Operações de Segurança Agênticas da Microsoft Levam o SOC à Ação Delegada

A Microsoft apresentou, em 23 de setembro de 2026, uma nova abordagem para operações de segurança, baseada em agentes de IA dentro do Microsoft Defender. A estratégia de operações de segurança agênticas da Microsoft aponta para uma mudança significativa. O software deixaria de apenas resumir alertas para analistas. Ele passaria, cada vez mais, a investigar incidentes, reunir evidências, recomendar respostas e coordenar o trabalho entre ferramentas de segurança.

A distinção é importante porque um centro de operações de segurança, ou SOC, toma decisões sob incerteza. Os analistas precisam determinar se um login incomum representa um invasor, um funcionário descuidado ou uma atividade inofensiva. Um agente de IA pode acelerar esse trabalho, mas a velocidade não resolve quem deve autorizar ações com consequências relevantes.

A Microsoft vem avançando nesse modelo desde que apresentou agentes do Security Copilot voltados a tarefas específicas em 2025. Concorrentes seguiram caminhos semelhantes com produtos de investigação agêntica, triagem automatizada e resposta assistida por IA. O enquadramento mais recente da Microsoft eleva a competitividade ao tratar os agentes como parte da estrutura operacional, e não apenas como outra interface de assistente.

A disputa central, portanto, não é entre a Microsoft e um fornecedor específico. É entre a ação delegada a máquinas e a automação controlada por analistas. O primeiro modelo promete escala e persistência. O segundo preserva uma autoridade humana mais clara, mas deixa as equipes expostas ao crescente volume de alertas e a investigações mais lentas.

As Operações de Segurança Agênticas da Microsoft Mudam a Unidade de Trabalho

A Microsoft está reformulando o fluxo de trabalho de segurança em torno de objetivos atribuídos a agentes, em vez de prompts isolados enviados por analistas.

A publicação de segurança de setembro da Microsoft apresenta sua abordagem como uma reinvenção do SOC para uma era agêntica. A manchete pública identifica o Microsoft Defender como o ambiente operacional. Ela também descreve o design como construído para agentes de IA.

Essa formulação sinaliza mais do que uma interface conversacional. Um copilot convencional espera que uma pessoa faça uma pergunta. Um agente recebe um objetivo, escolhe etapas intermediárias, usa ferramentas aprovadas e avalia as informações resultantes.

Em um SOC, um objetivo poderia envolver investigar um possível comprometimento de identidade. O agente poderia coletar registros de login, comparar históricos de dispositivos, inspecionar mudanças recentes de privilégios e conectar alertas relacionados. Em seguida, poderia apresentar a um analista uma conclusão respaldada por evidências.

A mudança altera a unidade do trabalho de segurança. Tradicionalmente, os analistas transitam entre alertas, painéis, sistemas de consulta, filas de tickets e ferramentas de resposta. Os agentes de IA do Microsoft Defender prometem organizar essas atividades separadas em torno do resultado de uma investigação.

A Microsoft já havia estabelecido parte dessa direção em março de 2025. Seu grupo inicial de agentes do Security Copilot incluía agentes criados pela Microsoft e por parceiros para tarefas especializadas de segurança.

Esses agentes anteriores visavam cargas de trabalho delimitadas, incluindo triagem de phishing, investigação de alertas, correção de vulnerabilidades e riscos relacionados à identidade. Tarefas delimitadas são mais fáceis de governar porque as equipes podem definir suas entradas, saídas, permissões e condições de escalonamento.

O enquadramento de 2026 posiciona essas capacidades dentro de um modelo operacional mais amplo. Em vez de acrescentar inteligência a uma etapa da investigação, a Microsoft aparentemente está perguntando como um SOC orientado por agentes deve distribuir o trabalho do início ao fim.

No entanto, a manchete e a URL do anúncio não estabelecem todos os detalhes de implementação. As afirmações específicas da Microsoft sobre disponibilidade, cargas de trabalho compatíveis, autonomia e resultados de clientes exigem confirmação em sua documentação completa de produto.

Essa lacuna de verificação importa. “Construído para agentes” pode descrever várias arquiteturas diferentes. Uma pode permitir que os agentes coletem informações, mas proibir alterações. Outra pode permitir contenção depois que um analista aprova um plano proposto.

Uma implementação mais autônoma poderia permitir que um agente desativasse uma conta ou isolasse um dispositivo sob condições predefinidas. Esses modelos trazem consequências operacionais e legais distintas, mesmo quando os fornecedores comercializam todos eles como segurança agêntica.

