Golpes com IA no fim do ano: saiba como evitar

Romildo Burguez • December 30, 2025

Existe um tipo de incidente que quase nunca aparece nos relatórios como “falha de tecnologia”. Ele entra no radar como “desatenção”, “erro humano”, “falta de alinhamento” ou, pior, “foi só um caso isolado”. 


E é exatamente por isso que ele se repete. 


Entre o Natal e a virada do ano, muitas empresas entram no modo recesso. Tem gente de férias, tem lideranças fora, tem decisões sendo tomadas por quem ficou segurando a operação — e tem um monte de pendências que precisam ser resolvidas antes do ano virar. Agora, pense nisso somado ao clima emocional típico do período (pressa, distração, excesso de mensagens, menos paciência) e o resultado é um cenário perfeito para golpes. 


A inteligência artificial tornou esse tipo de golpe mais convincente e mais rápido de executar. Não é mais aquele e-mail cheio de erros ou aquela mensagem “quadrada” demais. Agora, o texto parece escrito por alguém do seu time. A justificativa parece real. O pedido vem com contexto, com detalhes, com um “tom” familiar. E, em alguns casos, vem até com voz. 


Nesse post você conhecerá método simples, direto e fácil de aplicar para atravessar o fim de ano (e o retorno em janeiro) sem sofrer golpes. 


Continue a leitura e saiba mais! 


Por que o fim do ano é “alta temporada” para golpes 


Golpistas são oportunistas. Eles não atacam apenas onde existe vulnerabilidade técnica. Eles atacam onde existe vulnerabilidade humana e processual. 


E o recesso cria várias delas ao mesmo tempo: 


Quebra de rotina e processos “flexibilizados” 


No fim do ano, o que antes precisava de dois aprovadores vira “faz aí e me avisa”. O que antes passava por um canal oficial vira “me chama no Whats”. A regra vira exceção com facilidade. 


Time reduzido e acúmulo de funções 


Quando uma pessoa assume duas ou três frentes, ela responde mais rápido e confere menos. Não por irresponsabilidade, mas por sobrevivência operacional. 


Urgência artificial e emocional 


“Precisa pagar hoje.” “Tem que fechar antes do dia 31.” “O fornecedor vai suspender.” 


Golpes bons não pedem “dinheiro”. Eles pedem “agilidade”. 


Menos checagem por canal alternativo 


É comum pensar: “vou incomodar agora?” ou “deixa, eu resolvo”. Essa hesitação é combustível para fraude. 


O padrão dos golpes modernos: urgência + autoridade + canal errado + quebra de processo 


A IA entra aí como acelerador. Ela não cria o golpe do zero — ela melhora a qualidade do teatro. Ela reduz as falhas de escrita, aumenta a coerência do pedido, cria variações de abordagem e, em alguns casos, simula voz e estilo. 


Mas repare: o problema principal não é “a IA”. O problema é um processo frágil sendo pressionado por um período em que as defesas naturais (rotina, confirmação, dupla checagem) ficam mais fracas. 


Quase todo golpe “bem-sucedido” tem essa estrutura: 


  • Urgência: “precisa ser agora” 
  • Autoridade: “é o diretor”, “é o financeiro”, “é o jurídico”, “é o fornecedor” 
  • Canal errado: mensagem fora do padrão (WhatsApp pessoal, número novo, e-mail parecido) 
  • Quebra de processo: “faz só dessa vez”, “não dá para seguir o fluxo”, “é confidencial” 


É por isso que o melhor antídoto para golpes no fim do ano não é um texto longo sobre IA, mas um protocolo curto que qualquer pessoa consegue seguir mesmo distraída. 


O Protocolo PAUSA: 60 segundos que evitam prejuízo e dor de cabeça 


Quando um pedido chega com cara de urgência, use o protocolo PAUSA. Ele foi feito para caber no mundo real, não no slide de compliance. 


