Você implanta o Copilot e espera a onda de produtividade chegar, mas em vez de um avanço você vê um pico de 300% em eventos de prevenção contra a perda de dados. A suposição era que a IA encontraria nossa genialidade, mas na realidade ela está encontrando principalmente nossa dívida de permissão. O grupo todos no seu ambiente do SharePoint é atualmente a maior brecha de segurança na sua organização e age como uma porta aberta que ninguém se preocupou em fechar porque os dados estavam enterrados no porão. Agora, esses dados são conversacionais. Sua estratégia atual de rotulagem de sensibilidade não é um escudo. É um cemitério de dados que oculta informações das pessoas que realmente precisam delas sem fazer nada para impedir que a IA revele as coisas erradas para as pessoas erradas para as pessoas erradas. Esta é a crise do silo da IA colaborativa. Hoje estamos passando a contenção para o contexto e vamos salvar seu investimento em IA corrigindo a mentira estrutural no cerne do seu modelo de governança de dados.

Paradoxo da herança A falha fundamental na maioria das implementações de IA é um mal entendido de como a máquina pensa. E embora você possa supor que o Copatio toma decisões sobre quem vê o quê, na verdade, não é isso que acontece. O Copilot é um espelho que herda sua entropia organizacional existente, portanto, não cria novos acessos. Ele simplesmente operacionaliza o acesso que você já cedeu anos atrás. Pense nisso como um efeito holofote. Antes da IA, o compartilhamento excessivo era latente, como um arquivo num porão que ninguém via, mas a IA torna tudo isso visível na velocidade da máquina. Se um analista júnior solicitar um resumo das mudanças recentes de estratégia e sua pasta de fusões e aquisições estiver definida como interna, a IA resumirá a fusão que você ainda não anunciou. Isso não é uma violação, é um recurso da sua própria arquitetura. A realidade é que a cobertura de rotulagem manual raramente excede 10% da empresa média, porque passamos uma década dizendo aos usuários para marcar seus arquivos e eles simplesmente não o fizeram.

Confiamos na mentalidade de definir e esquecer as tags de sensibilidade, assumindo que, após marcado como público, o arquivo permaneceria assim sempre. O arquivo permanece sempre. Mas os dados são fluidos, o que significa que um documento que era público ontem pode conter uma resposta rápida sensível hoje. Ao dependermos de rótulos estáticos, criamos barreiras invisíveis à inteligência entre departamentos. Um rótulo altamente confidencial num projeto pode impedir o marketing de ver a data de lançamento essencial para executarem as suas funções. Isso cria um silo e esses silos são o motivo pelo qual o seu IA parece menos um assistente e mais um bibliotecário restrito. Construímos um sistema com base na suposição de que podemos classificar o mundo uma vez e pronto, mas em um ambiente colaborativo esse modelo quebra. Se os rótulos estiverem ausentes, a IA verá muito, e se os rótulos estiverem live, geralmente serão muito rígidos, impedindo que a IA conecte os pontos entre os departamentos.

Atualmente estamos vendo uma lacuna enorme entre o que a diretoria espera da IA e o que a arquitetura de dados permite, e você não pode ter um agente de IA de alto desempenho se seus dados estiverem bloqueados em hierarquias de pastas no estilo dos anos 1990. O paradoxo da herança significa que a IA é tão segura quanto o pior erro do seu administrador do SharePoint de 2014. Temos que admitir que a abordagem atual de classificação está falhando porque é estática, manual, e trata os dados como um objeto a ser bloqueado em vez de um ativo a ser usado. A maioria das organizações está atualmente no purgatório do piloto porque perceberam seis semanas depois que suas permissões são uma bagunça. Elas tentam consertar isso adicionando mais rótulos, mas adicionar mais rótulos a um sistema quebrado apenas cria mais silos e não resolve o problema subjacente de visibilidade. A mudança de que precisamos não é sobre tags melhores, é sobre um modelo melhor.

