EM POUCAS LINHAS
- SentinelOne relata acelerar a engenharia reversa de malware, mas não apresenta uma medição independente.
- Block descreve reprodução de consultas, triagem automatizada e propostas de correção com revisão humana.
- Tempos de análise e de proposta não comprovam correção implantada nem desempenho em outra organização.
- Antes da adoção, equipes brasileiras precisam medir resultados próprios e definir limites para a automação.
Os casos SentinelOne e Block mostram duas aplicações diferentes de IA em segurança: investigar o funcionamento de malware e apoiar fluxos de detecção, investigação e correção. Eles oferecem pistas úteis para desenhar avaliações, mas não demonstram que outra equipe obterá os mesmos resultados. Ambos foram publicados pela OpenAI em 14 de outubro de 2026 como relatos de clientes; essa é a data de publicação das páginas, não uma data documentada para todos os exercícios ou medições descritos nelas. As páginas identificam as empresas na região da América do Norte e não estabelecem resultados para o Brasil (SentinelOne; Block).
SentinelOne: acelerar a investigação não transfere a responsabilidade
Segundo o relato da OpenAI, a SentinelOne usa recursos do Daybreak para fazer engenharia reversa de malware, examinando como o software se comporta. O ganho pretendido não é apenas terminar uma análise mais cedo: com maior capacidade de investigar amostras, pesquisadores podem comparar componentes e procurar conexões entre ameaças que seriam difíceis de perceber em análises isoladas. Essa é uma possibilidade operacional descrita no caso, não uma taxa publicada de ameaças adicionais detectadas.
Gregor Stewart, diretor de IA da SentinelOne, estima que um trabalho de quatro a seis semanas para um pesquisador experiente possa gerar uma saída que ele descreve como de nível humano em cerca de oito horas com o Daybreak. A comparação é expressiva, mas a página não informa protocolo de comparação, conjunto de amostras, distribuição dos tempos ou critérios para classificar a saída como equivalente à humana. Portanto, não permite calcular uma aceleração típica nem presumir que o resultado serviria, sem revisão, para uma decisão de defesa.
Stewart afirma que sua equipe continua responsável pelos resultados e distingue correções pontuais potencialmente automatizáveis de mudanças de arquitetura que ainda exigem exame humano. Essa distinção importa: compreender um artefato suspeito é diferente de alterar um sistema de produção. Uma equipe que avalie fluxo semelhante pode exigir que as conclusões sejam ligadas às evidências da amostra, que incertezas sejam registradas e que decisões de maior impacto tenham responsáveis identificados. Isso é uma recomendação de avaliação, não um controle cuja implantação pela SentinelOne esteja comprovada no relato.
Block: evidência reproduzível antes de ajustar detecções
No caso da Block, o relato diz que cada investigação conserva as evidências brutas das consultas, permitindo reproduzir uma mudança proposta na detecção contra sete meses de telemetria de produção em menos de uma hora. O objeto medido é a reprodução de uma proposta sobre dados históricos, não o tempo até conter um ataque. Preservar a base da consulta torna mais fácil perguntar se um ajuste reduziria alertas indevidos sem deixar de sinalizar situações relevantes; o texto, porém, não apresenta a taxa de erros após a mudança.
A Block afirma que seu sistema encaminha tarefas a modelos diferentes, inclui pontos para intervenção humana ou verificação entre agentes e é avaliado continuamente com referências internas e desempenho real. Isso descreve uma arquitetura de controle, mas não divulga os resultados dessas avaliações em detalhe suficiente para uma comparação externa. Verificação entre agentes, por si só, também não equivale a validação independente: a decisão precisa ser confrontada com registros e consequências observáveis.
Em exercícios recentes de red team, a Block relata 18 minutos entre a apresentação de uma vulnerabilidade em alto nível e uma proposta automatizada de correção. Proposta não é código implantado nem falha eliminada. O diretor de segurança da empresa descreve uma etapa posterior de confirmar a possibilidade de exploração, verificar a correção e contar com uma pessoa para orientar e implantar as mudanças. O relato não fornece uma distribuição dos tempos até essa verificação final.
A página atribui ao sistema aproximadamente 1.100 horas de investigação realizadas por trimestre e cerca de 600 horas de analistas por trimestre devolvidas da triagem de falsos positivos. São descrições de atividades distintas: somá-las como se fossem uma economia única, ou convertê-las diretamente em redução de custos, excederia a evidência apresentada.
O que exigir antes de adotar algo semelhante no Brasil
Esses estudos de caso foram divulgados pelo fornecedor da tecnologia, não são auditorias independentes. As páginas não documentam um protocolo completo que permita reproduzir as métricas em outro ambiente. Também não confirmam preço, condições de acesso, tratamento de dados ou desempenho para uma operação no Brasil (SentinelOne; Block). A pergunta prática, portanto, não é se os números podem ser importados, mas como verificar o resultado em tarefas e dados da própria equipe.
Um piloto hipotético, claramente distinto dos casos publicados, poderia começar com amostras de malware já analisadas e investigações encerradas, separadas das usadas para ajustar o fluxo. Para cada tarefa, a equipe definiria antes o que conta como conclusão correta, quais evidências devem acompanhá-la, quanto tempo a revisão humana consome e quais falhas seriam inaceitáveis. Compararia os resultados com o processo atual, registrando erros, alertas perdidos, retrabalho e casos em que o sistema pede ajuda. Esse desenho evita que uma saída rápida, porém difícil de conferir, pareça um ganho completo.
Antes de conectar o sistema a telemetria ou código de produção, vale solicitar demonstração de reexecução das consultas, delimitação das permissões e uma regra clara sobre quem autoriza alterações. Convém verificar separadamente condições contratuais e tratamento dos dados que seriam enviados ao serviço; os relatos não resolvem essas questões para uma organização brasileira. Para aprofundar a diferença entre resultado divulgado e teste aplicável ao próprio contexto, veja nosso guia de interpretação de benchmarks e a análise sobre limites das avaliações de segurança de modelos. O aprendizado central dos casos é avaliar a cadeia inteira — evidência, análise, decisão, verificação e implantação — sem confundir a velocidade de uma etapa com segurança demonstrada do processo.
Fontes e referências
- SentinelOne cuts malware analysis from weeks to hours | OpenAIopenai.com · Consultado em 15/10/2026
- How Block is building AI-powered security with OpenAI technology | OpenAIopenai.com · Consultado em 15/10/2026