P — Pare (10 segundos) 


Antes de responder, executar, transferir, aprovar ou clicar: pare. 


O golpe depende do seu impulso. Você não precisa decidir rápido. Você precisa decidir bem. 


A — Avalie (15 segundos) 


Pergunte para si mesmo: isso tem algum dos quatro sinais? 


  • urgência fora do normal 
  • apelo à autoridade 
  • canal diferente do habitual 
  • pedido que contorna processo 


Se tiver, trate como “suspeito até prova em contrário”. 


U — Use outro canal (15 segundos) 


Confirme por um canal independente: 


Se chegou no WhatsApp, confirme por ligação para o número oficial. 


Se chegou por e-mail, confirme por Teams/Slack corporativo. 


Não responda no mesmo fio. O golpe pode estar “controlando” esse canal. 


S — Siga o processo (15 segundos) 


Mudança de conta bancária? Precisa de validação formal. 


Pagamento emergencial? Precisa de dupla aprovação. 


Pedido “confidencial”? Precisa de registro mínimo (confidencial não é sinônimo de “sem rastreio”). 


A — Alerta (5 segundos) 


Se for tentativa de golpe, avise o time rápido. 


Golpistas repetem abordagem com outras pessoas. Um aviso curto pode evitar que alguém caia. 


Esse protocolo faz duas coisas ao mesmo tempo: diminui a chance do erro e cria cultura. E cultura, no fim das contas, é o que sustenta segurança quando o calendário aperta.3 


Os 5 golpes mais comuns de fim de ano (com IA ou sem IA) 


A seguir, os formatos mais frequentes — e por que ficam mais perigosos nessa época. 


“Sou o diretor / estou sem acesso / preciso disso agora” 


Esse é o clássico do WhatsApp. A IA aqui ajuda a mensagem parecer “humana”: mais coerente, mais parecida com o jeito de falar do suposto diretor, com detalhes que antes não vinham. 


Como neutralizar: 


  • Confirmação por canal alternativo e oficial (ligação, vídeo, Teams corporativo) 
  • Regra simples: pedido urgente de alto impacto nunca é executado sem segunda confirmação 


Mudança de dados bancários de fornecedor (o golpe silencioso) 


Chega um e-mail com nota, boleto, ou “atualização de conta para pagamento”. No fim do ano, isso passa porque todo mundo quer encerrar pendências. A IA ajuda a produzir e-mails “limpos”, bem escritos e com tom institucional. 


Como neutralizar: 


  • Mudança de conta bancária só com validação por procedimento formal 
  • Conferir dados usando cadastro pré-existente (não o e-mail recebido) 
  • Se possível, validação por chamada de vídeo com o fornecedor ou ligação para o contato já conhecido 


“Cobra aí rápido” (falso jurídico / falso financeiro / falso RH) 


Mensagens que fingem ser do jurídico, financeiro ou RH pedindo ação rápida: “documento”, “assinatura”, “regularização”, “consulta”. A IA aumenta a credibilidade do texto e reduz sinais de “amadorismo”. 


Como neutralizar: 


  • Não clicar em link de mensagem: acessar o sistema por caminho oficial 
  • Validar com a área interna por canal corporativo 
  • Treinar o time para reconhecer “tom de pressão” como alerta 


Clonagem de voz e áudio “curto” pedindo ação 


Esse é o que mais assusta porque mexe com uma percepção humana forte: a voz. Normalmente aparece como áudio curto: “faz isso pra mim rapidinho”. Mesmo quando não é clonagem real, pode ser só alguém imitando — o efeito é o mesmo: induzir a ação. 


Como neutralizar: 


  • Regra institucional: áudio não é autorização 
  • Pedido de pagamento/aprovação só vale por canal formal + dupla validação 
  • Em caso de liderança, estabelecer “frase de confirmação” (um combinado interno simples) ou validação por vídeo 


Sites falsos e links “bem feitos” 


O golpe não é só mensagem. É infraestrutura: páginas clonadas, portais falsos, login “quase igual”. A IA ajuda a produzir textos de sites e e-mails com linguagem perfeita e coerente. 