Para os compradores, a mudança imediata é conceitual, mas relevante. As plataformas de segurança estão começando a competir pela forma como o trabalho é atribuído, supervisionado e documentado. A qualidade da detecção continua essencial, mas a autoridade sobre o fluxo de trabalho está se tornando uma dimensão distinta do produto.

O Volume de Alertas Está Forçando o SOC a Delegar Mais Trabalho

A pressão decorre de uma carga crescente de investigação que não pode ser resolvida colocando outra janela de chat ao lado de um analista.

Uma equipe moderna de segurança raramente sofre com falta de alertas. Seu problema mais difícil é converter sinais dispersos em decisões defensáveis antes que um invasor avance. Cada investigação pode exigir eventos de endpoints, identidades, recursos em nuvem, mensagens, inteligência de ameaças e registros de aplicações.

Esse processo exige muita atenção dos analistas. Mesmo um falso positivo consome tempo quando alguém precisa inspecionar o alerta, buscar atividades relacionadas, documentar o raciocínio e encerrar o caso.

A automação tradicional lida com etapas previsíveis por meio de regras e playbooks. Uma regra pode abrir um ticket quando uma pontuação de risco ultrapassa um limite. Um playbook pode enriquecer um endereço IP, bloquear um indicador conhecido e notificar um administrador.

Esses sistemas funcionam bem quando os projetistas conseguem antecipar as condições. Eles enfrentam dificuldades quando uma investigação se ramifica de acordo com evidências ambíguas. Um playbook rígido não consegue decidir facilmente qual das várias explicações plausíveis merece outra consulta.

Os modelos de linguagem de grande porte criam uma opção diferente. Eles podem interpretar contexto em linguagem natural, selecionar entre ações disponíveis e revisar um plano de investigação. Essa flexibilidade é a base da segurança de SOC agêntica.

A flexibilidade também cria incerteza. Uma regra determinística, isto é, que produz o mesmo resultado sob condições definidas, é relativamente fácil de testar. Um agente de IA pode escolher caminhos diferentes após pequenas mudanças de contexto.

A resposta estratégica da Microsoft é inserir agentes voltados a tarefas em uma plataforma que já reúne telemetria de segurança e controles de resposta. A integração pode reduzir o tempo perdido ao mover dados entre sistemas. Ela também pode dar ao fornecedor da plataforma uma visão mais ampla de cada incidente.

A pressão comercial recai primeiro sobre ferramentas independentes que controlam apenas uma etapa da investigação. Se o Defender puder coordenar detecção, coleta de evidências, gestão de casos e resposta, os compradores poderão questionar a necessidade de produtos adicionais para fluxos de trabalho.

Os provedores de segurança gerenciada também enfrentam pressão. Seu valor frequentemente inclui monitoramento contínuo e triagem repetitiva. Os agentes podem reduzir a mão de obra necessária para esses serviços, ao mesmo tempo que elevam as expectativas dos clientes quanto à velocidade de resposta.

Os analistas humanos enfrentam um desafio diferente. A função não desaparecerá simplesmente, porque incidentes difíceis envolvem contexto de negócios, evidências incompletas e responsabilização. No entanto, os analistas podem dedicar menos tempo à coleta de fatos e mais tempo à revisão de conclusões geradas por máquinas.

Essa transição altera as habilidades valorizadas por um SOC. A experiência com consultas continua útil, mas os analistas também precisam avaliar o comportamento dos agentes. Eles devem reconhecer evidências ausentes, raciocínio circular, confiança excessiva e planos de ação inseguros.

Os gestores também precisarão de novas métricas de desempenho. Encerrar mais alertas não comprova uma segurança melhor. Um agente pode aumentar a produtividade enquanto deixa de perceber repetidamente o mesmo tipo de ataque.

Métricas úteis devem incluir precisão da investigação, tempo até uma contenção válida, qualidade do escalonamento, correções feitas por analistas e danos causados por ações equivocadas. As equipes também precisam acompanhar quais decisões dos agentes os humanos revertem.

Essa pressão explica por que a Microsoft está avançando com o modelo agora. Os invasores já podem automatizar reconhecimento, geração de conteúdo, testes de credenciais e partes da exploração. Os defensores não podem responder a atividades no ritmo das máquinas com uma montagem de casos inteiramente manual.