Temos nos concentrado no Q, que é o arquivo em si, mas precisamos começar a nos concentrar em quem, onde e por quê. O problema não é apenas que os rótulos estão faltando, é que os que temos são estáticos e não levam em conta a realidade de como o trabalho acontece hoje. O trabalho é dinâmico, logo nossa segurança deve ser dinâmica. Se não consertarmos isso, a IA continuará alucinando porque está analisando os dados errados, ou pior, contará a verdade sobre dados que deveriam ter sido ocultados. Para corrigir o ciclo de retrabalho, precisamos analisar o modelo subjacente de como concedemos acesso. O alto custo retrabalho. Falamos sobre os ganhos de produtividade da IA como se fosse um número bruto e vemos as 9 horas economizadas por mês e assumimos que o trabalho está concluído. Mas a realidade é muito mais confusa, porque atualmente, cerca de 40% do tempo que seus funcionários economizam usando IA é imediatamente perdido para corrigir o que a IA errou.

Esse é o atrito oculto do silo. Quando o Copilot não tem acesso aos dados bons, ao contrato finalizado, ao orçamento real ou ao plano de projeto verificado, ele não para. Ele analisa os dados obscuros que consegue ver com um rascunho antigo de uma pasta compartilhada ou uma mensagem de bate-papo especulativa e cria uma resposta com base nisso. O resultado é um ciclo de retrabalho que drena silenciosamente o seu ROI. Podemos quantificar essa dívida digital. Para seus melhores funcionários, os usuários avançados que mais usam estas ferramentas, esse retrabalho custa cerca de uma semana e meia de tempo por ano. Pense nisso. Você paga por uma licença premium para economizar tempo, mas como seus dados estão isolados, sua melhor equipe gasta quase duas semanas de trabalho auditando erros gerados por máquina. Eles estão basicamente agindo como revisores bem pagos para um sistema que deveria ser seu copiloto.

Isso acontece porque a classificação rígida cria um vácuo. Se a IA for impedida de acessar o sistema de registro por um rótulo de sensibilidade desatualizado, ela preencherá esse vácuo com qualquer sistema de conveniência que puder encontrar. Em departamentos como Finanças e RH, isso leva a resultados que são certamente errados. Um gerente financeiro pode solicitar um resumo dos gastos trimestrais. Se a exportação real do ERP estiver bloqueada, mas um rascunho de trabalho confuso e não classificado estiver em um canal público do Teams, a IA resumirá o rascunho. O gerente então gasta 20 minutos encontrando as discrepâncias. Esse é o atrito entre eficiência bruta e valor líquido. Se você leva 2 minutos para gerar um relatório, mais 20 minutos para verificar os números, porque a IA não conseguiu ver a fonte da verdade, você não ganhou nada. Você apenas transferiu o trabalho da criação para a correção.

Esse retrabalho não é apenas um incômodo, é um sintoma de uma falha estrutural. Passamos anos construindo silos de dados para proteger informações, mas na era da IA generativa, esses silos agem como vendas. Quando a IA é vendada, ela alucina. Ela tenta agradar o usuário conectando pontos que não deveriam estar conectados. Estamos vendo organizações em que a taxa de retrabalho é tão alta que os funcionários estão começando a perder a confiança na ferramenta. Eles param de solicitar análises complexas à IA e voltam a usá-la para redigir e-mails básicos. Quando isso acontece, a estratégia de IA falhou. Você está pagando por um motor, mas usando apenas os faróis. Para consertar esse ciclo de retrabalho, temos que parar de olhar para a IA e começar a olhar para o encanamento. Os dados bons existem, os insights brilhantes estão lá, mas eles estão presos atrás de um muro de permissões legadas e rótulos estáticos que foram projetados para um mundo onde os humanos faziam todas as pesquisas.

Precisamos avançar em direção ao modelo em que a IA possa ver o que precisa ver, exatamente quando precisa ver, sem comprometer a segurança. Temos que analisar o modelo subjacente de como concedemos acesso, porque enquanto a IA estiver trabalhando com contexto parcial, você estará trabalhando horas extras para corrigir os resultados. Esse é um custo que nenhuma organização pode ignorar. Dá contenção ao contexto. Precisamos parar de pensar na segurança como um muro. Durante décadas, o setor confiou em um modelo de perímetro reforçado. Você estava dentro da rede ou estava fora, mas esse mundo acabou. Hoje o perímetro é poroso. As pessoas trabalham em casa, usam dispositivos não gerenciados e colaboram com fornecedores externos. Nesse ambiente, o antigo modelo de contenção, em que você bloqueia dados em uma pasta e presume que eles estão seguros porque a pasta é privada, é uma ilusão perigosa.