Como neutralizar: 


  • Conferir domínio com calma (um caractere muda tudo) 
  • Não usar link recebido: digitar o endereço oficial 
  • Ativar MFA e revisar permissões de acesso (principalmente em sistemas críticos) 


Perceba que, em todos os casos, o antídoto é o mesmo: tirar o pedido do modo impulso e colocar no modo processo. 


O checklist de blindagem para atravessar a virada (pessoal e empresa) 


Você não precisa fazer uma “transformação” no fim do ano. Você precisa fazer o mínimo que reduz muito risco.+ 


Blindagem pessoal: 7 hábitos funcionais 


1) Desconfie de urgência emocional (“é agora ou dá ruim”) 


2) Não execute pedidos críticos via canal informal 


3) Sempre confirme por canal alternativo 


4) Nunca clique em link de mensagem se puder acessar direto pelo site/app 


5) Se o número “mudou”, trate como suspeito até confirmar por canal oficial 


6) Se pedirem segredo, lembre: segurança precisa de registro mínimo 


7) Se parecer estranho, alerte o time — rápido e sem vergonha 


Blindagem empresarial: 5 controles simples que evitam a maior parte dos estragos 


1) Dupla aprovação em pagamentos fora do padrão: Se é alto valor, fora do horário ou fora do fluxo, precisa de dois. 


2) Regra formal para alteração de dados bancários: Mudou conta? Só com validação documentada e confirmação por canal independente. 


3) MFA e higiene de identidades: No recesso, muita coisa dá “jeitinho” para acesso remoto. É quando credenciais vazam. MFA e revisão de permissões são básicos. 


4) Canais oficiais e trilha mínima de registro: Se o pedido é legítimo, ele sobrevive ao processo. Se não sobrevive, é sinal. 


5) Um playbook de incidentes “de férias”: Não precisa ser um manual gigante. Uma página que explique quem avisar, o que bloquear, como comunicar internamente, como preservar evidência e qual o procedimento de recuperação já resolve 


Scripts prontos para usar


Quando a pessoa está cansada, o melhor é ter respostas prontas. Aqui vão algumas: 


“Consigo te ajudar, mas preciso que você me envie isso pelo canal corporativo / e-mail oficial.” 


“Para mudança de conta bancária, só valido por ligação para o contato cadastrado.” 


“Antes de executar, vou confirmar por um segundo canal para cumprir o processo.” 


“Pode me mandar a solicitação via sistema/portal? Assim fica registrado.” 


“Sem essa validação, eu não executo — é protocolo.” 


Essas frases diminuem o atrito e aumentam a chance de o time seguir a regra. 


E onde a IA entra nisso, de forma honesta? 


Vale dizer com clareza: a IA não “criou” a fraude. A fraude já existia. O que mudou é: 


Escala: mais tentativas, mais variações, mais rápido 


Qualidade do texto: menos sinais óbvios 


Personalização: mensagens mais parecidas com o contexto real 


Confiança enganosa: voz, imagem, estilo 


Ou seja: se antes você se protegia pelo “cheiro de golpe”, agora você precisa se proteger pelo processo. Porque o golpe aprendeu a disfarçar o cheiro. 


Para que você possa se aprofundar ainda mais, recomendamos também a leitura dos artigos abaixo:     


5 brechas que custarão caro em 2026, e como fechá-las agora! 


Governança de dados em setores regulados: checklist de eficiência e compliance  


Eleições na era da Inteligência Artificial: ferramenta que aproxima ou ameaça que confunde? 


Conclusão 


Se você leu até aqui, guarde uma ideia simples: golpe bom não pede dinheiro — pede pressa. 


