Shadow AI Agents: O Risco Real da Facilidade do Vibe Coding e Como Resolver Sem Proibir

Escrevi aqui há algumas semanas sobre o shadow AI, o fenômeno de funcionários usando ferramentas de inteligência artificial sem conhecimento ou aprovação da TI. A Gartner já alertava que 69% das organizações suspeitam ou têm evidência de que seus funcionários usam ferramentas de IA proibidas no trabalho, com projeção de que 40% das empresas globais vão sofrer incidentes de segurança ou compliance ligados a IA não autorizada até 2030.

Só que o problema tem evoluido. Não estamos falando apenas de um funcionário colando um trecho de contrato no ChatGPT. Estamos falando de agentes autônomos, criados pelo próprio colaborador, sem aprovação da TI, conectando senhas corporativas e bancos de dados confidenciais a ferramentas de terceiros, muitas vezes sem nenhuma camada de criptografia ou controle de acesso. É o que a indústria já chama de shadow AI agents, e a diferença para o shadow AI tradicional é estrutural: agora existe um sistema operando de forma contínua e autônoma dentro da sua infraestrutura, não apenas uma pessoa fazendo uma pergunta pontual a um chatbot.

A Facilidade Que Virou Porta de Entrada Para o Risco

O motivo pelo qual esse fenômeno explodiu é fácil de entender. Plataformas de vibe coding, como o Lovable, permitem que qualquer pessoa descreva em linguagem natural o que quer construir e receba um aplicativo funcional completo em minutos, sem escrever uma única linha de código. É uma democratização real da criação de software. O problema é que essa facilidade despencou junto com a segurança.

Os números são alarmantes. Entre 40% e 62% do código gerado por IA contém vulnerabilidades de segurança, segundo diferentes estudos do setor. Uma análise do primeiro trimestre de 2026 encontrou que 91,5% dos aplicativos construídos por vibe coding tinham pelo menos uma falha rastreável a alucinação do modelo de IA. O Georgia Tech, através do seu Vibe Security Radar, registrou 35 vulnerabilidades críticas atribuídas a aplicações de vibe coding somente em março de 2026, um salto de seis vezes em relação a janeiro do mesmo ano.

O próprio Lovable, avaliado em US$ 6,6 bilhões e usado por oito milhões de pessoas, enfrentou um incidente em que o código-fonte e o histórico de conversas de IA de projetos públicos ficaram acessíveis a qualquer usuário logado na plataforma por cerca de onze semanas. Uma varredura da empresa de segurança Escape.tech em 5.600 aplicativos publicamente implantados, construídos em plataformas como Lovable, Bolt.new e Base44, encontrou mais de 2 mil vulnerabilidades críticas, mais de 400 segredos expostos, incluindo chaves de API, e 175 casos de dados pessoais sensíveis, incluindo prontuários médicos e dados bancários.

Um dado que resume o tamanho do problema: código gerado com apoio de IA expõe segredos corporativos ao dobro da taxa do código escrito por humanos, 3,2% contra 1,5%, segundo levantamento da Cloud Security Alliance. Cada colaborador que cria um agente ou aplicação sozinho, por mais boa intenção que tenha, está estatisticamente mais propenso a deixar uma porta aberta do que a fechar.

Por Que Proibir Nunca Funciona

A reação mais comum de lideranças assustadas com esses números é tentar proibir o uso dessas ferramentas. Isso não funciona, e existe dado concreto que prova o motivo. Um sistema de saúde que passou a oferecer ferramentas de IA aprovadas oficialmente, em vez de simplesmente bloquear o acesso a ferramentas externas, viu uma redução de 89% no uso não autorizado, junto com uma economia de 32 minutos por dia de trabalho para cada profissional clínico.

A lógica é simples de entender quando se observa de perto: colaboradores não adotam shadow AI por má fé. Adotam porque encontraram uma solução real para um problema real, e a empresa não ofereceu alternativa igualmente rápida e fácil dentro de um ambiente seguro. Proibir sem substituir apenas empurra o comportamento para debaixo do radar, tornando o risco mais difícil de enxergar, não menor.

O Caminho Certo: Letramento, Ambiente Seguro e Auditoria

Nas consultorias e workshops que realizo, defendo uma abordagem em três camadas para qualquer empresa que quer resolver esse problema de verdade, sem sufocar a produtividade que a IA generativa trouxe para os times.

A primeira é letramento real, não um treinamento burocrático de meia hora. A equipe inteira precisa entender na prática o que é um agente de IA, o que significa conectar credenciais corporativas a uma ferramenta externa, e por que isso é diferente de simplesmente usar um chatbot para tirar uma dúvida. Sem esse entendimento básico, qualquer política escrita vira letra morta.

A segunda é oferecer um ambiente seguro e governado onde a equipe possa acessar dados e desenvolver suas próprias soluções de automação, mas dentro de uma estrutura com controle de acesso, criptografia e trilha de auditoria já embutidos por padrão. A pessoa continua tendo a liberdade de criar. Só que agora cria dentro de um perímetro seguro, em vez de depender de uma ferramenta externa sem nenhuma garantia.

A terceira é cadastro e governança formal de cada agente criado. Toda automação que acessa dado sensível ou executa ação relevante precisa estar documentada: quem criou, o que faz, quais sistemas acessa, e com que frequência é revisada. Isso não é burocracia por burocracia. É exatamente o que separa uma empresa que sabe onde está o risco de uma empresa que só vai descobrir depois de um incidente.

Como Estamos Aplicando Isso na Prática: o Agentic Office da Simplí

Esse não é um discurso apenas teórico. Na Simplí, já estamos trabalhando com o conceito de Agentic Office, um ambiente pensado exatamente para resolver essa equação: dar à equipe a liberdade de criar agentes especializados para o próprio trabalho, com todos os guardrails de segurança e governança necessários já embutidos na estrutura, em vez de depender de plataformas externas sem controle.

Um exemplo real desse trabalho está em andamento com a Revestir Home Center. Começamos pela área de compras da empresa, analisando profundamente os dados e processos existentes antes de qualquer implementação. Essa análise inicial é o passo que mais empresas pulam quando adotam IA às pressas: entender o dado real, o fluxo real de trabalho, e só depois desenhar os agentes especializados que vão de fato entregar resultado dentro daquele contexto específico.

A diferença entre esse modelo e o cenário de shadow AI descrito no início deste texto é exatamente a que separa risco de resultado sustentável: em vez de um colaborador construir uma automação isolada, sem visibilidade da liderança e sem controle de segurança, a empresa constrói, com apoio especializado, uma esteira de agentes desenhados sobre dado real, com governança desde o primeiro dia.

O Que Toda Liderança Precisa Fazer Esta Semana

Se você lidera uma equipe hoje, existe uma pergunta simples que vale mais do que qualquer pesquisa de mercado: quantas automações informais, criadas por conta própria pelos seus colaboradores em plataformas como Lovable, Bolt ou similares, estão rodando agora mesmo dentro da sua operação, sem que você saiba?

A resposta honesta, na maioria das empresas brasileiras com quem converso, é que ninguém sabe ao certo. E essa incerteza, mais do que qualquer vulnerabilidade técnica específica, é o verdadeiro risco. Não é possível governar o que você não consegue enxergar.

A pergunta que fica para qualquer liderança que chegou até aqui é direta: a sua empresa já decidiu se vai continuar torcendo para que nenhum colaborador conecte um dado sensível a uma ferramenta externa sem controle, ou vai construir, com urgência, o ambiente seguro que permite à sua equipe criar e inovar sem colocar a operação inteira em risco?