Atomsix
Voltar para InsightsIndústria

Segurança de OT: a arquitetura que faz o piloto de IA subir para produção

Publicado em 16 de novembro de 2026

Segurança de OT: a arquitetura que faz o piloto de IA subir para produção

Em 2026 aconteceu uma troca de posição que muda quem precisa aprovar um projeto de IA industrial.

  • Segurança e privacidade37%
  • Qualidade e linhagem de dados32%
  • Integração com sistemas legados27%
  • Lacunas de talento24%
RSM US, Middle Market AI Survey 2026, 129 respondentes da indústria de manufatura, 21/07/2026

Segurança destronou o dado como barreira nº 1 à ampliação do deployment de IA. E 65% dos fabricantes classificam risco operacional como primeira ou segunda preocupação, com orçamento médio de cibersegurança em 15,74% do orçamento de TI.

A consequência é de processo de compra: quem aprova a escala é o diretor de operações com o responsável por segurança.

Por que o projeto de IA cria o problema

A causa é estrutural e não tem como ser contornada: conectar OT a IT para alimentar modelos é exatamente o movimento que amplia a superfície de ataque.

Antes do projeto, a rede de automação era isolada, ou pelo menos se acreditava que fosse. Depois dele, existe um caminho entre o chão de fábrica e um ambiente analítico que, por definição, precisa ser acessível a mais gente.

Três diferenças entre OT e IT explicam por que o manual de TI não serve:

  • Disponibilidade vem antes de confidencialidade. Em TI, na dúvida, derruba-se o serviço. Em OT, derrubar o serviço é parar a produção, ou deixar um processo em estado inseguro.
  • Não dá para atualizar quando quiser. Um CLP roda firmware validado; atualizar exige janela de parada e revalidação. Vulnerabilidade conhecida pode conviver anos com o processo.
  • O ciclo de vida é de décadas. Equipamento de 15 anos é normal, e ele não foi projetado com autenticação.

Por isso a resposta não é "proteger melhor cada dispositivo". É arquitetura.

Painel de rede industrial aberto, com patch panel, cabos organizados e blocos de terminais
Cada cabo novo entre a rede de automação e a corporativa é um caminho a mais para auditar. É por onde a revisão de segurança começa.

A arquitetura que passa na revisão

O vocabulário aqui é o da IEC 62443, a norma de segurança para automação industrial, combinado com a segmentação do modelo Purdue. Na prática, quatro decisões:

DecisãoO que significaO que ela evita
Zonas e condutosa rede de controle não conversa direto com a corporativamovimento lateral do escritório até o CLP
DMZ industrialbroker e historian de borda ficam na zona intermediárianuvem abrindo sessão para dentro do controle
Fluxo de saída por padrãoo dado sai; o caminho de volta é explícito e limitadocomando inesperado chegando ao equipamento
Identidade por serviçocada integração com credencial própriaa senha compartilhada do integrador
O que a arquitetura precisa mostrar para um projeto de IA subir

Ler é seguro; escrever é o que precisa de projeto. Um pipeline que só publica dado para fora tem risco gerenciável. Um que devolve comando para o equipamento exige os três níveis de autonomia (recomendação, setpoint supervisionado com limites validados, malha fechada), e o intertravamento do CLP continua sendo a autoridade final em todos eles.

O que pedir antes de aprovar

Quatro artefatos, e nenhum deles é caro de produzir quando o projeto está bem desenhado:

Inventário de ativos. O que está conectado, com que firmware. É o requisito que mais atrasa projetos, porque quase nenhuma planta tem a lista atualizada, e não dá para proteger o que não se sabe que existe.

Diagrama de fluxo de dados. Qual dado sai, por qual caminho, para onde, e o que (se algo) volta. Uma página. Se ninguém consegue desenhar, o projeto ainda não tem arquitetura.

Matriz de acesso. Quem e o que pode ler, quem pode escrever, com qual credencial.

Plano de resposta. O que acontece com a produção se a camada analítica for comprometida ou ficar indisponível, e quem decide desconectar.

O quarto tem um nome no chão de fábrica: modo degradado. A operação precisa continuar sem a camada nova, e isso tem que estar no escopo, não na fase dois.

Nuvem ou borda: onde o modelo roda muda a conversa

Uma decisão de arquitetura que costuma ser tomada por conveniência técnica e tem consequência direta na aprovação.