A defesa mais eficiente no fim do ano não é paranoia, não é virar especialista, não é “bloquear tudo”. É colocar um obstáculo curto entre o pedido e a execução. Um minuto. Um protocolo. Um canal alternativo. Um registro mínimo. 


O protocolo PAUSA existe para isso. Ele cabe numa semana parada, cabe na cabeça de quem está de férias, cabe numa mensagem interna e cabe na rotina de uma empresa que precisa operar mesmo com time reduzido. 


Se você fizer só uma coisa hoje, faça esta: publique o PAUSA em um comunicado interno e combine que qualquer pedido urgente fora do padrão vai passar por confirmação independente. Isso, sozinho, já reduz muito risco. 


Esperamos que você tenha gostado do conteúdo desse post!  


Caso você tenha ficado com alguma dúvida, entre em contato conosco, clicando aqui! Nossos especialistas estarão à sua disposição para ajudar a sua empresa a encontrar as melhores soluções do mercado e alcançar grandes resultados! 

 

Para saber mais sobre as soluções que a CSP Tech oferece, acesse: www.csptech.com.br. 

Fale com a CSP Tech

.

Por Guilherme Matos • 19 de novembro de 2026
Para usar agentes de IA sobre dados de sinistro sem expor dado pessoal do segurado, o agente precisa herdar a mesma regra de acesso do analista que faz a pergunta, aplicada no momento da consulta. No Databricks, isso depende de duas escolhas. A primeira é o modo de autorização do agente: na autorização por usuário , o agente consulta os dados com a identidade de quem pergunta, e o Unity Catalog aplica automaticamente filtros de linha e máscaras de coluna; na autorização do app, todos os usuários compartilham as permissões de uma conta técnica. A segunda é não contornar as máscaras com cópias de dados feitas para alimentar a busca vetorial. Em sinistros de vida, saúde e acidentes pessoais, parte desses dados é dado de saúde, que a LGPD trata como dado pessoal sensível. Por que o dado de sinistro pede um cuidado diferente Um processo de sinistro reúne dados de identificação do segurado e dos beneficiários, dados bancários para indenização, relatos do evento e, em vários ramos, laudos e informações médicas. A Lei Geral de Proteção de Dados define, no artigo 5º, inciso II, o dado referente à saúde como dado pessoal sensível, e o artigo 11 limita as hipóteses em que ele pode ser tratado. Entre elas estão o exercício regular de direitos, inclusive em contrato, e a garantia da prevenção à fraude. O artigo 6º, inciso III, acrescenta o princípio da necessidade: o tratamento deve se limitar ao mínimo necessário para a sua finalidade. Na operação, esse princípio já costuma estar refletido em perfis de acesso. O regulador de sinistro vê o processo que conduz, o time antifraude vê os sinais de que precisa, e o atendimento vê o status do pedido sem acessar o laudo. O risco do agente de IA é desfazer essa separação sem que ninguém perceba, porque ele responde em linguagem natural e não mostra de qual tabela, com qual permissão, tirou cada informação. Tese da CSP Tech: na seguradora, o agente de IA deve ver exatamente o que o analista que fez a pergunta veria, nem mais nem menos, e essa regra precisa ser aplicada no momento da consulta, pela plataforma de dados, e não por instruções no prompt. No Databricks, os dois pontos em que o dado do segurado costuma escapar são a escolha da autorização do agente e as cópias feitas para busca vetorial, e ambos se resolvem no desenho, antes do piloto. Os dois modos de autorização do agente Autorização do app Segundo a documentação da Databricks, atualizada em 23 de outubro de 2026, na autorização do app o agente se autentica com uma conta técnica criada automaticamente, e todos os usuários compartilham as mesmas permissões. É o modo mais simples de colocar um piloto no ar, e por isso é o mais comum. O efeito em um ambiente de sinistros é direto: se a conta técnica tem acesso ao laudo médico, qualquer pessoa que converse com o agente pode