Nos últimos 12 anos, a F5 tem entrevistado executivos e tomadores de decisão de TI em todo o mundo sobre as tendências que moldam seus negócios. O Relatório sobre o Estado da Estratégia de Aplicações da F5 deste ano deixa uma coisa clara: três forças estão transformando a maneira como as organizações desenvolvem, operam e protegem aplicações modernas.
Primeiro, a inferência distribuída de IA — o momento em que um ou mais modelos treinados são colocados em operação para gerar respostas, decisões ou previsões em tempo real — tornou-se uma carga de trabalho operacional crítica na jornada das aplicações de IA. Segundo, o cenário de ameaças está se tornando mais rápido, escalável e persistente à medida que os invasores usam a IA para acelerar a descoberta, automatizar a execução e ampliar seu alcance. Terceiro, a multicloud híbrida não é uma fase de transição. Ela é uma realidade operacional permanente para a maioria das empresas, especialmente porque a IA aumenta as exigências quanto aos locais em que aplicações, APIs, dados e serviços de inferência precisam estar hospedados.
Para os líderes de segurança, essas mudanças não são teóricas. Elas já estão transformando os ambientes que protegem, as arquiteturas às quais dão suporte e as decisões que tomam. Vamos analisar cada uma delas.
A inferência de IA agora está no centro da geração de valor empresarial.
A inferência de IA não é uma tendência passageira — ela rapidamente se consolidou como uma competência empresarial essencial. Segundo nossa pesquisa, 77% dos entrevistados afirmam que a inferência, e não o treinamento ou o ajuste de modelos, é sua principal atividade de IA.
O relatório também constatou que as empresas operam, em média, sete modelos de IA, com cargas de trabalho de inferência distribuídas por diferentes ambientes, incluindo data centers, nuvem e locais de borda.
A inferência é a carga de trabalho de IA mais importante para as empresas, pois fornece insights essenciais em tempo real que aumentam a competitividade dos negócios. É por isso que a IA deixou a fase de experimentação e passou a operar em escala de produção, impactando diretamente as operações e a receita.
No entanto, muitas organizações enfrentam desafios significativos ao incorporar a inferência de IA aos fluxos de trabalho operacionais e às atividades cotidianas.
Um dos principais obstáculos é a proliferação e a complexidade decorrentes da inferência de IA em escala empresarial. Ambientes de IA com vários modelos aumentam a sobrecarga de gerenciamento e, com o roteamento encadeado de modelos, surgem novos riscos de segurança durante a execução, à medida que prompts, respostas e contexto transitam entre os modelos.
Além disso, à medida que os clientes dependem cada vez mais da inferência de IA para acelerar o desempenho dos negócios, eles precisam gerenciar o desempenho, a segurança e a confiabilidade da IA em tempo real, o que exige observabilidade de ponta a ponta para garantir que as políticas e as regras de conformidade sejam aplicadas de forma consistente, independentemente do modelo usado ou de onde ele esteja implantado.
Essa complexidade também tem seu preço: o custo de operar toda essa infraestrutura de inferência de alto desempenho pode ser considerável.
A inferência distribuída de IA precisa ser tratada como uma nova camada de aplicação, na qual a inferência deixa de funcionar como um único endpoint e passa a interagir como um sistema distribuído. Para os clientes, isso significa tratar a inferência com o mesmo nível de importância e rigor operacional que os demais componentes essenciais da pilha de aplicações que dão suporte e sustentam os negócios.
À medida que as empresas adotam a IA e os agentes, os invasores fazem o mesmo.
As organizações estão implementando IA agêntica em ritmo acelerado. Mas os criminosos também. Embora quase todas (98%) as organizações participantes afirmem estar adaptando seus aplicativos para permitir o acesso de agentes autônomos de IA, a pesquisa também revela que 77% esperam enfrentar problemas relacionados à identidade e ao controle de acesso desses agentes, criando uma grande brecha para ataques.
A IA introduz um grande número de novos e imprevisíveis pontos de entrada para ataques — como injeção de prompts, envenenamento de dados e inversão de modelos — que contornam as defesas tradicionais. Mas os sistemas de IA não apenas ampliam a superfície de ataque; eles a remodelam.
Os clientes precisam de ferramentas de segurança de IA voltadas para a camada de inferência, a nova linha de frente dos ataques, onde APIs, prompts e tokens de acesso convergem em tempo real. Essas conexões devem ser protegidas por controles robustos de identidade e autorização, além de visibilidade em tempo real de todas as interações de IA.
