Agentes de inteligência artificial já encontram vulnerabilidades de software em volume e velocidade que superam os métodos tradicionais de pesquisa de segurança. O Forum of Incident Response and Security Teams (FIRST) projeta que 2026 deve fechar perto de 66 mil CVEs registradas — um salto puxado diretamente por ferramentas de IA “caçando” falhas de forma autônoma. O efeito prático para empresas não é “mais vulnerabilidades, mais medo” — é uma mudança na própria lógica de gestão de risco: o gargalo deixou de ser encontrar a falha e passou a ser verificar, priorizar e corrigir na velocidade em que ela é descoberta.

Este artigo detalha o que está por trás desse crescimento, com exemplos verificados de 2025 e 2026, e o que muda na prática para quem precisa proteger um ambiente corporativo diante desse volume.

O que está impulsionando o crescimento das descobertas

Segundo reportagem da Help Net Security baseada em dados do FIRST, agentes de descoberta autônoma já fazem parte do ecossistema de divulgação de vulnerabilidades. Modelos como o Claude Mythos, da Anthropic, e o GPT-5.4-Cyber, da OpenAI, têm impulsionado diretamente o volume de falhas encontradas. Chris Gibson, CEO do FIRST, resume o cenário: as equipes que vão atravessar essa “tempestade de vulnerabilidades” de 2026 são as que já têm redes de confiança estabelecidas, compartilham inteligência entre si e coordenam resposta antes que a crise aconteça — não as que tentam reagir individualmente a cada alerta.

O International AI Safety Report 2026, elaborado por um painel internacional de pesquisadores, chega à mesma conclusão por outro caminho: uma das áreas em que há evidência mais forte de que sistemas de IA oferecem assistência real é justamente a descoberta de vulnerabilidades de software.

Exemplos concretos de 2025 e 2026

Mozilla: 271 falhas corrigidas em um único ciclo de lançamento

A Mozilla documentou um caso prático de como isso funciona na prática: como parte do Project Glasswing da Anthropic — um programa que dá a empresas de tecnologia e provedores de infraestrutura crítica acesso antecipado a modelos de ponta para identificação preventiva de falhas — engenheiros da Mozilla construíram um harness sobre a infraestrutura de fuzzing já existente do navegador, apontando o Claude Mythos Preview e o Claude Opus 4.6 para bugs legados no motor do Firefox. O resultado: 271 bugs encontrados e corrigidos a tempo do lançamento do Firefox 150.

Google Big Sleep: de ferramenta de pesquisa a defesa em tempo real

O agente Big Sleep, desenvolvimento conjunto do Google DeepMind e do Google Project Zero, foi além de encontrar falhas — chegou a impedir uma exploração ativa. Em julho de 2025, o Google revelou que o Big Sleep identificou a CVE-2025-6965, uma falha de corrupção de memória no motor de banco de dados SQLite, descrita pela companhia como “conhecida apenas por agentes de ameaça e sob risco iminente de exploração”. Segundo o Google, foi a primeira vez documentada em que um agente de IA foi usado para frustrar diretamente uma tentativa de exploração de vulnerabilidade em produção.

DARPA AIxCC: um sistema de IA identificou 77% das falhas de uma competição

No desafio AI Cyber Challenge (AIxCC), organizado pela DARPA, competidores usaram sistemas de IA com acesso a ferramentas convencionais de segurança para encontrar vulnerabilidades em software real. Segundo o International AI Safety Report 2026, um dos sistemas participantes identificou de forma autônoma 77% das vulnerabilidades introduzidas intencionalmente pelos organizadores da competição — além de outras falhas não intencionais presentes no código.

Anthropic: 6.202 vulnerabilidades identificadas, poucas corrigidas até agora

Segundo análise publicada pela banca de advocacia Skadden, o Claude Mythos Preview identificou um total estimado de 6.202 vulnerabilidades de severidade alta ou crítica em software open-source fundamental — mas, até 22 de maio de 2026, apenas 97 delas haviam sido confirmadamente corrigidas. Segundo a própria Anthropic, “mesmo em nosso ritmo relativamente lento de divulgações, o Mythos Preview já está se somando a um ecossistema de segurança que estava sobrecarregado”. Essa disparidade entre encontrar e corrigir é, mais do que qualquer outro dado, o retrato mais preciso do desafio real que a IA colocou sobre a mesa.

Nem toda vulnerabilidade nova é uma emergência

Pesquisadores do FIRST usam uma metáfora útil para explicar esse cenário: toda a chuva de CVEs caindo é o volume total de divulgações — mas a água que realmente ameaça inundar a casa é um grupo muito menor. Esse grupo menor cobre as falhas que atacantes já estão explorando ativamente, ou que têm alta probabilidade de exploração iminente. Quando se filtra o volume total para esse subconjunto, a carga real de correção urgente tem se mantido relativamente estável ao longo de 2026 — mesmo com o total de CVEs disparando.

