Exaforce AI Security é lançado com um botão de desligamento para agentes desonestos

A Exaforce lançou o Exaforce AI Security em 15 de setembro com uma promessa direta: encontrar agentes desonestos e interrompê-los antes que suas ações se transformem em uma violação. O lançamento adiciona descoberta sem agente, análise de risco, detecção em tempo de execução e um botão de desligamento de agentes à plataforma existente de operações de segurança da Exaforce.

A mudança importante não é mais um painel para acompanhar o uso de IA. A Exaforce quer que as equipes de segurança conectem as ações de um agente ao funcionário, dispositivo, credenciais, arquivos e recursos de nuvem por trás delas. Essa correlação importa porque um agente pode executar ações individualmente legítimas que, juntas, formam uma sequência perigosa.

A Exaforce entra em um mercado no qual Microsoft, Cisco e Palo Alto Networks já oferecem abordagens concorrentes para descoberta de agentes e controle em tempo de execução. Seu diferencial é um modelo sem agente que utiliza integrações existentes e telemetria de endpoints. A questão central é se esse modelo consegue identificar intenções maliciosas com precisão suficiente para justificar uma intervenção automatizada.

Exaforce AI Security conecta ações de agentes em um único incidente

O lançamento trata o comportamento de um agente de IA como uma sequência conectada, em vez de uma coleção de entradas de log isoladas.

O Exaforce AI Security tornou-se amplamente disponível por meio da plataforma operada pela própria empresa e de seu serviço gerenciado de detecção e resposta. Os detalhes do lançamento da empresa descrevem três funções principais: descobrir atividades de IA, identificar configurações arriscadas e detectar ameaças enquanto os agentes operam.

A descoberta abrange aplicações de IA, agentes de desktop, uso de modelos, servidores Model Context Protocol, skills, plugins e credenciais relacionadas. Model Context Protocol, geralmente abreviado como MCP, é um padrão que permite que sistemas de IA se conectem a ferramentas externas e fontes de dados.

A plataforma supostamente usa APIs de provedores de modelos, serviços SaaS, suítes de produtividade e sistemas de identidade. Ela também analisa dados de detecção e resposta de endpoints já coletados pela Exaforce. Esse design significa que os clientes não precisam instalar outro agente de endpoint exclusivamente para os novos recursos.

A Exaforce afirma conseguir distinguir um agente de IA de outros processos em um dispositivo. Em seguida, associa esse processo à identidade de um funcionário, ao dispositivo utilizado e às permissões disponíveis para essa pessoa.

A plataforma pode acompanhar atividades subsequentes, incluindo um shell aberto por um agente, um arquivo que ele lê ou um endereço externo que ele contata. Ela também monitora logs de provedores de modelos e sessões de chat de IA em busca de informações sensíveis, intenções suspeitas, injeção de prompt e uso incomum.

Esse contexto alimenta um grafo de agentes. O grafo conecta funcionários, agentes, aplicações de IA, concessões OAuth, credenciais, servidores MCP, arquivos e recursos acessíveis. As concessões OAuth são permissões delegadas que permitem que uma aplicação acesse outro serviço sem receber a senha do usuário.

Essa abordagem resolve um problema prático de registros. Um agente frequentemente atua por meio das credenciais da pessoa que o iniciou. Portanto, um log de auditoria em nuvem pode mostrar um funcionário autorizado lendo um arquivo, rotacionando uma chave ou atualizando código.

Cada ação pode parecer aceitável quando analisada isoladamente. O perigo se torna visível apenas depois que o sistema conecta as ações e identifica uma progressão incomum.

Um agente pode ler cookies do navegador, usar uma sessão armazenada para acessar um serviço de nuvem e enviar dados para um domínio desconhecido. Ferramentas tradicionais podem registrar cada etapa sem reconhecer que elas formam um único incidente.

A Exaforce afirma que seu grafo de conhecimento combina informações de identidade, endpoint, nuvem, SaaS, código e provedores de IA. Seus modelos de detecção podem então avaliar toda a sequência em relação ao comportamento normal da identidade.

A empresa também oferece às equipes de segurança uma escolha sobre a autonomia da resposta. Uma ação pode exigir aprovação de um analista, ser executada automaticamente ou ficar entre esses dois modos de acordo com a política organizacional.

A reportagem independente sobre o lançamento afirma que as opções de resposta incluem revogar sessões, desativar chaves de provedores de modelos, isolar dispositivos e encerrar processos de agentes. A Exaforce agrupa essas ações sob o termo “botão de desligamento de agentes”.