Ainda assim, a resposta não pode ser uma autonomia irrestrita. As ferramentas de segurança podem interromper sistemas de produção, o acesso de funcionários e serviços para clientes. O setor precisa de decisões mais rápidas sem transformar raciocínio probabilístico em autoridade sem revisão.

A Ação Delegada É a Verdadeira Divisão Competitiva

A divisão importante não está em saber se os fornecedores usam IA, mas em quanta autoridade operacional seus agentes recebem.

Quase todas as grandes plataformas de segurança agora oferecem alguma forma de assistência de IA generativa. Resumos, geração de consultas, busca em linguagem natural e ações recomendadas estão se tornando recursos esperados.

Esses recursos melhoram a interface do analista sem alterar fundamentalmente o controle. Uma pessoa ainda decide qual pergunta fazer, em qual resultado confiar e se deve agir.

Um sistema agêntico transfere parte desse processo decisório para o software. Ele decide quais evidências recuperar em seguida. Também pode determinar que um caso atende a uma condição para escalonamento, encerramento ou contenção.

É nesse ponto que a posição de plataforma da Microsoft se torna importante. O Microsoft Defender pode conectar evidências de endpoints, identidade, e-mail, aplicações e segurança em nuvem dentro de um único ambiente de fornecedor. Essa amplitude dá aos agentes de IA do Microsoft Defender mais contexto do que um assistente isolado poderia receber.

Ela também concentra autoridade. Uma plataforma com ampla visibilidade e controles de resposta pode investigar com mais eficácia. A mesma plataforma pode gerar consequências mais amplas quando um agente interpreta mal a situação.

Considere uma conta suspeita acessando arquivos sensíveis de engenharia. Um agente poderia correlacionar um dispositivo desconhecido, uma localização incomum e uma mudança recente de privilégio. Essas evidências poderiam justificar contenção imediata.

No entanto, o funcionário poderia estar viajando após receber uma promoção aprovada. Um sistema sem contexto organizacional atualizado poderia tratar várias mudanças legítimas como evidência de comprometimento.

Esse exemplo mostra por que mais telemetria não cria automaticamente um entendimento completo. Os dados de segurança descrevem atividade técnica. Eles nem sempre capturam exceções de negócio, responsabilidades dos funcionários ou urgência operacional.

O modelo de ação delegada, portanto, precisa de limites claros. Ações de baixo risco podem receber automação mais ampla. Coleta de evidências, enriquecimento, remoção de duplicatas e construção de cronologias geralmente se encaixam nessa categoria.

Ações de alto impacto exigem controles mais fortes. Desativar a conta de um executivo, isolar um servidor de produção, excluir uma mensagem ou revogar acesso a uma aplicação pode interromper trabalhos críticos.

A autonomia baseada em risco oferece um caminho intermediário prático. A organização pode permitir que agentes executem ações reversíveis sob condições restritas. Ela pode exigir aprovação humana quando a incerteza ou o impacto potencial aumentarem.

Isso se assemelha ao pensamento já estabelecido de confiança zero. O acesso deve depender de política explícita, contexto verificado e privilégios limitados. Um agente de IA não deve receber ampla autoridade apenas porque opera dentro de um produto de segurança confiável.

A identidade do agente também importa. Cada agente deve ter uma identidade de serviço definida, ferramentas permitidas, limites de dados e histórico de ações. Credenciais compartilhadas dificultariam a reconstrução da responsabilidade.

Plataformas concorrentes provavelmente descreverão seus controles de forma diferente. Algumas enfatizarão a autonomia de ponta a ponta. Outras promoverão agentes supervisionados, fluxos de trabalho especializados ou integrações abertas entre vários fornecedores.

A vantagem da Microsoft vem de sua plataforma instalada e do acesso a sinais empresariais. Sua desvantagem é a preocupação de que um único fornecedor possa se tornar o detector, investigador, mecanismo de decisão e mecanismo de resposta.

Essa preocupação não invalida o modelo. Ela torna a auditabilidade um diferencial competitivo. Os clientes precisam ver por que um agente chegou a uma conclusão, quais registros a influenciaram e quais alternativas foram descartadas.

A segurança de SOC baseada em agentes será julgada por essa trilha de evidências. Uma resposta rápida sem raciocínio reproduzível pode reduzir o tempo de investigação enquanto aumenta o risco institucional.

Os Agentes de IA Criam uma Nova Fronteira de Segurança

Um agente capaz de investigar ameaças deve ser tratado como um sistema sensível à segurança, com confiança limitada.

