Rami Habal, fundador e CEO da Magnitude – Série de entrevistas

Rami Habal, fundador e CEO da Magnitude, é um executivo veterano de cibersegurança e produtos de IA com uma carreira que abrange segurança corporativa, aprendizado de máquina, tecnologia de consumo e startups com apoio de venture capital. Antes de fundar a Magnitude, atuou como Entrepreneur in Residence na Ballistic Ventures e passou mais de quatro anos na Abnormal Security, incluindo cargos de Chief Product Officer e Chief Customer Officer. Anteriormente, Habal liderou a experiência multidevice da Amazon Alexa, dirigiu produto na Reverb e foi um dos primeiros colaboradores da Proofpoint, onde ajudou a construir e comercializar produtos de segurança enquanto a empresa evoluía de startup para seu IPO eventual. Sua trajetória também inclui experiência em capital de risco, tecnologia móvel, APIs e estratégia de produto, proporcionando-lhe uma ampla base na interseção de cibersegurança, IA e software empresarial.

Magnitude é uma empresa de cibersegurança nativa de IA focada em transformar a gestão de risco de terceiros (TPRM) de revisões periódicas de conformidade para uma função de segurança contínua. Sua plataforma multiagente utiliza agentes de IA especializados para avaliar fornecedores e produtos, monitorar continuamente vulnerabilidades e outras mudanças de risco, mapear dependências de quarto, quinto e níveis mais profundos, automatizar comunicações com fornecedores e ajudar a gerenciar a remediação. Em vez de depender principalmente de questionários e avaliações pontuais, a Magnitude foi projetada para raciocinar com base nas próprias políticas da organização e fornecer decisões fundamentadas em evidências, com fontes e raciocínio rastreáveis. O objetivo mais amplo é oferecer às equipes de segurança visibilidade contínua em ecossistemas de software e fornecedores cada vez mais complexos, permitindo que analistas humanos se concentrem em decisões de julgamento de maior valor.

Depois de ajudar a construir produtos na Proofpoint, Amazon Alexa e Abnormal Security, o que o convenceu de que agora era o momento certo para fundar a Magnitude? Houve uma percepção específica ou ponto de dor do cliente que o fez acreditar que a gestão autônoma de risco de terceiros precisava se tornar uma empresa própria?

Eu sabia que, depois da minha passagem pela Abnormal, queria iniciar uma empresa. O que eu não sabia era qual problema valia a pena construir uma empresa em torno dele. Ao longo da minha carreira, fui atraído por produtos de aprendizado de máquina aplicados que atendem a necessidades amplas e universais, como segurança de e‑mail na Proofpoint, computação por voz com Alexa e segurança comportamental na Abnormal. Eu queria encontrar outro problema com esse mesmo alcance para ajudar as empresas.

Então os agentes chegaram. Tendo trabalhado na onda anterior de aprendizado de máquina, pude perceber que isso não era apenas mais um recurso de produto. Foi uma mudança de plataforma, e essas mudanças não acontecem com frequência.

Enquanto eu era entrepreneur-in-residence na Ballistic Ventures, comecei a conversar com CISOs sobre onde essa mudança poderia ter o maior impacto. O risco de terceiros surgia repetidamente. Historicamente, fazia sentido que o TPRM ficasse dentro da função GRC porque o risco de fornecedores evoluía lentamente o suficiente para que revisões periódicas acompanhassem. Mas essa suposição estava se desfazendo. Todos concordavam que era um problema significativo, porém a maioria das organizações ainda o gerenciava com questionários anuais, planilhas, revisões periódicas e trabalho manual extensivo. A reação era consistente: a gestão de risco de terceiros é crítica, mas ainda não temos uma boa maneira de resolvê‑la.

Essa foi a percepção por trás da Magnitude. Eu sabia que o modelo tradicional já não funcionava e que precisávamos de uma tecnologia capaz de mudar o modelo operacional completamente, não apenas acelerar um pouco o antigo processo baseado em planilhas. Desde o início, eu acreditava que todo fornecedor acabaria tendo um enxame de agentes avaliando continuamente os riscos que o cercam. A Magnitude cresceu a partir dessa crença.