Também são necessárias ferramentas abrangentes de monitoramento para inspecionar e analisar prompts e respostas, com entrega e segurança integradas para eliminar pontos obscuros que oferecem um refúgio seguro para invasores.
A complexidade da multicloud híbrida está sendo agravada pela IA distribuída e multimodelo.
Na maioria das organizações, o número e a diversidade dos locais de hospedagem continuam crescendo exponencialmente, à medida que as empresas buscam flexibilidade em todos os seus ambientes digitais. Os dados do nosso relatório ilustram esse cenário: mais de nove em cada dez organizações participantes (93%) gerenciam ambientes multicloud, e 86% executam aplicações em ambientes locais, de nuvem pública e de colocation.
Além disso, os participantes da pesquisa gerenciam, em média, cinco data centers próprios e outras cinco instalações de colocation — sem contar os quatro provedores de nuvem pública diferentes utilizados por uma organização típica. Isso significa que os ambientes digitais atuais são, por natureza, distribuídos e heterogêneos.
Uma abordagem de plataforma para reduzir a complexidade e proteger a IA
Para prosperar à medida que essas três tendências ganham força, as organizações precisam de uma maneira mais simples de viabilizar, proteger e controlar, em tempo real, todas as interações em ambientes distribuídos. Isso exige uma abordagem de infraestrutura unificada, com aplicação consistente de políticas em todos os ambientes, além de ferramentas e controles de visibilidade de ponta a ponta que funcionem em qualquer lugar de todo o ecossistema digital.
Uma plataforma convergente que combina redes, entrega de aplicações e segurança consolida pontos de controle fragmentados em uma camada unificada de aplicação de políticas, abordando as complexidades dos sistemas dinâmicos de IA e das infraestruturas híbridas multicloud. A F5 Application Delivery and Security Platform (ADSP) foi projetada para isso, aplicando políticas consistentes em pontos de interação internos e externos, com inspeção de tráfego sensível ao contexto para eliminar as brechas exploradas por invasores.
Com visibilidade de ponta a ponta e proteção consistente em todos os ambientes, o F5 ADSP reduz a complexidade operacional ao diminuir o número de planos de controle e alinhar as equipes de NetOps, SecOps e aplicações. O resultado: entrega, segurança e governança de IA integradas em um único modelo operacional, preparado para o desafio da inferência em escala empresarial.
Para explorar essas importantes tendências em mais detalhes, baixe seu exemplar do Relatório sobre o Estado da Estratégia de Aplicações de 2026.
Sobre o autor
John Maddison é diretor de marketing da F5. John tem mais de 30 anos de experiência na liderança de equipes de produtos e áreas de marketing corporativo nos setores de cibersegurança, nuvem e telecomunicações. Antes de ingressar na F5, John trabalhou por 12 anos na Fortinet, mais recentemente como diretor de marketing e vice-presidente executivo de estratégia de produtos. Anteriormente, ocupou cargos de liderança na Trend Micro, Vina Communications e Octel Communications. John é bacharel em Engenharia pela Universidade de Plymouth, em Devon, Inglaterra.
Mais publicações de John MaddisonPublicações relacionadas no blog
Insights do modelo de segurança de IA do F5 Labs: quando agentes de IA expõem dados sem a presença de um invasor
Agentes tentando realizar tarefas inofensivas podem causar exposições inesperadas de dados e riscos para os negócios se os limites impostos a eles não forem rigorosamente aplicados.
Estratégias de segurança para IA multimodelo: duas medidas para tomar agora
Principais medidas que as empresas podem adotar hoje para melhorar a visibilidade da IA multimodelo e a segurança cibernética em meio ao crescimento explosivo da IA agêntica.
Como CISOs podem mensurar os riscos de segurança da IA
Saiba como o CASI, o ARS e a inteligência de ameaças do F5 Labs ajudam os CISOs a mensurar os riscos de segurança de IA em todo o ciclo de vida da IA.
Inferência: a parte mais importante da IA que você finge que não existe
Escalar a IA significa escalar a inferência. Saiba por que os servidores de inferência são essenciais para gerenciar desempenho, telemetria e segurança em cargas de trabalho de IA em produção.
O que o SecOps pensa sobre IA? Parte 2: Proteção de dados
A F5 realizou uma análise abrangente do sentimento de profissionais de segurança no Reddit sobre suas opiniões a respeito da IA.
IL5/6 não vai salvar você: a injeção de prompts ameaça LLMs somente leitura
À medida que os LLMs são integrados aos ambientes IL5/IL6 do Departamento de Defesa dos EUA, descubra como as soluções da F5 protegem os dados, evitam ataques de injeção e aprimoram os modelos de confiança zero.