Agentes de segurança consomem informações de ambientes nos quais invasores manipulam dados deliberadamente. Mensagens de e-mail, documentos, páginas da web, tickets, repositórios de código e campos de logs podem conter conteúdo hostil.

Isso cria exposição à injeção de prompt, que ocorre quando conteúdo não confiável tenta alterar as instruções de um sistema de IA. Um invasor pode inserir texto em um documento instruindo um agente a ignorar um alerta ou revelar informações restritas.

O agente pode não seguir essa instrução. Ainda assim, essa possibilidade altera o modelo de ameaça. Conteúdo que antes servia apenas como evidência agora pode influenciar o sistema que interpreta essa evidência.

A Microsoft e seus clientes, portanto, precisam de isolamento entre dados não confiáveis e instruções privilegiadas. O agente deve saber qual conteúdo é evidência, quais políticas têm autoridade e quais ações solicitadas exigem aprovação.

As permissões de ferramentas apresentam outro risco. Um modelo com acesso somente leitura pode chegar a uma conclusão equivocada. Um modelo com privilégios de contenção pode transformar esse erro em uma interrupção operacional.

O princípio do menor privilégio deve se aplicar no nível de cada ferramenta. Um agente de triagem de e-mails não precisa automaticamente de permissão para isolar endpoints. Um investigador de endpoints não precisa de acesso irrestrito à caixa de e-mail de todos os funcionários.

As organizações também devem separar planejamento de execução. Um componente pode propor um plano de investigação ou resposta. Uma camada de políticas pode verificar o plano em relação a regras determinísticas antes que qualquer ação ocorra.

Essa camada de políticas não deve depender inteiramente de outro modelo de linguagem. Algumas decisões exigem controles fixos, como impedir que um agente desative contas de emergência designadas.

A estrutura de riscos de IA do National Institute of Standards and Technology oferece uma referência útil de governança. Ela organiza o trabalho sobre riscos de IA em torno de governar, mapear, medir e gerenciar riscos.

Aplicada a um agente de segurança, a governança estabelece propriedade e uso aceitável. O mapeamento identifica sistemas afetados e possíveis danos. A medição testa o comportamento em condições normais e adversariais.

A gestão então converte essas conclusões em permissões, monitoramento, fluxos de aprovação e procedimentos de incidentes. Esse ciclo deve continuar após a implantação, porque modelos, ferramentas e dados organizacionais mudam.

O conhecimento sobre ameaças ATLAS, mantido pela MITRE, fornece outra referência relevante. Ele documenta técnicas adversariais envolvendo sistemas de machine learning e pode apoiar testes estruturados.

Nenhuma das estruturas certifica que um agente específico é seguro. Elas oferecem formas de fazer perguntas melhores e organizar evidências. Os clientes ainda precisam de testes específicos do produto em seus próprios ambientes.

O registro de logs deve ir além da resposta final. Um registro útil deve mostrar o objetivo atribuído, as ferramentas selecionadas, as evidências recuperadas, decisões intermediárias, verificações de políticas, aprovações e ações resultantes.

Dados sensíveis de raciocínio também exigem proteção. Rastros de investigação podem conter informações de funcionários, detalhes de incidentes, credenciais ou descrições de lacunas defensivas. Reter amplamente todos os rastros pode criar outro alvo valioso.

As organizações devem decidir o que armazenar, por quanto tempo e quem pode inspecionar esses dados. Elas também precisam de um processo para preservar evidências durante uma investigação interna ou retenção legal.

Atualizações de modelos acrescentam outra complicação. O comportamento de um agente pode mudar quando seu modelo subjacente, prompt, conector ou sistema de recuperação muda. Um fluxo de trabalho testado no mês passado pode não se comportar de forma idêntica após uma atualização.

Por isso, as equipes devem versionar as configurações dos agentes e repetir avaliações críticas. Elas precisam de casos representativos, entradas adversariais e testes para uso inseguro de ferramentas.

As alegações da Microsoft devem ser julgadas diante desses controles operacionais, e não pela fluência da interface. Um resumo de incidente bem elaborado pode ocultar evidências fracas ou uma trajetória de investigação incompleta.

A questão mais difícil não é se um agente chega à resposta correta durante uma demonstração. É se o sistema ao redor limita os danos quando o agente está errado.

O Padrão de Evidências Deve Aumentar com a Autonomia

A Microsoft não pode estabelecer confiança apenas com encerramentos de casos mais rápidos, porque maior autonomia exige evidências mais robustas da qualidade das decisões.