Você descreve a chegada da “era Mythos”, onde a IA pode identificar e transformar vulnerabilidades em armas mais rápido do que os humanos podem reagir. Quais mudanças você observou no último ano que o convenceram de que essa transição já está em andamento, em vez de ser uma preocupação futura?

A maior mudança que observei é a rapidez com que esses ataques ocorrem agora. Há um ano, grande parte da conversa ainda girava em torno do que a IA poderia eventualmente permitir que um atacante fizesse. Agora podemos ver essas capacidades se materializando em tempo real. A IA pode ajudar um atacante a examinar um ecossistema de software muito maior, descobrir vulnerabilidades que antes poderiam ser desconhecidas e atacar essas fraquezas em uma escala que seria difícil para uma equipe humana igualar.

Na era Mythos, sistemas de IA demonstraram a capacidade de revelar mais de 2.000 falhas anteriormente desconhecidas em ecossistemas de software, e o tempo médio entre a descoberta da vulnerabilidade e a exploração weaponizada deve cair para menos de uma hora até o final de 2026. Embora o intervalo entre descoberta e weaponização continue a diminuir, isso cria uma lacuna entre a rapidez com que a exposição pode surgir e a velocidade com que os ciclos de revisão tradicionais podem responder.

Também estamos vendo o padrão de incidentes seguir a mesma direção. Em nossa análise, a frequência de ataques à cadeia de suprimentos aumentou de aproximadamente 13 incidentes por mês em 2024 para 41 por mês em 2026. Observamos que a atividade está crescendo juntamente com melhorias significativas nos modelos de ponta. Não afirmaria que cada lançamento de modelo causa diretamente mais ataques, mas a tendência é difícil de ignorar. As ferramentas estão se tornando mais capazes à medida que o ritmo dos ataques acelera.

O que realmente confirma essa mudança para mim são as conversas que estou tendo com líderes de segurança. Eles não falam mais sobre risco de terceiros como algo que pode ser tratado por meio de uma revisão anual e revisitado na renovação. Sentem-se expostos nos meses entre essas revisões porque seus fornecedores, dependências de software e fornecedores downstream estão mudando constantemente.

Isso é o que a era Mythos significa para mim. A janela para entender e responder ao risco está se estreitando, enquanto o impacto potencial de um único fornecedor comprometido está se ampliando. Um processo de conformidade periódico simplesmente não foi projetado para esse ambiente.

Muitas empresas estão implantando rapidamente agentes de IA em toda a sua organização. Como os líderes de segurança devem repensar a governança quando esses agentes interagem cada vez mais com fornecedores externos, APIs e dependências downstream?

A primeira coisa que os líderes de segurança precisam reconhecer é que mesmo um agente de IA construído dentro da empresa pode não ser totalmente interno. Ele pode depender de uma plataforma externa, de uma skill de terceiros via MCP, de um serviço como o Google Drive ou de outra tecnologia que a organização não controla diretamente. E cada um desses provedores pode ter seus próprios fornecedores.

Não basta mais aprovar o próprio agente. Os líderes precisam entender quais informações ele pode acessar, quais ações pode executar, quais serviços externos ele depende e quando a aprovação humana é necessária. Também precisam compreender como essas dependências podem mudar ao longo do tempo à medida que o agente adquire novas capacidades, se conecta a novos sistemas ou passa a depender de fornecedores downstream adicionais. Esses controles também não podem ser definidos uma vez e esquecidos. Conforme o agente ganha novas capacidades ou conexões, sua governança precisa se adaptar adequadamente.

O objetivo não deve ser desacelerar a adoção de IA. Deve ser proporcionar às empresas visibilidade suficiente para usar os agentes com confiança. A governança precisa se tornar uma prática de segurança contínua, e não uma aprovação pontual concluída quando uma nova ferramenta é introduzida.

A gestão de risco de terceiros tradicionalmente se baseou em questionários e revisões periódicas. Por que você acredita que esse modelo se rompe fundamentalmente em um ambiente impulsionado por IA? 

O problema do modelo tradicional de TPRM é que ele fornece um instantâneo do que um fornecedor afirmou ser verdade em um momento específico. Uma empresa pode preencher um questionário quando é aprovada pela primeira vez e então não ser revisada novamente até a renovação, que pode ocorrer anos depois. Enquanto isso, sua tecnologia, práticas de segurança, modelos de IA, uso de dados e fornecedores podem mudar. Mal conseguimos prever o que mudará nas próximas semanas, portanto confiar em uma avaliação de vários anos já não faz sentido.

