Estratégias de segurança para IA multimodelo: duas medidas para tomar agora

Lee EnnisGerente Sênior de Ciência de Dados | F5

A segurança de IA está dominando as discussões do setor neste ano, mas definir o caminho mais seguro a seguir pode parecer uma tarefa assustadora. O rápido lançamento de modelos cada vez mais poderosos, o aumento do tráfego de agentes, a ascensão da IA paralela e a ameaça de modelos de fronteira nas mãos de agentes mal-intencionados exercem forte pressão tanto sobre as operações diárias quanto sobre os planos de longo prazo.

Os líderes também precisam pensar estrategicamente sobre a alocação de recursos ao implantar vários modelos de IA. Assim como você não usaria um Porsche 911 Turbo para tarefas cotidianas, não deveria recorrer aos modelos mais caros e que exigem maior poder computacional para realizar tarefas simples. Maximizar a eficiência da IA é fundamental, mas afastar-se do fluxo incessante de demandas diárias para obter uma visão mais ampla continua sendo um desafio.

É claro que isso não está desacelerando a adoção da IA. Nossa 12ª pesquisa anual com tomadores de decisão de TI do mundo todo revela o quanto os aplicativos de IA já estão profundamente integrados aos sistemas de produção e fluxos de trabalho operacionais. Em empresas com receita anual de pelo menos US$ 1 bilhão, em média 55% dos aplicativos já contam com recursos de IA, ultrapassando a marca de 50% em apenas alguns anos. Enquanto isso, 78% das organizações gerenciam, pelo menos em parte, a própria inferência.

“Pronto ou não” não é seguro

Infelizmente, os dados também sugerem que muitas organizações estão se precipitando. Não há dúvida de que a adoção da IA avançou mais rápido do que a visibilidade sobre ela. Mais de um terço dos participantes da nossa pesquisa (35%) admite que suas infraestruturas não estão preparadas para oferecer a governança, a observabilidade e a segurança de que suas cargas de trabalho de IA precisam. Outras provavelmente estão avançando em alta velocidade em meio à neblina, com uma falsa sensação de controle e sem os faróis adequados.

Felizmente, há várias medidas importantes que você pode tomar hoje para garantir que sua organização avance com segurança rumo ao sucesso com a IA.

Etapa 1: Assuma o controle da IA multimodelo

O primeiro passo é assumir o controle das suas implantações com vários modelos. Em média, as organizações usam sete modelos ou famílias de modelos diferentes em produção ou em avaliação ativa, e as maiores empresas, incluindo muitos clientes da F5, normalmente usam ainda mais. Embora 52% das organizações estejam encadeando ou orquestrando modelos, quase metade opera vários modelos com pouca coordenação e segurança inconsistente.

Antes que os modelos de IA se proliferem ainda mais, faça um inventário de seus modelos e serviços de inferência. Trate-os como uma nova camada de infraestrutura que precisa ser protegida e otimizada:

• Identifique redundâncias: Identifique funcionalidades sobrepostas e resolva problemas de compatibilidade com antecedência.
• Analise os fatores de custo: Entenda exatamente para onde está indo seu orçamento de computação.
• Avalie os riscos de segurança: Identifique vulnerabilidades específicas de determinados modelos ou cargas de trabalho.
• Alinhe as tarefas aos modelos: Garanta que seus modelos de IA executem as tarefas que ajudarão sua empresa a prosperar, enquanto suas necessidades mais rotineiras são atendidas por serviços mais convencionais, com custos compatíveis com o valor que oferecem.

Ferramentas como registros de modelos podem ajudar a esclarecer dependências e viabilizar frameworks de orquestração para alternar entre modelos ou realizar failover de forma transparente. Um inventário abrangente permite criar um roteamento eficiente e resiliente, garante uma segurança consistente e facilita a escalabilidade sem os riscos relacionados a custos, complexidade ou segurança.

Etapa 2: Gerencie o aumento do tráfego de IA

Seu inventário também preparará você para o próximo grande obstáculo: a explosão dos agentes de IA. O tráfego automatizado e orientado por IA já representa mais da metade do tráfego da Internet. Como dois terços das organizações usam IA para ampliar a automação, o número de agentes na web cresce exponencialmente. Na verdade, 77% das organizações já esperam que a identidade e o controle de acesso dos agentes gerem desafios operacionais e de segurança.

Eles têm razão em se preocupar. O gerenciamento do acesso de identidades de máquina pode rapidamente sobrecarregar os administradores de segurança, gerando um risco significativo de roubo de credenciais, abuso de privilégios e falsificação de identidade.

Evite desastres desenvolvendo políticas rigorosas de governança para identidades não humanas. Algumas abordagens eficazes incluem rotear o tráfego por meio de balanceadores de carga com reconhecimento de identidade e implementar mecanismos de proteção que restrinjam as ações autônomas da IA a otimizações reversíveis de desempenho. Proteger ações não determinísticas pode ser desafiador, mas soluções de segurança de plataforma como a nossa F5 AI Security Platform, anunciada recentemente eliminam as incertezas.

Ao estabelecer a governança, não deixe de incluir a modelagem econômica do consumo de serviços por agentes. Os modelos de receita ainda estão em transformação, e cobranças por tarefa ou por interação poderão em breve substituir as tradicionais tarifas por usuário. Assim como cintos de segurança e barras de proteção aumentam a segurança em aventuras off-road, abordar essas questões de governança agora preparará sua organização para lidar com um tráfego intenso de agentes sem interromper os fluxos de trabalho futuros.

Essas são apenas algumas das medidas que as organizações devem considerar para melhorar a visibilidade da IA multimodelo e a segurança cibernética em meio ao crescimento explosivo dos agentes de IA. Para saber mais, leia nosso relatório recente: “O estado do cenário de inferência de IA em 2026: implicações para as infraestruturas de aplicações.”

Sobre o autor

Lee EnnisGerente Sênior de Ciência de Dados | F5

Lee Ennis lidera a equipe de ciência de dados e pesquisa em IA da F5, onde se concentra no desenvolvimento de soluções avançadas de segurança de IA que ajudam as empresas a implantar e monitorar com segurança modelos de linguagem de grande escala (LLMs) e sistemas de IA generativa. Sua equipe combina conhecimentos especializados em aprendizado de máquina, testes adversariais e garantia de modelos para identificar vulnerabilidades e fortalecer a confiança em ambientes orientados por IA.

Mais publicações de Lee Ennis