Modelo na nuvem exige que o dado saia da planta continuamente. Traz elasticidade, facilidade de retreino e um único lugar para manter. Em compensação, cria dependência de link, latência que pode inviabilizar casos de uso de decisão rápida, e uma conversa sobre o que exatamente está saindo, que é onde a revisão de segurança costuma travar.

Modelo na borda roda dentro da planta, num servidor industrial ou gateway. Resolve latência e dependência de link, e reduz drasticamente a superfície de exposição: o dado não sai. O custo é de manutenção (atualizar modelo em N plantas é mais trabalhoso que atualizar num lugar só) e de hardware por site.

O padrão híbrido costuma ser o que passa: treino na nuvem, inferência na borda. O dado histórico sobe em lote (com o que for sensível filtrado ou agregado antes de sair), o modelo treinado desce, e a decisão acontece localmente. Cada movimento tem um propósito declarável, que é exatamente o que a revisão pede.

A pergunta que decide entre os três não é técnica: o que acontece com a produção se o link cair por seis horas? Se a resposta for "para", a inferência precisa estar na borda, independentemente do que for mais cômodo.

O paradoxo: sem governança de dado, não há segurança de dado

Há uma dependência entre as duas primeiras barreiras da lista que costuma passar despercebida.

82% das indústrias dizem saber onde seus dados residem, mas só 58% os têm plenamente governados (Cloudera, recorte de manufatura). Esse gap de 24 pontos é problema de segurança tanto quanto de modelo: não se classifica, não se protege e não se audita um dado que não tem dono nem linhagem.

O mesmo trabalho que faz o modelo ser auditável faz o dado ser defensável. Linhagem serve às duas agendas, e é o argumento que destrava orçamento quando operações e segurança disputam a mesma verba.

E vale lembrar o tamanho do vão: apenas 34% têm sistemas de produção com streaming em tempo real e 43% dos dados coletados são efetivamente utilizados (HiveMQ, 2026; Rockwell Automation, 1.500+ fabricantes em 17 países).

O risco regulatório brasileiro

Em setembro de 2026 não existe marco legal de IA vigente no Brasil: o PL 2338/2023 seguia aguardando parecer na Câmara em 02/09/2026.

Quem preenche o vácuo é a LGPD, e ela já tem dente. Em 25 de agosto de 2026 a ANPD aplicou multa de R$ 153,7 milhões ao TikTok por violações à lei.

Para a indústria, o efeito aparece no que trava projeto: entre as grandes empresas brasileiras que não adotaram IA, 22% citam falta de clareza legal e 27% preocupação com proteção de dados (Cetic.br/NIC.br).

Dado de chão de fábrica raramente é pessoal, mas dado de produtividade por operador, imagem de câmera em linha e registro de acesso são. Tratar isso no desenho custa pouco; tratar depois custa o projeto.

A ordem que faz o piloto subir

Envolva segurança no desenho, não na entrega. É a barreira nº 1 à escala; chamar depois do piloto é garantir que o piloto não suba.

Comece por leitura. A maior parte do valor de um primeiro caso de uso não exige escrever nada no equipamento.

Traga o inventário de ativos para o escopo. Ele vai ser exigido de qualquer forma, e é melhor descobrir o que falta no mês 1 que no mês 6.

Trate linhagem como requisito compartilhado. É o que faz o modelo ser auditável e o dado ser protegido: um trabalho, duas aprovações.

Dado é a barreira que mata o piloto. Segurança é a que impede o piloto de virar produção. São estágios diferentes, e tratá-los na ordem errada custa um ciclo inteiro de orçamento.

Três perguntas antes do próximo piloto

  • O responsável por segurança já viu a arquitetura? Zonas, DMZ industrial e caminho de escrita.
  • O que esse projeto escreve no chão de fábrica, e dentro de quais limites? Se a resposta for "nada", a aprovação é muito mais simples.
  • A produção continua se a camada analítica cair? Se ninguém sabe, essa é a primeira entrega.

Diagnóstico de IA Industrial

Sete perguntas para saber se o seu próximo caso de uso vira decisão na linha. Cerca de 2 minutos.

    • Amazon
    • Google
    • Microsoft
    • Drata
    • Mercedes-Benz

    Junte-se a mais de 300 clientes que confiam em nós

    Fale com um consultor e descubra por onde começar.

    Falar com consultor