Esse rótulo soa como um único botão universal de desligamento. Na prática, trata-se de um conjunto de ações de contenção aplicadas aos recursos que sustentam um agente.

Um processo pode ser encerrado, mas o mesmo fluxo de trabalho pode manter credenciais ou reiniciar em outro lugar. Uma contenção eficaz, portanto, exige controle coordenado de processos, sessões, chaves, dispositivos e serviços conectados.

A detecção de agentes desonestos está se tornando um problema de identidade

O desafio de segurança começa quando um software autônomo herda um acesso humano confiável, mas opera de forma mais rápida e menos previsível que seu proprietário.

Um agente corporativo raramente trabalha de forma isolada. Ele pode receber uma tarefa, ler documentos internos, chamar APIs, invocar ferramentas locais, criar código e se comunicar com outros serviços.

Essas capacidades dão valor operacional aos agentes. Elas também transformam uma instrução equivocada, integração comprometida ou prompt malicioso em uma cadeia de ações autenticadas.

É por isso que a detecção de agentes desonestos da Exaforce se concentra fortemente na identidade. O sistema precisa responder quem iniciou o agente, qual identidade ele representa, quais credenciais pode usar e quais recursos essas credenciais podem alcançar.

Uma identidade convencional de funcionário tem um padrão relativamente compreensível. As equipes de segurança conhecem a função da pessoa, seus dispositivos habituais, aplicações normais e horário de trabalho esperado.

Um agente complica esse modelo. Ele pode operar continuamente, concluir muitas ações rapidamente e selecionar ferramentas sem pedir aprovação a cada etapa. Também pode gerar processos locais ou usar permissões concedidas para um fluxo de trabalho humano mais amplo.

O resultado é uma lacuna de atribuição. O log identifica o funcionário, mas ele não iniciou manualmente todas as ações registradas. Investigadores precisam separar a intenção humana da execução do agente.

A Exaforce argumenta que as ferramentas existentes de endpoint e SaaS não foram projetadas para essa distinção. O diretor executivo Ankur Singla afirmou que as equipes de segurança precisam combinar a atividade de agentes com as informações de identidade, nuvem e endpoint que já coletam.

A empresa ilustra o problema com um agente de IA para desktop executado com seus prompts de segurança desativados. Segundo a Exaforce, o agente abriu um shell, copiou um banco de dados de cookies do navegador e o pesquisou em busca de cookies de sessão corporativos.

O endpoint não bloqueou a atividade. A Exaforce afirma que sua plataforma acompanhou a árvore de processos, associou a atividade a um endereço externo e a conectou a 15 descobertas anteriores envolvendo o mesmo usuário e endereço.

A empresa classificou o incidente como uma descoberta de prioridade um e afirma que ele foi triado em 11 minutos. Esses detalhes vêm do próprio ambiente da Exaforce ou de telemetria de clientes e não foram comparados de forma independente.

Ainda assim, o cenário demonstra por que a análise de sequências em tempo de execução importa. Ler um banco de dados do navegador pode ser suspeito, mas o comportamento de identidade e rede ao redor determina o nível real de risco.

Um segundo exemplo envolve permissões OAuth excessivas. A Exaforce afirma ter encontrado uma aplicação OpenAI autorizada a gravar, modificar, enviar ou excluir dados em todo um ambiente Google Workspace.

Ela também identificou uma integração de calendário Claude com permissões de gravação e envio mais amplas do que a tarefa esperada exigia. Essas descobertas representam riscos de postura, não ataques confirmados.

Essa distinção é importante. Uma permissão ampla cria um potencial raio de impacto, enquanto um comportamento malicioso em tempo de execução indica que o risco está sendo explorado.

O Exaforce AI Security tenta conectar os dois lados. Sua camada de risco identifica configurações vulneráveis antes de um incidente, enquanto a detecção em tempo de execução busca uso indevido ativo.

Para as equipes de segurança, isso cria uma nova exigência de inventário. Elas precisam entender não apenas quais modelos os funcionários acessam, mas também quais agentes, skills, plugins e servidores MCP podem transformar a saída de modelos em ação.

O inventário precisa permanecer atualizado. Funcionários podem instalar uma extensão de programação com IA ou conectar um novo assistente SaaS sem um projeto centralizado de implantação.