É perigoso porque pressupõe que a ameaça está apenas do lado de fora, mas a ameaça real na era do copilot é o aumento de permissões internas que vem se acumulando há anos. Precisamos mudar de uma estratégia de contenção para uma estratégia de contexto. O modelo antigo foi criado para estudo. Pressupunha que a sensibilidade de um arquivo era um atributo fixo. Deixe-se marcar o documento como confidencial e ponto final. Mas em um ambiente de Ea colaborativa, essa marcação é muito direta. Ela não nos diz o suficiente. Ela não leva em conta quem está perguntando qual dispositivo está usando ou onde está localizado. Por isso que vemos uma mudança massiva em direção ao controle de acesso, ou DAC. Esta não é apenas uma atualização técnica, é uma mudança filosófica. Ela move o processo de tomada de decisão do momento em que o arquivo é criado até o milissegundo em que os dados são solicitados. É a diferença entre uma fechadura estática e um sensor inteligente.

Até 2026, o setor exigirá uma mudança em direção ao controle de acesso baseado em atributos, ou ABAC. Esta é a base da estrutura de identidade moderna. Em vez de depender de um único rótulo estático, o ABAC avalia uma dúzia de sinais de risco diferentes em tempo real. Ele analisa a função do usuário, claro, mas também analisa a integridade do seu laptop. Ele analisa sua localização física. Ele analisa também seu comportamento. Se um usuário que normalmente acessa apenas arquivos de marketing de repente pede ao Copilot para resumir todo o banco de dados da folha de pagamento de uma cafeteria em um país diferente, o sistema não deve analisar apenas o rótulo de sensibilidade. Ele deve analisar o contexto e dizer não. É assim que passamos de deixar o arquivo estar rotulado para este usuário deve ver esses dados agora? É uma mudança sutil com implicações enormes. Isso nos permite ser mais permissivos quando o risco é baixo e mais restritivos quando o risco é alto.

Ele quebra os silos porque permite acesso just-in-time. Se a equipe de marketing precisar ver aquela data de lançamento altamente confidencial, o sistema pode conceder a eles acesso somente a leitura temporária com base no contexto do projeto atual, sem quebrar permanentemente a segurança do arquivo. Essa é a única maneira de viabilizar o tipo de inteligência interdepartamental que a IA promete sem transformar seu inquilino em um centro de dados livre para todos. O ROI desses sistemas dinâmicos já está se tornando claro. Organizações que deixam rótulos estáticos por modelos conscientes de contexto vêm reduções de 15% até 30% em seus prêmios de seguro cibernético. Porque as seguradoras sabem que rótulos estáticos são fáceis de contornar ou ignorar. Os sistemas dinâmicos, por outro lado, são muito mais difíceis de poder. Eles oferecem um nível de verificação contínua que modelos estáticos não conseguem igualar.

Eles reduzem o raio de ataque de uma conta comprometida porque o invasor não pode simplesmente dar anos de permissões desleixadas. Cada solicitação é uma nova avaliação. Cada interação é uma nova oportunidade de verificar a confiança. Esta não é apenas uma mudança teórica para arquitetos de TI. É um requisito de sobrevivência para a próxima onda de IA de agente. À medida que avançamos rumo a agentes capazes de agir por nós, agendando reuniões ou movimentando valores, não podemos confiar em modelos de segurança com figura e esqueça. Precisamos de um sistema que entenda a intenção por trás da ação. Precisamos de uma segurança tão inteligente quanto a IA que protege. Isso nos leva ao roteiro técnico. Porque, embora a filosofia esteja mudando, as ferramentas para implementá-la estão finalmente chegando ao ecossistema Purview. O roteiro Purview de 2026, a mudança para a inteligência sensível ao contexto, está finalmente aparecendo na arquitetura real do ecossistema da Microsoft.