A automação de segurança costuma ser medida pelo tempo economizado. Fornecedores podem destacar menos etapas manuais, triagem mais rápida ou ciclos de resposta mais curtos. Essas métricas são úteis, mas incompletas.

Um agente pode encerrar um caso rapidamente porque reconheceu um padrão benigno. Também pode encerrá-lo rapidamente porque não coletou evidências contraditórias. A métrica operacional parece semelhante, enquanto o resultado de segurança é diferente.

Os clientes devem exigir avaliação em relação a incidentes conhecidos. Um conjunto de testes pode incluir ataques confirmados, anomalias inofensivas, cenários de risco interno, contas comprometidas e telemetria incompleta.

Os casos devem incluir negativos difíceis. São atividades legítimas que se assemelham a comportamentos maliciosos. Elas revelam se um agente trata correlação como prova.

A avaliação também deve medir a completude das evidências. O agente consultou todas as fontes de dados exigidas? Identificou telemetria ausente? Comunicou incertezas antes de recomendar uma ação?

A concordância entre analistas oferece outro sinal, mas não deve se tornar o único parâmetro. Humanos podem compartilhar as mesmas premissas, especialmente quando uma explicação gerada por máquina parece confiante e bem organizada.

A revisão cega pode reduzir esse efeito. Analistas podem avaliar as evidências de um caso sem saber se a conclusão veio de uma pessoa ou de um agente. As diferenças podem então ser examinadas sistematicamente.

As organizações também precisam de evidências longitudinais. Um piloto bem-sucedido não demonstra como os agentes se comportam depois que integrações mudam, a qualidade dos dados cai ou invasores se adaptam.

As categorias de erro devem ser visíveis aos clientes. Uma relação não identificada difere de uma correspondência de identidade incorreta. Certeza sem respaldo difere de seleção insegura de ferramentas. Cada problema exige uma solução diferente.

A Microsoft pode fortalecer seu argumento publicando métodos de avaliação, modelos de permissão e estruturas de auditoria. Alegações agregadas de velocidade, por si só, deixariam sem resposta as questões centrais de governança.

Testes independentes serão especialmente importantes. A Microsoft controla a plataforma, os modelos e muitos dos conectores de dados nesse desenho. Avaliações de terceiros podem desafiar premissas que os testes internos deixam passar.

O mesmo escrutínio deve se aplicar aos sistemas concorrentes. Fornecedores de segurança têm fortes incentivos para descrever assistentes como agentes e agentes como autônomos. Os compradores precisam de definições concretas para cada capacidade.

As diretrizes de IA segura, apoiadas por agências internacionais de cibersegurança, enfatizam design, desenvolvimento, implantação e operação seguros. Essa perspectiva de ciclo de vida se adequa às ferramentas de segurança baseadas em agentes.

Uma implantação responsável começa com um escopo restrito. As equipes podem permitir que um agente resuma evidências e proponha próximos passos, preservando a autorização humana.

Elas podem ampliar a autonomia após medir erros e impacto operacional. Ações reversíveis devem vir antes de mudanças destrutivas ou difíceis de recuperar.

Um processo de reversão continua essencial. Se um agente aplicar incorretamente uma ação de contenção, os responsáveis pela resposta precisam de uma forma clara de restaurar o acesso e registrar a correção.

As operações de segurança baseada em agentes da Microsoft também levantam questões de aquisição. Os compradores devem saber onde os prompts e os dados de investigação são processados. Devem entender retenção, limites regionais, políticas de treinamento de modelos e acesso de administradores.

A profundidade da integração merece igual atenção. Um sistema pode ter bom desempenho dentro da telemetria da Microsoft, mas perder contexto em redes, aplicações ou serviços de nuvem de terceiros.

Essa limitação seria relevante para organizações com ambientes mistos. Um incidente coerente muitas vezes abrange sistemas pertencentes a diversos fornecedores. Um agente deve alcançar esses sistemas ou identificar seus pontos cegos.

A alegação de que agentes podem remodelar o SOC é crível no nível do fluxo de trabalho. A alegação de que podem fazê-lo com segurança continua sendo uma questão empírica para cada implantação.

Três Sinais Mostrarão se o SOC Baseado em Agentes Funciona

A próxima fase será decidida pelos controles dos clientes, pela qualidade mensurável das investigações e por evidências de que agentes podem operar em ambientes mistos.

