A América Latina apresentou a maior proporção de prompts com alto risco de exposição de dados na IA entre as regiões analisadas em um levantamento da Check Point Research. Segundo reportagem da CNN Brasil publicada em 9 de outubro, uma em cada 29 interações com ferramentas de inteligência artificial generativa na região apresentava esse risco.
O resultado equivale a aproximadamente 3,5% dos prompts no período de julho a agosto de 2026. Entretanto, o indicador não significa que todas essas interações provocaram vazamentos. Ele identifica situações com potencial para expor informações sensíveis.
Para empresas que utilizam IA em atendimento, análise de documentos e outras atividades, o estudo levanta uma questão prática: quais dados entram nessas ferramentas e quais controles acompanham seu uso?
O que o estudo mostra sobre exposição de dados na IA?
Na comparação regional, a América Latina registrou a maior taxa, seguida pela América do Norte. Europa e Ásia-Pacífico apresentaram proporções menores, embora também tenham registrado interações de alto risco.
| Região | Prompts com alto risco de exposição |
|---|---|
| América Latina | 3,5% — aproximadamente 1 em cada 29 |
| América do Norte | 3,1% — aproximadamente 1 em cada 32 |
| Europa | 2,5% — aproximadamente 1 em cada 40 |
| Ásia-Pacífico | 2,4% — aproximadamente 1 em cada 41 |
Fonte: Check Point Research, conforme reportagem da CNN Brasil. Dados referentes a julho e agosto de 2026.
Esses números permitem comparar o recorte estudado. Contudo, não indicam que toda organização latino-americana enfrenta o mesmo nível de risco.
Além disso, a reportagem não detalha o tamanho da amostra nem todos os critérios utilizados para classificar os prompts. Por isso, a leitura precisa respeitar esse limite: o levantamento aponta um problema relevante, mas não oferece um diagnóstico individual de cada empresa.
Risco de exposição significa vazamento confirmado?
Não. Um prompt com alto risco de exposição representa uma situação potencialmente problemática, enquanto um vazamento confirmado exige evidências de que informações chegaram a pessoas ou sistemas sem a autorização adequada.
Essa distinção evita uma interpretação exagerada dos resultados. A taxa de 3,5% não corresponde, automaticamente, ao percentual de interações que resultaram em incidentes.
Para ilustrar o problema, imagine que um funcionário copie uma planilha de clientes para pedir um resumo a uma ferramenta de IA. O conteúdo pode incluir informações que a tarefa não exige, como documentos, telefones ou detalhes financeiros.
Esse é um exemplo hipotético, e não um caso descrito no levantamento. Ainda assim, ele mostra por que a avaliação precisa considerar o conteúdo enviado, a ferramenta escolhida e as condições de acesso e tratamento das informações.
Como a IA também acelera a descoberta de vulnerabilidades?
A pesquisa aborda outro aspecto da segurança: o uso de inteligência artificial para identificar falhas em sistemas. Segundo a reportagem, o Centro Nacional de Segurança Cibernética do Reino Unido alertou para uma possível onda de correções associada a esse avanço.
A CNN cita 570 correções na atualização de segurança da Microsoft de julho e mais de 1.400 na atualização trimestral da Oracle. Esses volumes ajudam a dimensionar o trabalho de atualização, mas não permitem atribuir todas as correções à IA.
Ao mesmo tempo, encontrar uma vulnerabilidade não significa explorá-la com sucesso. Para as equipes de segurança, portanto, o desafio envolve avaliar quais falhas realmente ameaçam os sistemas em uso.
Uma lista extensa de problemas exige critérios de prioridade. A relevância de um sistema, sua exposição e os dados envolvidos ajudam a orientar essa análise, em vez de tratar todas as descobertas como incidentes equivalentes.
Por que permissões legítimas também exigem atenção?
Outro ponto do levantamento envolve ferramentas que conseguem ler informações e executar tarefas. Nesses casos, o risco pode surgir durante o uso de acessos que a própria organização autorizou.
A reportagem menciona pesquisas sobre falhas em ferramentas como Microsoft 365 Copilot e Microsoft Word Copilot. Entre os problemas citados estão possibilidades de exposição de arquivos e propagação de instruções maliciosas entre documentos.
Isso amplia a discussão sobre segurança. Além de impedir acessos indevidos, uma empresa precisa avaliar como suas ferramentas utilizam as permissões disponíveis.
Por exemplo, um assistente com acesso a documentos internos pode encontrar conteúdos que não precisa consultar para atender a determinada solicitação. Assim, definir o alcance das permissões faz parte da avaliação da automação, desde sua configuração.
O que isso muda para APIs e automações empresariais?
Quando uma empresa conecta uma ferramenta de IA a outros sistemas, a análise precisa acompanhar o caminho dos dados. Uma integração pode consultar um cadastro, recuperar documentos ou encaminhar informações para outro serviço.
Considere um assistente de atendimento conectado a um CRM por API. Para responder sobre o andamento de uma solicitação, ele talvez precise apenas do número do protocolo e do status. Enviar o cadastro completo acrescentaria informações sem uma necessidade clara.
Esse exemplo mostra uma aplicação prática do tema: limitar os dados que cada etapa recebe conforme a tarefa que ela executa.
Além disso, equipes podem diferenciar permissões de consulta e alteração. A capacidade de ler um registro não precisa implicar autorização para modificá-lo, excluir informações ou iniciar outras ações.
Essas são medidas de desenho da integração, e não conclusões específicas sobre todas as ferramentas analisadas no estudo.
Como reduzir a exposição de dados no uso de IA?
Um ponto de partida é identificar quais ferramentas os funcionários utilizam e que tipos de informação compartilham com elas. Em seguida, a empresa pode estabelecer orientações claras para documentos internos, dados de clientes e credenciais.
Também convém revisar os acessos das automações, registrar ações relevantes e definir situações que exigem aprovação humana. Dessa forma, a organização consegue investigar erros e ajustar permissões conforme a necessidade.
Por fim, acompanhar indicadores de risco exige cuidado com o significado dos números. O levantamento destaca uma exposição potencial; a resposta empresarial deve transformar esse alerta em verificações concretas.
A adoção de IA amplia a capacidade de processar informações e executar tarefas. Para aproveitar esses recursos, as empresas precisam acompanhar quais dados circulam, por quais sistemas e com qual finalidade.