Estamos superando a era em que o Purview era apenas uma ferramenta para relatórios de conformidade e, em 2026, ele evoluiu para um mecanismo de diagnóstico em tempo real. Uma das mudanças mais significativas é a mudança para diagnósticos, sempre ativos para a DLP de Endpoint. No passado, solucionar problemas de uma falha de política significava uma semana de idas e vindas entre a TI e o usuário enquanto eles tentavam reproduzir uma falha que aconteceu uma vez. Agora, esses rastros de diagnósticos são armazenados localmente no dispositivo em um formato seguro e compactado por 90 dias. Isso permite que o sistema analise exatamente por que um arquivo específico foi bloqueado ou por que um rótulo não foi aplicado sem nunca enviar o conteúdo confidencial real para a nuvem. É a visibilidade local, combinada com a aplicação global. Esse poder de diagnóstico é ampliado por ferramentas de explicação com IA.

Atingimos um nível de complexidade em que administradores humanos não conseguem mais rastrear uma dúzia de políticas de DLP diferença entre uma dúzia de políticas de DLP diferentes. Quando uma política é alterada, o sistema agora gera um resumo em linguagem natural para explicar exatamente o que foi modificado e quais grupos de usuários são afetados. Ele também mostra qual será o impacto potencial nos fluxos de trabalho colaborativos, o que reduz o risco de desvio de política. Quando as regras de segurança se tornam tão confusas que começam a bloquear o trabalho legítimo. Essas ferramentas permitem que a equipe de segurança atue como facilitadores, em vez de guardiões, fornecendo clareza sobre as regras do jogo em uma linguagem que a empresa pode realmente entender. Uma parte essencial desse roteiro é a função da pesquisa restrita do SharePoint, ou RSS. Esse é o freio de emergência para sua implantação de IA.

Ele permite excluir explicitamente sites de risco, como documentos do conselho, dados de folha ou estratégia jurídica de servirem como base para o copilot. Antes mesmo de tocar em um rótulo de sensibilidade, você pode usar o RSS para garantir que a IA simplesmente não consiga ver os cantos mais perigosos do seu locatário. É uma camada fundamental de proteção que reconhece que nem todos os dados são criados iguais? Isso lhe dá espaço para corrigir sua dívida de permissão sem precisar encerrar todo o experimento de IA. Também estamos vendo uma expansão massiva nos recursos de rotulagem automática. A meta para 2026 é ser segura por padrão. Suas bibliotecas do SharePoint não são mais buckets passivos, porque estão se tornando participantes ativos em sua postura de segurança. Quando um arquivo é carregado em uma biblioteca específica, o rótulo padrão dessa biblioteca é aplicado em repouso automaticamente.

Se o arquivo contiver informações sensíveis, o sistema pode substituir rótulos manuais de prioridade inferior. Isso fecha a lacuna de cobertura que atormenta os sistemas manuais há anos. Isso garante que mesmo que um usuário se esqueça de marcar um documento, a plataforma o apoiará. É a mudança de um sistema voluntário para uma infraestrutura automatizada obrigatória. Para gerenciar isso em escala, estamos contando cada vez mais com a API de gráfico para análises de uso personalizadas. Agora podemos analisar os bastidores, para ver exatamente quais departamentos estão isolados. Se a equipe de P&D tiver uma taxa de retrabalho de 90% que está impedida de ver especificações de engenharia, os dados mostrarão isso. Podemos identificar os gargalos onde a classificação rígida está prejudicando a produtividade e ajustar as políticas em tempo real. É assim que passamos de uma postura de segurança reativa para uma estratégia de governança proativa.