Isso não significa que o crescimento seja inofensivo. Significa que a habilidade mais valiosa para uma equipe de segurança em 2026 não é mais só “saber que a vulnerabilidade existe” — é separar sinal de ruído dentro de um volume de divulgações que nenhuma equipe humana consegue triar linha por linha. Uma parte do próprio crescimento nos números também vem de fatores administrativos: bases como o GitHub Security Advisories e o VulnCheck expandiram suas operações de catalogação e reprocessaram registros antigos, o que infla parte do total sem representar risco novo.

O gargalo real não é mais encontrar — é verificar e corrigir

O ponto mais repetido pelos pesquisadores consultados pela Help Net Security é este: a capacidade humana virou o fator limitante. A IA consegue expor mais falhas do que analistas conseguem verificar, coordenar e corrigir — e ainda é preciso uma pessoa para escrever a assinatura de detecção, validar o contexto de exploração e priorizar o que realmente importa para aquele ambiente específico. Uma queda no número de divulgações publicadas, inclusive, costuma sinalizar que pesquisadores tiraram férias ou estão sobrecarregados — não que a internet ficou mais segura.

Há ainda uma categoria de risco que escapa completamente dos registros oficiais de CVE: assistentes de IA que geram e implantam código sob demanda criam aplicações descartáveis que muitas vezes carregam falhas que nenhum catálogo de CVE jamais vai registrar. Esses bugs não aparecem nas bases nacionais, mas ainda criam risco real dentro dos sistemas onde rodam — o que reforça a necessidade de inventário de ativos e monitoramento contínuo, e não apenas de acompanhar boletins de CVE.

A corrida é dos dois lados: atacantes também usam IA

O crescimento na descoberta defensiva de vulnerabilidades acontece em paralelo a um crescimento equivalente do lado ofensivo. Segundo o Google Cloud Threat Intelligence, o grupo identificado como TeamPCP (também rastreado como UNC6780) assumiu a responsabilidade por múltiplos comprometimentos de cadeia de suprimentos em repositórios populares do GitHub — incluindo projetos associados ao scanner de vulnerabilidades Trivy, ao Checkmarx, ao LiteLLM e ao BerriAI — obtendo acesso inicial através de pacotes PyPI comprometidos e pull requests maliciosos.

Esse é exatamente o tipo de cenário em que ferramentas de descoberta acelerada por IA, do lado ofensivo, encontram e exploram falhas em uma velocidade que processos manuais de resposta simplesmente não acompanham. Do lado defensivo, ferramentas como o GPT-5.4-Cyber da OpenAI foram posicionadas justamente como contrapeso — dando às equipes de defesa uma velocidade de geração de assinaturas e patches compatível com a velocidade de geração de exploits do lado ofensivo. A disputa que vai definir o segundo semestre de 2026, segundo analistas do FIRST, é exatamente essa: a velocidade dos exploits construídos por IA contra a velocidade dos patches e assinaturas de detecção também construídos por IA.

Por que isso reforça o valor de MDR, XDR e SOC

Esse cenário muda o cálculo de risco para qualquer empresa que ainda trata segurança como um conjunto de ferramentas isoladas. Se o volume de vulnerabilidades divulgadas está crescendo mais rápido do que a capacidade humana de avaliar cada uma individualmente, a resposta estrutural não é contratar mais analistas para ler boletins de CVE — é adotar uma arquitetura que já correlaciona, prioriza e responde automaticamente ao que realmente importa.

É exatamente esse o papel do EDR/XDR em relação à gestão de vulnerabilidades: uma solução com detecção comportamental identifica exploração ativa mesmo antes de a equipe interna ter tempo de avaliar se aquele CVE específico afeta o ambiente. Detalhamos essa evolução em EPP, EDR, XDR e MDR: entenda a evolução da segurança corporativa e em Tipos de antivírus: AV, NGAV, EPP, EDR, XDR e MDR.

Para empresas sem equipe de segurança dedicada — a maioria das PMEs brasileiras — o cenário reforça ainda mais o argumento a favor do MDR (Managed Detection and Response): analistas humanos monitorando 24×7, capazes de triar rapidamente se uma nova CVE crítica anunciada hoje realmente representa risco para aquele ambiente específico, em vez de deixar essa decisão para uma equipe interna já sobrecarregada. Aprofundamos os cenários em que MDR faz sentido — e a diferença em relação a XDR e MXDR — em MDR, XDR e MXDR: por que viraram prioridade em 2026.

Para organizações com volume e criticidade suficientes para justificar uma operação de segurança dedicada, o mesmo racional se aplica a um SOC (Security Operations Center) — interno ou terceirizado: alguém precisa estar de fato acompanhando o que esse volume de descobertas significa para o seu ambiente específico, e não apenas recebendo alertas que ninguém tem tempo de investigar. Explicamos o papel prático de um SOC nesse contexto em O que é um SOC? Guia completo sobre o Centro de Operações de Segurança.

O que isso muda na prática para sua empresa

1. Inventário de ativos deixou de ser opcional

Não é possível avaliar se uma CVE recém-divulgada afeta seu ambiente se você não sabe, com precisão, quais versões de quais softwares estão rodando em quais sistemas. O crescimento no volume de divulgações torna qualquer lacuna de inventário proporcionalmente mais cara.