O primeiro sinal é o modelo detalhado de permissões e aprovações da Microsoft. Os compradores precisam ver como administradores restringem o acesso de cada agente a dados, ferramentas e autoridade de resposta.

Controles robustos sustentariam o modelo de ação delegada. Eles permitiriam que organizações associassem autonomia ao risco sem tratar todos os fluxos de trabalho de forma idêntica.

Controles fracos ou pouco claros enfraqueceriam o argumento da Microsoft. Os clientes podem aceitar agentes que coletam evidências, mas hesitar em conceder-lhes autoridade significativa de resposta.

A documentação também deve explicar como funcionam as substituições de emergência. As equipes de segurança precisam pausar um agente, revogar suas ferramentas e identificar cada ação realizada por ele durante um período definido.

O segundo sinal é a qualidade mensurada das investigações. A Microsoft e seus primeiros clientes devem relatar mais do que economia de tempo. Devem examinar encerramentos falsos, evidências perdidas, escalonamentos desnecessários e reversões por analistas.

Os resultados mais úteis descreveriam a população de teste e as condições operacionais. O desempenho em demonstrações selecionadas diz pouco aos compradores sobre ambientes empresariais ruidosos.

Evidências provenientes de uso repetido em produção fortaleceriam a narrativa. Uma redução no tempo de investigação importa quando a qualidade de detecção permanece estável ou melhora.

Um aumento em encerramentos rápidos sem evidências comparáveis de precisão a enfraqueceria. Um tratamento mais rápido pode criar um painel atraente enquanto permite que erros importantes desapareçam em totais agregados.

O terceiro sinal é o desempenho entre plataformas. A maioria das grandes organizações usa produtos de vários fornecedores de segurança, identidade, redes e nuvem.

Os agentes de IA do Microsoft Defender precisam de acesso a contexto suficiente de terceiros para investigar esses ambientes de maneira coerente. Caso contrário, o modelo pode incentivar clientes a consolidar principalmente para obter desempenho dos agentes.

Esse resultado ainda beneficiaria a Microsoft comercialmente. Não provaria que um SOC orientado por agentes pode operar de forma eficaz no mercado empresarial mais amplo.

Conectores abertos, interfaces de ferramentas padronizadas e relatórios explícitos de pontos cegos fortaleceriam a abordagem da Microsoft. Os clientes não deveriam ter de presumir que uma investigação foi completa quando um agente não tinha acesso a evidências relevantes.

As reações dos concorrentes oferecerão contexto complementar. Fornecedores rivais provavelmente enfatizarão sua própria telemetria, modelos especializados, sistemas de orquestração e controles de governança.

Esses anúncios importam menos do que a autoridade em produção. A questão-chave é quais sistemas os clientes permitem realizar investigações e ações reais, em vez de gerar resumos atraentes.

Os líderes de segurança devem se preparar antes de conceder essa autoridade. Eles podem começar classificando as ações de acordo com a reversibilidade, o impacto nos negócios e a aprovação necessária.

Devem definir as evidências exigidas para decisões comuns. Um fluxo de trabalho para contas comprometidas pode exigir risco de identidade, estado do dispositivo, histórico de sessões e mudanças recentes de acesso.

Em seguida, devem testar se um agente reúne essas evidências de forma consistente. Informações ausentes devem acionar uma escalada, não uma conclusão inventada.

As equipes também podem manter um registro pesquisável de decisões de arquitetura, padrões de investigação e exceções aprovadas. Uma base de conhecimento de engenharia com governança pode ajudar analistas a recuperar esse contexto durante revisões.

O objetivo não é preservar todas as tarefas manuais. É delegar o trabalho sem delegar a responsabilidade.

As operações de segurança com agentes da Microsoft oferecem uma resposta plausível para equipes de segurança sobrecarregadas. Os agentes podem coletar evidências continuamente, seguir pistas complexas e reduzir o trabalho repetitivo de investigação.

Seu sucesso dependerá do que acontece quando as evidências entram em conflito, as ferramentas falham ou o modelo chega à conclusão errada. Esses momentos definem a confiança operacional com mais clareza do que uma demonstração bem-sucedida.

Antes de ampliar a autoridade dos agentes, as equipes de segurança devem fazer uma pergunta prática: conseguem reconstruir, contestar e reverter todas as decisões consequentes? Se a resposta for sim, os agentes podem se tornar participantes úteis de um SOC. Se a resposta for não, devem continuar sendo investigadores supervisionados.