Segurança de OT: a arquitetura que faz o piloto de IA subir para produção
Publicado em 16 de novembro de 2026

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%
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.

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:
| Decisão | O que significa | O que ela evita |
|---|---|---|
| Zonas e condutos | a rede de controle não conversa direto com a corporativa | movimento lateral do escritório até o CLP |
| DMZ industrial | broker e historian de borda ficam na zona intermediária | nuvem abrindo sessão para dentro do controle |
| Fluxo de saída por padrão | o dado sai; o caminho de volta é explícito e limitado | comando inesperado chegando ao equipamento |
| Identidade por serviço | cada integração com credencial própria | a senha compartilhada do integrador |
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.