Líderes de segurança enfrentam problemas semelhantes de shadow IT há anos. O software agêntico eleva os riscos porque a aplicação não aprovada pode agir, e não apenas armazenar ou exibir informações.

O design sem agente é a principal aposta da Exaforce

A Exaforce aposta que a telemetria existente consegue revelar o comportamento dos agentes sem adicionar outro componente de monitoramento a cada endpoint.

A alegação de ausência de agente exige interpretação cuidadosa. A Exaforce não opera sem coletores de dados ou integrações. Ela depende de informações provenientes de produtos de segurança de endpoint existentes, provedores de modelos, sistemas de identidade, serviços de nuvem e plataformas de produtividade.

“Sem agente” significa que os clientes não instalam um componente adicional da Exaforce especificamente para monitorar agentes de IA. A plataforma analisa dados que a Exaforce já ingere ou pode obter por meio de APIs de provedores.

Essa arquitetura oferece uma vantagem operacional óbvia. Equipes de segurança corporativa já gerenciam conjuntos lotados de soluções de endpoint, e cada agente adicional introduz preocupações de implantação, manutenção, compatibilidade e desempenho.

Reutilizar telemetria estabelecida pode encurtar o tempo de implementação. Também pode colocar a atividade de IA na mesma fila de investigação usada para incidentes de identidade, nuvem, endpoint e SaaS.

Essa visão unificada é o mecanismo central por trás do Exaforce AI Security. A plataforma não julga um agente apenas pelo prompt enviado a um modelo ou pela resposta retornada.

Em vez disso, ela examina a atividade ao redor. Isso inclui processos de dispositivos, conexões de rede, acesso a arquivos, autenticação de contas, chamadas de nuvem, contexto de código e uso de provedores.

Um assistente de programação que abre um shell não é automaticamente malicioso. Abrir um shell, ler arquivos de credenciais, contatar um domínio desconhecido e tentar um login na nuvem forma um padrão mais significativo.

O mesmo princípio se aplica a aplicações de negócios. Um assistente de calendário que acessa eventos condiz com sua finalidade. O mesmo assistente recebendo ampla autoridade para enviar e-mails ou modificar dados não relacionados do espaço de trabalho merece uma análise mais atenta.

A camada de risco da Exaforce também avalia skills e plugins antes da execução. A empresa descreveu ter encontrado uma skill relacionada a culinária cuja função de análise buscava e exfiltrava variáveis de ambiente sensíveis.

A incompatibilidade entre a finalidade declarada da skill e o comportamento de seu código elevou o risco. Trata-se de um problema de cadeia de suprimentos de software expresso por meio de uma extensão de IA.

Skills e servidores MCP podem expandir rapidamente as capacidades de um agente. Eles também podem introduzir código não revisado, dependências remotas e caminhos de acesso que os usuários não compreendem.

A Exaforce afirma que sua plataforma atribui pontuações de risco e recomendações a esses componentes. Essa pontuação pode ajudar a priorizar revisões, mas sua utilidade depende da qualidade da detecção e do contexto disponível.

O modelo sem agente também cria sua limitação mais importante. A Exaforce só pode analisar atividades representadas na telemetria que recebe.

Um produto de endpoint pode mostrar que um processo leu um arquivo, mas não revelar o raciocínio completo do agente ou o prompt que desencadeou a ação. Um provedor de modelos pode expor logs de uso sem registrar cada chamada de ferramenta local.

As APIs dos provedores também diferem em cobertura e tempo de disponibilização. Alguns oferecem trilhas de auditoria detalhadas, enquanto outros expõem informações administrativas limitadas. Modelos hospedados localmente ou agentes personalizados podem gerar registros diferentes.

Tráfego criptografado, ferramentas sem suporte, dispositivos desconectados e processos de curta duração podem criar pontos cegos. Um sistema montado a partir de logs existentes precisa identificar e divulgar essas lacunas com clareza.

Isso não invalida a arquitetura. Significa que “agentless” descreve a conveniência de implantação, não a observabilidade completa.

Um comprador que avalia o produto deve perguntar quais sinais estão disponíveis para cada tipo de agente. A resposta varia entre ChatGPT, Gemini, Copilot, Claude, agentes locais de programação, fluxos de trabalho personalizados e modelos auto-hospedados.

As implantações mais robustas provavelmente combinarão registros dos provedores com telemetria de endpoints, rede, identidade e nuvem. A ausência de uma dessas camadas pode enfraquecer a atribuição ou atrasar a contenção.