Estamos usando os dados para nos dizer onde o sistema está falhando em vez de esperar que um usuário reclame ou ocorra uma violação. Mas mesmo com as melhores ferramentas, a estratégia falha sem alinhamento executivo. Você pode ter a configuração por viu mais avançada do mundo, mas se sua liderança ainda vê os dados como algo a ser acumulado, você nunca perceberá o valor total da IAA. E isso nos leva a um novo tipo de risco que está surgindo do zero. É um desafio que não vem de hackers ou ameaças externas, mas de seus próprios funcionários tentando ser produtivos. Precisamos falar sobre o dilema do desenvolvedor cidadão. O dilema do desenvolvedor cidadão. Atualmente estamos testemunhando a maior explosão de criação não regulamentada na história da computação empresarial. Atualmente existem mais de um milhão de ativos de baixo código atuando no ecossistema da Microsoft. Capacitamos os funcionários a criarem seus próprios aplicativos, fluxos e agora seus próprios agentes de IAA.

Mas essa capacitação tem um lado obscuro. Passamos da TI paralela para a IAA paralela na qual usuários não técnicos criam agentes complexos com base em dados confusos e sem governança. Esse é o risco da proliferação de agentes. É o que acontece quando um coordenador de marketing cria um GPT personalizado no Copilot Studio para ajudar nas consultas de fornecedores. Mas, inadvertidamente, ele aterra esse agente em um site do SharePoint que contém todos os contratos que a empresa assinou desde 2012. O dilema é que não podemos simplesmente desativá-lo. Se você elimina a capacidade das pessoas de resolverem seus próprios problemas, elimina a agilidade que a IAA deveria fornecer. Em vez disso, precisamos avançar para um modelo de governança em camadas. Em todos os agentes são criados iguais. Uma ferramenta de baixo código que ajuda um indivíduo a resumir seus próprios e-mails usando conectores padrão do Teams é um ativo de baixo risco, que deve contornar o processo de revisão pesado.

Mas um agente toca em um sistema de registro como o Dataverse ou um banco de dados SQL confidencial, ele precisa de um guardião. Temos que parar de tratar o desenvolvimento cidadão como uma única categoria e começar a tratá-lo como um espectro de risco. O setor está se afastando do antigo conceito de desenvolvimento do cidadão, para o que agora chamamos de construção pessoal aumentada por IAA. A diferença é sutil, mas crucial. No mundo antigo, o usuário é um desenvolvedor, mas no mundo novo, o usuário é um orquestrador. Eles estão direcionando a IAA para construir a solução para eles. Isso torna as proteções no Copilot Studio mais importantes do que o código em símbolo. Precisamos implementar camadas de moderação de conteúdo que impeçam esses agentes de alucinações ou vazamento de dados por meio de ataques de injeção de prompt, que o usuário nem sabia que eram possíveis. Você não deixaria um estagiário de verão escrever suas regras de firewall, então não devemos deixá-los criar agentes que tenham acesso de leitura a todo o wiki corporativo.

A correção é estrutural. Precisamos automatizar a aplicação de políticas de prevenção contra a perda de dados no ambiente de baixo código. Se um usuário tentar conectar um agente a uma conta externa não gerenciada do Dropbox, o sistema deverá bloqueá-lo instantaneamente. Se eles tentarem criar um bot que consulte uma biblioteca marcada com um rótulo de sensibilidade altamente confidencial, a implantação deverá acionar uma revisão manual automática pela equipe de operações de TI. Isso cria um caminho seguro para o design e para a inovação. Ele permite que os desenvolvedores criem enquanto garantem que os ativos mais confidenciais da organização permaneçam atrás dos muros sensíveis ao contexto que discutimos. Estamos entrando em uma era em que cada funcionário é um arquiteto em potencial da inteligência da empresa. Essa é uma enorme vantagem competitiva se gerenciada corretamente, mas é uma responsabilidade catastrófica se deixada ao acaso.

O objetivo não é impedir a proliferação, mas governar o fluxo. Precisamos fornecer aos desenvolvedores, cidadãos, modelos pré-aprovados e zonas seguras onde eles possam experimentar sem arriscar as joias da coroa. Isso garante que os agentes que eles criam sejam uma extensão de nossa estratégia de governança e não uma exceção a ela. Isso nos leva ao obstáculo final, que é fazer com que a diretoria trate o acesso como um ativo estratégico. Não é possível controlar um milhão de agentes do porão. É preciso o alinhamento executivo. É hora de levar a conversa da sala do servidor para a sala de reuniões. A estratégia de desão executiva. A batalha técnica pela segurança com o contexto é vencida no código, mas a batalha estratégica ainda é perdida dentro da sala de reuniões. Durante anos, o gerenciamento de identidade e acesso foi tratado como um problema de encanagem. Era algo para as equipes do porão lidarem enquanto a empresa se concentrava no crescimento.

