Por Marcos Souto
O mercado corporativo se deixou seduzir por uma promessa ilusória ao incorporar modelos de linguagem em seus Centros de Operações de Segurança (SOC). A narrativa de que dispositivos robóticos de triagem e assistentes generativos integrados aos Sistemas de Gerenciamento de Eventos e Informações de Segurança (SIEMs) solucionariam, por si sós, o excesso de alertas e a carência de analistas de segurança deparou-se com as limitações da realidade financeira. Ao converter cada evento de telemetria em uma solicitação de API para inferência na nuvem, as organizações notaram um aumento significativo em suas faturas, ao passo que o tempo de resposta a incidentes críticos permaneceu praticamente inalterado.
Os efeitos financeiros de consumir sem filtro
A origem do problema está na inversão arquitetônica: ao ligar uma ferramenta de automação generativa à ingestão primária de registros, a circulação normal de dados na rede pode gerar despesas computacionais indeterminadas. Durante uma tempestade de registros provocada por uma varredura maliciosa ou um ataque de negação de serviço distribuído (DDoS), o volume de solicitações direcionadas à análise na nuvem aumenta exponencialmente em minutos — o que encarece o processamento e transforma a estrutura de defesa em um peso para o orçamento.
Organizações financeiras que implementam detecção de brute-force em Splunk tipicamente conseguem capturar tentativas de login falhadas com regras determinísticas na borda — tentativas repetidas contra SSH, por exemplo, são identificadas em milissegundos por máquinas de estado locais. Porém, quando uma organização integra um modelo generativo ao pipeline para “enriquecer contextualmente” cada tentativa, cada evento passa a custar. Segundo análise de custos de inferência em escala (DeepInfra, 2026), a 500 mil requisições diárias, uma diferença de US$ 0,10 por milhão de tokens em preço de entrada representa mil dólares adicionais por mês. Durante um ataque que gera de 2 a 3 milhões de eventos em uma hora, a fatura de IA pode subir de R$ 500 para R$ 15 mil em minutos, sem melhoria no tempo de detecção.
A reconfiguração da arquitetura em camadas
Tráfegos ruidosos, como tentativas repetidas de conexão via SSH ou requisições HTTP inválidas em firewalls de aplicação, não exigem análise contextual profunda por sistemas avançados. É um erro de engenharia de tráfego não filtrar esses dados localmente com tabelas de estado e regras determinísticas: processamento de borda custa de 10 a 15 vezes menos que inferência em nuvem e, com frequência, é mais rápido.
A segmentação do pipeline deve assegurar que apenas os eventos que ultrapassam o limiar de anomalia e são enriquecidos com metadados — reputação de IP, identidade do usuário, contexto do ativo — avancem para as etapas seguintes de processamento. É aí que a inteligência artificial faz sentido: detectar padrões comportamentais anormais em usuários com credencial válida ou correlações complexas entre eventos em múltiplos ativos.
Engenharia enquanto instrumento de contenção
A maturidade de um SOC não é determinada pela quantidade de dados enviados para análise avançada, mas pela inteligência utilizada para descartar informações irrelevantes antes que cheguem à infraestrutura de nuvem. Sem uma arquitetura de pré-filtragem bem definida, a automação deixa de ser uma parceira na proteção e se torna um catalisador de aumento nas despesas operacionais.
A inteligência artificial não constitui o problema — a questão está na inteligência artificial desprovida de engenharia. Organizações que sabem onde filtrar, onde enriquecer e onde aplicar inteligência emergem dessa transição com SOCs mais eficientes, mais baratos e mais capazes.
Marcos Souto é Diretor de Soluções Integradas da N&DC.
Sobre a N&DC
Desde 2001, a N&DC atua como referência no mercado de TI, com sede em São Caetano do Sul, oferecendo soluções em Cibersegurança IT/OT, Observabilidade, Conectividade, Colaboração e Data Center & Cloud. Como Premier Certified Partner, mantém parcerias estratégicas com Cisco, AWS, Claroty, Tenable, Splunk e ThousandEyes.