Para equipes que já enviam esses sinais ao Exaforce, a integração pode ser relativamente direta. Organizações que utilizam produtos de endpoint ou identidade sem suporte podem ter uma experiência diferente.

Microsoft, Cisco e Palo Alto Já Controlam Camadas Essenciais

O Exaforce não está criando a categoria de segurança de agentes; está desafiando fornecedores maiores sobre onde o controle deve residir.

A Microsoft posicionou o Agent 365 como um plano de controle para observar, governar e proteger agentes. Ele abrange agentes que usam acesso delegado de funcionários e agentes que operam com suas próprias credenciais.

O plano de controle de agentes da empresa combina Microsoft Defender, Intune, Entra e administração do Microsoft 365. Ele pode descobrir agentes locais e em nuvem, mapear identidades e recursos e aplicar políticas a agentes compatíveis.

A Microsoft também afirma que o Defender pode mapear um agente para seu dispositivo, identidade associada, servidores MCP configurados e recursos de nuvem acessíveis. Isso soa próximo ao contexto baseado em grafos que o Exaforce promove.

A diferença estratégica é a distribuição. A Microsoft já controla identidade, produtividade, gerenciamento de dispositivos e segurança de endpoints dentro de muitas empresas.

O Agent 365 pode, portanto, tornar a governança de agentes um recurso de um ambiente administrativo Microsoft existente. O Exaforce precisa demonstrar por que uma camada de segurança independente oferece um contexto mais amplo ou mais útil.

A vantagem da Microsoft também pode ser uma limitação. As empresas usam agentes e serviços em múltiplas nuvens, provedores de modelos, endpoints e plataformas SaaS. Uma equipe de segurança pode preferir um fornecedor que não esteja centrado em um único ecossistema de software.

A Palo Alto Networks aborda o problema por meio do Prisma AIRS, sua plataforma de segurança de IA. O Prisma AIRS 3.0 inclui descoberta de agentes, varredura de artefatos, red teaming, controles de identidade e aplicação de políticas em tempo de execução.

Seu AI Agent Gateway foi projetado como um ponto central para governança e controle em tempo de execução. A Palo Alto Networks também conecta a segurança de IA a produtos de rede, nuvem, navegador e endpoint.

A Cisco segue outra rota com o AI Defense. Sua proteção em tempo de execução abrange prompts, respostas, fluxos de dados, interações MCP e fluxos de trabalho de agentes.

A Cisco pode recorrer à visibilidade de rede e à inteligência de ameaças. Essa posição ajuda a inspecionar o tráfego entre agentes, modelos, usuários e serviços externos.

Esses concorrentes mostram que o mercado está convergindo em torno de várias funções comuns:

• Descobrir agentes autorizados e não autorizados.

• Associar agentes a proprietários e identidades.

• Mapear ferramentas, permissões, dados e recursos acessíveis.

• Avaliar habilidades, modelos, prompts e integrações.

• Monitorar o comportamento enquanto os agentes operam.

• Bloquear ações perigosas ou revogar acesso.

• Preservar evidências para investigação.

A distinção do Exaforce está em colocar essas funções dentro de sua plataforma de operações de segurança orientada por agentes. A empresa argumenta que a atividade dos agentes deve aparecer no mesmo contexto de investigação que todos os demais sinais empresariais.

Esse design pode atrair provedores de segurança gerenciada e equipes de segurança enxutas. Eles podem preferir uma fila operacional única em vez de outro console especializado de segurança de IA.

No entanto, fornecedores de plataformas maiores podem apresentar o mesmo argumento de consolidação. A Microsoft pode consolidar em torno de seu plano de controle administrativo. A Palo Alto Networks pode consolidar em torno de seu portfólio de segurança. A Cisco pode consolidar em torno da aplicação de políticas de rede e tempo de execução.

A questão competitiva, portanto, não é quem oferece primeiro um inventário de agentes ou um interruptor de desligamento. É quem consegue coletar o contexto mais relevante e transformá-lo em decisões precisas.

O Exaforce também opera seus próprios agentes de segurança de IA, chamados Exabots, para detecção, triagem, investigação, hunting e resposta. Sua plataforma agora usa agentes de IA para ajudar a proteger outros agentes de IA.

Essa simetria cria valor e risco. A análise automatizada pode processar atividades complexas mais rapidamente do que uma equipe humana, mas um julgamento incorreto do modelo pode acionar uma ação de contenção desnecessária.