Também há a questão da confiabilidade da informação. Uma resposta reportada inserida por alguém que tenta avançar um negócio não é a mesma que um fato sustentado por uma auditoria independente, um registro empresarial assinado ou outra fonte verificável. Os líderes de segurança precisam saber não apenas qual é a resposta, mas de onde ela veio e se ainda está atual.

Por fim, os questionários geralmente param no fornecedor direto. Raramente revelam as partes N‑ésimas, embora esses relacionamentos ocultos de 4ª e 5ª parte possam gerar exposição real. Os atacantes agora sabem que o elo mais fraco de uma empresa não é a própria empresa, mas um desses fornecedores downstream. E atacar esses fornecedores pode, em última análise, dar acesso à empresa. É simplesmente mais barato e mais fácil.

Por isso não acredito que a resposta seja simplesmente usar IA para preencher questionários mais rapidamente. Nesse modelo, sempre haverá lacunas. O modelo em si precisa mudar, de instantâneos periódicos e autorrelatados para uma compreensão contínua, em tempo real e baseada em evidências do risco, tão profunda quanto a cadeia de suprimentos da empresa.

A Magnitude introduz o conceito de força de trabalho autônoma de IA para equipes de segurança. Onde você vê o equilíbrio entre a tomada de decisão impulsionada por IA e a supervisão humana, particularmente para decisões de segurança de alto impacto? 

Autônomo não precisa significar irresponsável. A forma como penso sobre isso é que a IA deve lidar com o trabalho crítico, porém repetitivo, que consome tanto tempo de uma equipe de segurança, enquanto as pessoas permanecem envolvidas quando uma decisão requer julgamento, contexto ou tem consequências comerciais significativas. O fato é que nenhuma equipe de segurança tem recursos suficientes hoje para atender ao escopo atual. A IA pode ajudar a preencher essa lacuna.

A qualidade da IA importa enormemente. Quando bem feita, a IA é um multiplicador de força. Ela dá à equipe mais capacidade e ajuda as pessoas a focarem em trabalhos de maior valor. Quando mal feita, tem o efeito oposto, pois alguém precisa verificar cada saída. Para decisões de segurança de alto impacto, o sistema deve ser de alta qualidade e ser capaz de mostrar quais evidências utilizou e como chegou à sua recomendação, criando um registro auditável.

O nível adequado de supervisão também variará conforme a organização. Uma grande empresa com uma equipe de segurança estabelecida pode usar a IA mais como um piloto automático, com pessoas supervisionando o trabalho e intervindo em exceções. Uma organização menor pode optar por automatizar mais do programa porque carece de pessoal ou orçamento para construir uma equipe grande. Em ambos os casos, deve haver pontos claros onde um problema é escalado para uma pessoa.

Em última análise, a organização deve ser capaz de decidir quanto envolvimento humano deseja, com base na importância da decisão. O objetivo não é remover as pessoas da segurança. É ajudá‑las a usar melhor o seu tempo, tomar decisões de negócios mais rápidas e reservar a atenção humana para as decisões onde ela agrega mais valor.

Sua equipe reúne expertise em IA, cibersegurança e plataformas de escala de consumo. Como essa combinação influenciou a forma como você projetou o Magnitude em comparação com produtos tradicionais de cibersegurança? 

Cada um dos nossos antecedentes nos ensinou algo diferente sobre o que um produto de segurança com IA deve fazer bem. Em cibersegurança, uma resposta só é útil se você puder confiar nela, rastre‑la até a evidência e agir com base nela. A partir do nosso trabalho em IA e aprendizado de máquina, aprendemos que a verdadeira oportunidade não é simplesmente resumir informações, mas transformar o trabalho de especialistas em um sistema que possa executar esse trabalho de forma consistente. Construir plataformas como Alexa e Pandora nos ensinou a pensar em confiabilidade e usabilidade em grande escala.

Essas lições nos afastaram do modelo tradicional de cibersegurança de produzir mais um painel ou mais um fluxo de alertas para uma equipe já sobrecarregada investigar. Projetamos o Magnitude para executar o trabalho: coletar e verificar informações, avaliar fornecedores, monitorar mudanças, conectar novas informações ao risco de negócios e ajudar a avançar as questões em direção à resolução.