2. Priorização por exploração real, não por volume ou pontuação genérica

Seguindo a lógica de “chuva vs. enchente”, a pergunta certa diante de uma nova CVE não é “qual a pontuação CVSS?” isoladamente, mas “essa falha está sendo ativamente explorada, e ela afeta um ativo crítico do meu ambiente?”. Esse é exatamente o tipo de contexto que o framework MITRE ATT&CK ajuda a estruturar, mapeando como vulnerabilidades específicas se encaixam em cadeias de ataque reais.

3. Janelas de patching precisam ser medidas em horas, não em ciclos mensais

Já abordamos esse ponto em detalhe no artigo sobre vulnerabilidades de cibersegurança em 2026: o intervalo entre divulgação de uma falha crítica e exploração ativa contra ela já é medido em horas, não semanas. Um processo de patch management que depende de janelas de manutenção mensais fica estruturalmente incompatível com esse ritmo para os CVEs que realmente importam.

4. Monitorar comportamento, não apenas assinaturas conhecidas

Como parte relevante do risco vem de código gerado por IA e vulnerabilidades que nunca chegam a virar CVE catalogada, soluções baseadas puramente em correspondência de assinaturas perdem eficácia. Detecção comportamental — a base de qualquer solução EDR/XDR moderna — se torna ainda mais central.

5. Considerar cobertura fora do horário comercial

Se a corrida entre exploits e patches construídos por IA acontece em qualquer horário, uma operação de segurança que só reage durante o expediente comercial já começa em desvantagem estrutural.

Conclusão

A aceleração da descoberta de vulnerabilidades por IA não é uma ameaça isolada nem uma solução mágica — é uma mudança estrutural na velocidade em que todo o ecossistema de segurança precisa operar. O volume de CVEs vai continuar crescendo, e tentar responder a esse volume da forma como as equipes de segurança operavam há três anos — um analista lendo boletins, uma janela de patch mensal, um SOC que só cobre horário comercial — deixou de ser matematicamente viável. A resposta estrutural não é entrar em pânico a cada novo CVE anunciado, é construir uma arquitetura de detecção, priorização e resposta que já assume esse volume como a nova normalidade.

Sua empresa consegue avaliar, em horas, se uma vulnerabilidade crítica recém-divulgada afeta seu ambiente? A InfoB realiza diagnósticos completos de cibersegurança para identificar vulnerabilidades reais e recomendar a arquitetura de EDR, XDR, MDR ou SOC mais adequada ao seu cenário.

Solicitar diagnóstico de vulnerabilidades

Perguntas frequentes sobre IA e descoberta de vulnerabilidades

Quantos CVEs devem ser registrados em 2026?

O Forum of Incident Response and Security Teams (FIRST) projeta que 2026 deve fechar perto de 66 mil CVEs registradas, um crescimento puxado principalmente pelo uso de agentes de IA na descoberta autônoma de vulnerabilidades.

A IA encontra mais vulnerabilidades do que pesquisadores humanos?

Em volume, sim, em vários casos documentados. No desafio DARPA AIxCC, um sistema de IA identificou de forma autônoma 77% das vulnerabilidades introduzidas intencionalmente pelos organizadores. A Mozilla usou agentes de IA para encontrar e corrigir 271 bugs em um único ciclo de lançamento do Firefox. O gargalo não é mais a descoberta — é a capacidade humana de verificar e corrigir tudo o que é encontrado.

Isso significa que todas as vulnerabilidades novas são urgentes?

Não. Pesquisadores do FIRST comparam o cenário a chuva e enchente: o volume total de divulgações é grande, mas o subconjunto de falhas realmente exploradas ativamente ou com alto risco de exploração iminente é muito menor e tem se mantido relativamente estável ao longo de 2026. O desafio está em separar esse sinal do ruído do volume total.

Um agente de IA já impediu um ataque real usando descoberta de vulnerabilidades?

Sim. Em julho de 2025, o Google revelou que seu agente Big Sleep identificou a CVE-2025-6965, uma falha crítica de corrupção de memória no SQLite que era conhecida apenas por agentes de ameaça e estava sob risco iminente de exploração — o que a empresa descreveu como o primeiro caso documentado de um agente de IA usado para frustrar diretamente uma exploração de vulnerabilidade em produção.

Atacantes também usam IA para encontrar e explorar vulnerabilidades?

Sim. O crescimento na descoberta defensiva acontece em paralelo a um crescimento equivalente do lado ofensivo, incluindo grupos que automatizam comprometimentos de cadeia de suprimentos em repositórios de código populares.

Como minha empresa deve se preparar para esse volume maior de vulnerabilidades?

Os pontos mais críticos são: manter um inventário de ativos preciso, priorizar correções por exploração ativa (não apenas pontuação CVSS), reduzir janelas de patching para horas em vez de ciclos mensais, adotar detecção comportamental (EDR/XDR) em vez de depender só de assinaturas conhecidas, e garantir cobertura de monitoramento fora do horário comercial via MDR ou SOC.

Leia também no blog da InfoB