Em 2026, essa mentalidade é uma desvantagem. Temos que reformular toda a conversa, porque a identidade não é mais apenas um login. É o plano de controle central para a confiança digital. Se sua liderança não entender isso, a implantação de ER continuará sendo uma série de experimentos caros e desconectados. Precisamos parar de apresentar a segurança como um centro de custo. Devemos enquadrar como facilitador da velocidade de decisão. A maioria dos executivos vê a segurança como uma série de nãos. Não, você não pode usar essa ferramenta. Não, você não pode compartilhar essa arquivo. Mas uma estrutura de identidade moderna faz o outro. Ela fornece o SIM, que permite que a empresa se mova mais rápido. Quando você tem uma verificação contínua com base no contexto, pode integrar um novo parceiro em horas em vez de semanas. Você pode dar a um consultor acesso exatamente ao que ele precisa para um projeto de três dias, e em seguida ver esse acesso desaparecer automaticamente no momento em que ele terminar.

Não se trata de restrição mais de agilidade. Trata-se de criar um ambiente em que as pessoas certas possam agir com base nas informações certas, sem o atrito das aprovações manuais. Podemos ver o custo de ignorar isso no mercado de fusões e aquisições. Há uma enorme lacuna de maturidade surgindo entre as organizações que dominaram a governança de identidade e aquelas que ainda dependem de modelos legados estáticos. Quando uma empresa de alta maturidade adquire um concorrente, ela pode integrar a nova força de trabalho em seu ecossistema de IA em dias. Mas para empresas com higiene de identidade ruim, essa integração se arrasta por meses, e esse atraso reduz o valor e paralisa as sinergias que a fusão deveria criar. Governança de identidade ruim é um golpe direto no valor pós-fusão. É um fardo para o balanço que a maioria dos CEOs ainda nem quantificou. Por isso que a proposta de um aumento de 5% a 20% do orçamento da maria de identidade não pede mais gastos em segurança.

É um investimento em infraestrutura de crescimento. É o equivalente digital da construção de uma rede ferroviária de alta velocidade entre seus cilos. Você está migrando de um perímetro reforçado que todos tentam contornar para um modelo de verificação contínua que realmente dá suporte à maneira como as pessoas trabalham. Você está dizendo à diretoria que se eles quiserem um aumento de produtividade 5 vezes maior que a IA promete, eles precisam pagar pela base que a torna segura. Você precisa mudar as balizas da proteção dos dados para o gerenciamento do fluxo de inteligência. A mudança para o modelo ciente do contexto é o único modo de criar uma empresa resiliente na era da IA de agentes. Isso permite que a organização dimensione sua inteligência sem dimensionar seu risco. Quando a diretoria trata o acesso como um ativo estratégico, toda a cultura da empresa muda. A segurança se torna uma responsabilidade compartilhada e os dados se tornam um recurso líquido em vez de um segredo acumulado.

É hora de parar de olhar para o custo das ferramentas e começar a olhar para o custo do atrito, porque na era da IA, empresa, mais rápida vence e você não pode ser rápido se seus dados estiverem presos em uma mentira. Seu mandato para 2026 é claro. Você deve editar sua dívida de permissão antes de dimensionar suas licenças de IA. A tecnologia está pronta, mas sua arquitetura provavelmente não. O desafio para o próximo trimestre é implementar a rotulagem automática ou obrigatória e executar uma limpeza de site de 90 dias para fechar as lacunas mais óbvias. Para a acumulação, comece o fluo. Se deseja compartilhar seu progresso na quebra de silos ou discutir como sua equipe lida com a mudança para permissões de contexto, conecte-se a micropeters no LinkedIn. Vamos construir um modelo de inteligência que realmente funcione. Inscreva-se para mais análises sobre o futuro do trabalho. Antenha esse programa.