As configurações de aprovação humana oferecem aos clientes uma forma de administrar esse risco. Ainda assim, exigir aprovação para cada resposta pode reduzir a vantagem de velocidade prometida pela automação.

O mercado está, em última instância, avançando em direção à autonomia gradual. Ações de baixo risco podem ser executadas automaticamente, enquanto respostas disruptivas exigem evidências mais robustas ou confirmação humana.

Um Interruptor de Desligamento de Agentes Não Resolve uma Detecção Fraca

Um controle de resposta só é tão confiável quanto as evidências usadas para ativá-lo.

A expressão “interruptor de desligamento de agentes” sugere certeza. Um sistema detecta um agente malicioso, um operador pressiona um botão e a ameaça termina.

Os ambientes empresariais são menos organizados. Os agentes dependem de processos, credenciais, contas de provedores de modelos, integrações, sessões de navegador e recursos de nuvem. Encerrar um componente nem sempre elimina o restante.

Um invasor pode manter um token OAuth após o fim de um processo de agente. Um fluxo de trabalho agendado pode reiniciar o processo. Uma identidade comprometida pode iniciar as mesmas ações por meio de outra ferramenta.

É por isso que as opções de resposta do Exaforce vão além da interrupção de processos. Revogação de sessões, desativação de chaves, isolamento de dispositivos e controles de identidade podem eliminar vários caminhos de uma só vez.

Essas ações também podem interromper trabalho legítimo. Isolar o dispositivo de um desenvolvedor ou revogar uma credencial de produção gera consequências operacionais, especialmente quando a confiança na detecção é incerta.

Por isso, falsos positivos importam tanto quanto ataques não detectados. Uma plataforma que alerta sobre cada execução de shell, leitura de arquivo grande ou domínio desconhecido sobrecarregará os analistas e desestimulará respostas automáticas.

O Exaforce afirma que seus modelos contextuais reduzem esse problema ao conectar comportamentos relacionados. A alegação é plausível, mas os materiais de lançamento não fornecem medições independentes das taxas de detecção.

Eles também não divulgam taxas de falsos positivos para os novos recursos de segurança de agentes. Nenhum benchmark público compara a detecção de agentes maliciosos do Exaforce com Microsoft, Cisco, Palo Alto Networks ou fornecedores especializados.

A cobertura representa outra incerteza. O Exaforce cita grandes provedores, incluindo OpenAI, Google, Microsoft e Anthropic. As empresas também operam agentes personalizados, modelos de código aberto, extensões de navegador e sistemas internos de orquestração.

A eficácia do produto dependerá de quão consistentemente ele reconhece essas implementações diferentes. Um agente executado dentro de uma ferramenta sem suporte pode aparecer como um processo comum.

O contexto comportamental pode ajudar, mas contexto não é o mesmo que intenção. Um agente de testes de segurança pode coletar cookies ou sondar limites de acesso como parte de um exercício autorizado.

Um agente comprometido também pode imitar o trabalho normal. Ele pode exfiltrar pequenas quantidades de dados por meio de um serviço aprovado ou permanecer dentro dos padrões de acesso já existentes do usuário.

Respostas automatizadas acrescentam uma questão de governança. Os clientes precisam decidir quais ações a plataforma pode executar sem confirmação e quem é responsável quando essas ações causam interrupções.

Uma política madura deve vincular a autoridade de resposta à confiança, à sensibilidade do ativo e ao impacto nos negócios. Encerrar um processo experimental de baixo valor é diferente de desativar uma credencial usada por sistemas de produção.

As equipes de segurança também devem testar modos de falha antes de habilitar autonomia total. Exercícios podem medir se um endpoint isolado permanece acessível para investigação e se a revogação de chaves afeta serviços não relacionados.

As evidências mais confiáveis virão de implantações documentadas de clientes. Os compradores precisam saber quanto tempo a descoberta leva, quais agentes permanecem invisíveis e quantas descobertas exigem correção por analistas.

Eles também precisam de exemplos envolvendo atividade adversária real, e não apenas permissões arriscadas ou configurações de teste intencionalmente inseguras. Descobertas de postura e detecções de ameaças resolvem problemas diferentes.

Os exemplos de tenants ativos relatados pelo Exaforce oferecem uma visão inicial. Eles não estabelecem desempenho geral em ambientes empresariais diversos.

