falha e a prova de fechamento por re-scan. Se nada disso existe, é provável que seja um fluxo fixo com interface de chat.

Agentes de IA funcionam sem CTEM?

Funcionam em tarefas isoladas, como priorizar uma lista ou redigir um chamado. O ganho real aparece quando eles operam um ciclo contínuo com escopo, validação e mobilização, que é a proposta do CTEM. Sem esse ciclo, o agente acelera partes do processo, mas o backlog continua.

Conclusão: o agente vale pelo que ele fecha, não pelo que ele encontra

A gestão de vulnerabilidades sempre soube encontrar falhas. O que faltava era capacidade para decidir e corrigir no ritmo em que elas aparecem e são exploradas. Agentes de IA preenchem essa lacuna quando operam o ciclo inteiro, com autonomia graduada, aprovação humana no que é crítico e prova de fechamento por re-scan.

Ao avaliar uma solução, troque a pergunta "quantas vulnerabilidades ela encontra?" por "quantas exposições ela fecha, com que evidência e com que controle?". É essa resposta que separa um agente útil de mais uma tela de achados.

---

Referências

• Verizon, "2025 Data Breach Investigations Report", 2025. verizon.com
• VulnCheck, "State of Exploitation 2026", 2026. vulncheck.com
• Gartner, "Top Strategic Technology Trends for 2024: Continuous Threat Exposure Management", 2023. gartner.com
• Gartner, "Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027", 2025. gartner.com
• Tenable, "Tenable Hexa AI Turns Exposure Discovery into Automated Remediation at Machine Speed", 2026. tenable.com
• CrowdStrike, "CrowdStrike Expands Agentic Security Workforce with New Agents", 2025. crowdstrike.com
• Check Point Software, "Check Point Software Launches Agentic Exposure Validation", 2026. checkpoint.com
• Mondoo, "What is Agentic Vulnerability Management", 2025. mondoo.com
• OWASP GenAI Security Project, "OWASP Top 10 for Agentic Applications for 2026", 2025. genai.owasp.org