receber uma resposta baseada nele, ainda que o perfil dessa pessoa não permita abrir o laudo. Autorização por usuário Na autorização por usuário, antes chamada de on-behalf-of-user, o agente acessa os recursos com a identidade de quem faz a pergunta. A documentação lista como benefícios o acesso por usuário a dados sensíveis, os controles granulares do Unity Catalog, a trilha de auditoria por usuário e a aplicação automática de filtros de linha e máscaras de coluna. O recurso funciona com SQL Warehouse, Genie, Model Serving, índices de AI Search e tabelas do Unity Catalog, entre outros. Os dois modos podem ser combinados no mesmo agente, o que permite usar a conta técnica para recursos sem dado pessoal e a identidade do usuário para os que têm. Há três cuidados registrados pela própria Databricks. A autorização por usuário está em prévia pública e precisa ser habilitada por um administrador do workspace. As mudanças de escopo podem levar até cinco minutos para valer, por causa de caches. E, se o token do usuário não chegar ao agente, a função que deveria usar a identidade dele recorre à conta técnica sem gerar erro. Por isso a documentação recomenda testar o agente com uma ferramenta que devolva a identidade em uso antes de liberar o acesso. Filtros de linha e máscaras de coluna: a regra aplicada na consulta No Unity Catalog, filtros de linha e máscaras de coluna restringem, no momento da consulta, quais linhas e quais valores cada usuário consegue ver, segundo a documentação de filtros e máscaras , atualizada em 6 de novembro de 2026. O filtro de linha é uma função que exclui as linhas para as quais retorna falso, o que permite, por exemplo, que o regulador veja só os processos da sua carteira. A máscara de coluna é uma função que devolve o valor original ou uma versão mascarada, o que permite mostrar o diagnóstico ao time médico e um valor oculto ao atendimento. Para aplicar a mesma regra a muitas tabelas, a Databricks recomenda políticas baseadas em atributos, ligadas a tags no catálogo ou no esquema, que os donos das tabelas não conseguem remover. Combinadas com a autorização por usuário, essas regras fazem o agente herdar o perfil do analista sem nenhuma instrução no prompt. Uma instrução do tipo “não revele dados de saúde” pode ser contornada por uma pergunta bem formulada, enquanto a máscara aplicada pela plataforma impede que o dado chegue ao modelo. Onde o dado do segurado escapa A cópia para busca vetorial. A documentação informa que tabelas com filtros de linha ou máscaras de coluna não podem ser usadas para criar um índice do AI Search. Quando o time de dados quer que o agente pesquise documentos de sinistro, a saída mais rápida é criar uma cópia sem as proteções para indexar, e com isso o índice passa a conter o que as máscaras escondiam. O desenho seguro prepara uma tabela própria para o índice, já sem os campos sensíveis ou com eles transformados, e aplica a autorização por usuário ao índice. Os clones e as versões antigas. Clones de tabelas com filtros ou máscaras não são suportados, e a consulta a versões anteriores da tabela, o time travel, não funciona com filtros e máscaras em nível de tabela. Ambientes de teste montados com cópias de produção são um caminho conhecido para o dado sensível sair do perímetro. As views. Filtros e máscaras não podem ser aplicados diretamente a uma view. Se o agente consulta uma view construída sobre a tabela original, a proteção precisa estar na tabela de origem. O fallback silencioso. Quando o token do usuário não chega ao agente, a consulta passa a usar a conta técnica sem erro. O teste de identidade em uso precisa fazer parte da homologação e do monitoramento, e não só do primeiro deploy. O que a seguradora precisa decidir antes do piloto A plataforma aplica as regras, mas não as define. Antes de liberar o agente, a seguradora precisa classificar quais colunas de sinistro são dado pessoal e quais são dado