Esse é o principal trade-off por trás do Exaforce AI Security. A implantação agentless pode reduzir o atrito de adoção, mas a dependência de telemetria existente pode produzir visibilidade desigual.

O produto pode ter bom desempenho onde o Exaforce já recebe dados ricos de endpoints, identidade, nuvem e provedores. Suas conclusões serão menos certas onde esses sinais estiverem incompletos.

O Que Comprovará que o Exaforce AI Security Funciona

O próximo teste não é outro anúncio de recurso; são evidências mensuráveis de que a plataforma encontra sequências perigosas sem interromper agentes legítimos.

O primeiro sinal a observar é a validação independente de clientes. O Exaforce precisa de relatórios de implantação que mostrem quais agentes descobriu, quais riscos deixou de identificar inicialmente e como os analistas trataram suas descobertas.

Evidências úteis separariam cobertura de inventário, análise de postura, detecção ativa de ameaças e resposta. Combinar esses resultados em uma única alegação de sucesso dificultaria a avaliação.

Os resultados dos clientes também devem divulgar a telemetria disponível em cada ambiente. O desempenho de detecção baseado em ampla cobertura de endpoints e identidade não deve ser generalizado para organizações com menos integrações.

Resultados sólidos em campo reforçariam a alegação do Exaforce de que dados existentes podem sustentar segurança em tempo de execução agentless. Pontos cegos persistentes enfraqueceriam o argumento central do design.

O segundo sinal é uma cobertura de integração mais ampla. O lançamento atual se conecta a grandes provedores de modelos e utiliza dados existentes de endpoints e do ambiente empresarial.

A adoção de agentes nas empresas não permanecerá concentrada em poucos produtos. Equipes internas podem montar agentes a partir de modelos abertos, frameworks de código, servidores MCP, ferramentas de linha de comando e APIs personalizadas.

O Exaforce precisa continuar reconhecendo novas formas de agentes sem exigir um sensor dedicado para cada uma. Anúncios de integração só importam quando expõem dados suficientes para atribuição e resposta.

O suporte apenas à descoberta é insuficiente. As equipes de segurança precisam de relações entre processos, chamadas de ferramentas, permissões, credenciais, destinos de rede e controles de resposta.

O terceiro sinal é como os concorrentes respondem. Microsoft, Palo Alto Networks e Cisco já ocupam pontos valiosos de aplicação de políticas em identidades, endpoints, redes e nuvens.

Se esses fornecedores tornarem o contexto de agentes multiplataforma uma parte padrão de seus produtos existentes, o Exaforce enfrentará uma pressão de distribuição maior. Se suas ferramentas permanecerem vinculadas a ecossistemas restritos, uma camada independente de correlação se tornará mais atraente.

O preço não é o único fator de compra. As equipes de segurança compararão esforço de implantação, qualidade de investigação, profundidade de integração, opções de serviços gerenciados e as consequências de ações automatizadas incorretas.

A posição da Exaforce é mais clara para organizações que já utilizam sua plataforma de operações de segurança ou serviço MDR. Os novos recursos podem adicionar a atividade de agentes de IA a um fluxo de trabalho já estabelecido.

Novos clientes enfrentam uma decisão mais ampla de plataforma. Eles precisam comparar a Exaforce com os controles já incluídos em sua infraestrutura de identidade, endpoints, nuvem ou rede.

O lançamento também destaca uma necessidade crescente de memória institucional sobre a atividade dos agentes. Investigadores precisam de acesso a decisões, aprovações, evidências de incidentes e lições de implantações anteriores.

Uma base de conhecimento de IA pesquisável pode ajudar as equipes a preservar esse contexto, embora não substitua controles de segurança em tempo de execução.

Para compradores corporativos, a ação imediata é mapear os agentes e seus acessos antes de selecionar uma plataforma de segurança. Identifique quem é responsável por cada agente, quais credenciais ele utiliza e quais sistemas pode alterar.

Em seguida, teste o Exaforce AI Security ou uma plataforma concorrente em cenários realistas. Inclua injeção de prompt, permissões OAuth excessivas, cadeias de ferramentas suspeitas, acesso a credenciais, movimentação de dados e fluxos de trabalho legítimos que se assemelhem a ataques.

Meça tanto a detecção quanto a interrupção. A plataforma vencedora não será aquela com a linguagem mais dramática sobre interruptores de desligamento. Será aquela que distingue de forma consistente a autonomia perigosa da automação produtiva e responde no nível adequado.