de saúde, decidir quais perfis podem ver cada classe, registrar essas decisões como tags governadas no catálogo e escolher, recurso por recurso, se o agente usa a identidade do usuário ou a conta técnica. Essa classificação é o mesmo trabalho de governança de dados que a seguradora já precisaria fazer para a LGPD, agora aplicado a um consumidor novo, que responde a perguntas em vez de abrir telas. O caso de dados de conversa, com mascaramento de gravações e transcrições, está tratado no artigo “Governança de dados de conversa no Databricks” , publicado no blog. Aqui o foco é o agente que consulta o processo de sinistro. A camada regulatória, com a ressalva devida A LGPD exige, no artigo 46, medidas de segurança técnicas e administrativas aptas a proteger os dados pessoais de acessos não autorizados, e não prescreve ferramenta. No mercado de seguros, a Circular Susep 638/2021 trata de segurança cibernética e determina a comunicação de incidentes relevantes à autarquia. A leitura de que o agente de IA deve herdar a regra de acesso do analista é uma interpretação editorial da CSP Tech sobre como aplicar o princípio da necessidade a um novo tipo de consumidor de dados. A base legal de cada tratamento, a classificação dos dados e a avaliação de impacto cabem ao encarregado de dados e às áreas de compliance e jurídico da seguradora. Quando esse desenho é desproporcional Um agente que trabalha só com dados agregados ou anonimizados, como volume de sinistros por ramo e região, não precisa de autorização por usuário: a conta técnica com acesso apenas a essas tabelas resolve. O mesmo vale para um agente interno que responde sobre normas e procedimentos, sem acesso a processos de segurados. O cuidado descrito aqui é para o agente que consulta processos individuais. Perguntas frequentes Dado de sinistro é dado pessoal sensível? Parte dele é. A LGPD, no artigo 5º, inciso II, classifica o dado referente à saúde como dado pessoal sensível, e processos de sinistro de vida, saúde e acidentes pessoais costumam conter laudos e informações médicas. Dados de identificação e bancários do segurado são dados pessoais, ainda que não sensíveis. O que é autorização por usuário em agentes do Databricks? É o modo em que o agente acessa os dados com a identidade de quem faz a pergunta, antes chamado de on-behalf-of-user. Com ele, o Unity Catalog aplica automaticamente filtros de linha e máscaras de coluna. Segundo a documentação da Databricks de outubro de 2026, o recurso está em prévia pública e precisa ser habilitado por um administrador do workspace. Posso indexar no AI Search uma tabela com máscaras de coluna? Não. A documentação da Databricks informa que tabelas com filtros de linha ou máscaras de coluna não podem ser usadas para criar um índice do AI Search. O caminho seguro é preparar uma tabela própria para o índice, sem os campos sensíveis ou com eles transformados, em vez de copiar a tabela original sem proteção. Uma instrução no prompt basta para o agente não revelar dados de saúde? Não é uma proteção confiável, porque pode ser contornada por perguntas bem formuladas. A forma mais segura é impedir que o dado chegue ao modelo, aplicando máscaras de coluna e filtros de linha na plataforma de dados e fazendo o agente consultar com a identidade do usuário. Próximo passo Faça um teste de dez minutos: no agente que sua equipe está testando sobre dados de sinistro, faça a mesma pergunta com dois usuários de perfis diferentes, um do atendimento e outro da regulação, e compare as respostas. Depois, verifique se o índice de busca do agente foi criado a partir de uma cópia da tabela original. Se as respostas forem iguais, ou se o índice veio de uma cópia sem máscaras, o agente está vendo mais do que o analista. Solicite um diagnóstico de dados da CSP Tech para desenhar a autorização e as máscaras antes de ampliar o piloto. Leituras relacionadas Governança de dados e IA Segurança de agentes de IA: por que permissão virou o novo perímetro (e como limitar o agente sem inutilizá-lo) Data lake ou pântano de dados: por que a IA não fracassa por falta de dado, e sim por não achar o dado certo MDM no Databricks: como construir gestão de dados mestres no Lakehouse (sem comprar mais uma plataforma) Por que 40% dos projetos de agentes de IA serão cancelados até 2027 (e o que a fundação de dados tem a ver com isso) Setor financeiro e seguros Agentes de IA não autorizados chegaram às contas bancárias dos EUA. Seus sistemas sabem quem está do outro lado? Empresa de intranet para banco, cooperativa ou seguradora: como comparar plataforma pronta, SharePoint e desenvolvimento sob medida “De onde veio esse número”? Rastreabilidade de dados para decisões mais confiáveis Autor: Guilherme Matos, estrategista de conteúdo e IA, certificado HubSpot, Google, Anthropic e Semrush. Revisão técnica por especialistas Atlassian e de dados da CSP Tech (Atlassian Gold Partner, parceira Databricks, Microsoft Gold Partner, participante do Anthropic Partner Network, 38 anos de mercado, produto próprio Power BI for Jira no Atlassian Marketplace). Fontes (acesso em 19/11/2026): Databricks Documentation, “Authentication for AI agents” (autorização do app e por usuário; prévia pública; fallback sem erro; recursos suportados), atualizada em 23/10/2026. Databricks Documentation, “Row filters and column masks” (avaliação em tempo de consulta, políticas ABAC, limitações com AI Search, clones, time travel e views), atualizada em 06/11/2026. Lei nº 13.709/2018 (LGPD) , arts. 5º (II), 6º (III), 11 e 46, texto compilado no Planalto. Circular Susep nº 638/2021 . A tese e as práticas de desenho são formulação editorial da CSP Tech. Este conteúdo não constitui aconselhamento jurídico ou regulatório.
Por Guilherme Matos • 18 de novembro de 2026
Scripts envenenados em quatro serviços web, DDoS contra a rede Tor: como cada ataque de novembro de 2026 funcionou e o que revisar em cada camada.
Por Guilherme Matos • 17 de novembro de 2026
Com o Pix funcionando 24 horas, a mudança segura em pagamentos é a que chega à janela com o caminho de volta testado e registrado. Veja como estruturar janela, aprovação e rollback.
Por Guilherme Matos • 16 de novembro de 2026
A linhagem do Unity Catalog mostra de onde veio cada coluna, mas tem limites documentados. Veja o que ela não cobre e o que a instituição financeira precisa somar para defender um número reportado.
Por Guilherme Matos • 13 de novembro de 2026
Em banco, seguradora ou cooperativa, um normativo interno vencido que continua acessível na intranet deixa de ser só conteúdo desatualizado e passa a ser instrução operacional errada. Com o Microsoft 365 Copilot, o risco cresce, porque o assistente usa todo o conteúdo que o colaborador tem permissão de ver, inclusive a
Por Guilherme Matos • 12 de novembro de 2026
Uma instância Jira por cooperativa ou uma para o sistema inteiro? Veja os três desenhos possíveis, os critérios de decisão e o que a Resolução 4.893 permite ao sistema cooperativo.
Por Guilherme Matos • 10 de novembro de 2026
Com IA, o gestor de banco pergunta ao dado em linguagem natural em vez de esperar o relatório. Veja o que muda no time de dados com o Genie do Databricks: curadoria, testes de precisão, revisão de respostas e o histórico de perguntas como fila de demanda.
Por Guilherme Matos • 9 de novembro de 2026
Banco, cooperativa e seguradora já usam mais IA do que a TI registrou. Veja o que um inventário de IA precisa conter para servir de evidência à auditoria e ao Banco Central, de onde vêm os itens e onde manter o registro vivo no Jira Service.
Por Guilherme Matos • 5 de novembro de 2026
A Resolução 4.893 pede que o Banco Central saiba onde os dados podem ser processados. No Databricks, os recursos de IA seguem a área geográfica do workspace, que pode ir além do Brasil. Veja o que mapear antes de contratar e como configurar.