Nos bastidores, isso envolve múltiplos agentes de IA especializados trabalhando em conjunto. Mas a experiência do cliente deve permanecer simples. As equipes de segurança não devem precisar se tornar especialistas em IA para entender o que o sistema encontrou, por que isso importa ou qual ação tomar.

O resultado é um produto projetado para operar continuamente em milhares de fornecedores, mantendo ainda o padrão exigido para decisões de segurança de alto impacto. Não se trata de IA adicionada a um fluxo de trabalho antigo. Foi construído desde o início com a ideia de que a IA pode executar grande parte do fluxo de trabalho por si só, ao mesmo tempo em que fornece às pessoas as evidências, a visibilidade e o controle de que precisam.

Uma das maiores preocupações em torno da IA na cibersegurança é que ela capacita tanto defensores quanto atacantes. Você acredita que a vantagem atualmente está com os defensores ou com os adversários, e o que determinará quem permanecerá à frente nos próximos anos?

Acho que a vantagem hoje inclina-se para os adversários, particularmente em ataques à cadeia de suprimentos. Eu não diria que os defensores estão irremediavelmente atrasados. O chamado à ação para os defensores é deixar de tratar isso como um problema futuro e agir mais rápido agora. Ambos os lados têm acesso a muitas das mesmas ferramentas de IA, mas a economia e o tempo de lançamento no mercado atualmente favorecem o atacante.

A IA torna mais barato e fácil testar mais caminhos de ataque, lançar mais tentativas em níveis N e repetir esse processo em escala. Quando um atacante compromete um fornecedor ou componente de software amplamente usado, um ataque bem‑sucedido pode se espalhar para centenas ou até milhares de empresas.

Os defensores têm a tarefa mais difícil porque precisam entender e proteger uma grande rede de fornecedores, componentes de software e fornecedores downstream, e também leva tempo para as empresas reagirem, adquirirem softwares que ajudem e operacionalizarem essas ferramentas, o que cria uma janela que os atacantes podem explorar.

O que determinará quem permanecerá à frente será se os defensores conseguem mudar essa equação. Eles precisam ir além de revisões ocasionais e acompanhamentos manuais, avançando para monitoramento contínuo e ação mais rápida. Sistemas automatizados de governança e defesa que monitoram continuamente mudanças, as vinculam ao risco de negócios e podem responder rapidamente tornarão os ataques mais difíceis de escalar e mais caros de repetir.

A cibersegurança sempre foi um jogo de gato‑e‑rato. A IA não muda isso, mas aumenta a velocidade e a importância. Os defensores precisam de sistemas que possam aprender, adaptar‑se e agir no mesmo ritmo em que os atacantes começam a operar.

As cadeias de suprimentos de IA estão se tornando cada vez mais complexas, com organizações dependendo de inúmeros modelos de base, fornecedores SaaS e agentes autônomos. Quais riscos emergentes você acha que as empresas ainda subestimam?

O risco mais subestimado é a tecnologia que está por trás do produto que a empresa acredita ter aprovado. Mesmo um agente desenvolvido internamente pode depender de plataformas externas, plug‑ins, contratados ou componentes de software. Esses relacionamentos ocultos criam risco de N‑ésimo nível, os fornecedores por trás de um fornecedor direto.

A maioria das empresas ainda tem muito pouca visibilidade nessa camada mais profunda. Elas podem saber com quem assinaram um contrato, mas não cada serviço externo, componente de software ou subcontratado que, em última análise, suporta o produto.

Outro problema é o grau de conexão desses sistemas. Uma vulnerabilidade em um plug‑in ou serviço de apoio pode não permanecer isolada ao provedor. Ela pode criar um caminho para uma plataforma maior e então afetar muitas organizações que dependem dela. Isso significa que um fornecedor relativamente pequeno pode se tornar uma fonte de exposição muito maior.

Portanto, o que os líderes de risco devem perguntar não é simplesmente: “Qual modelo de IA estamos usando?” É: “De que este sistema depende, de que dependem esses provedores e como um problema em qualquer ponto dessa cadeia poderia nos alcançar?” Até que as empresas possam responder a essas perguntas, continuarão a herdar riscos que não conseguem ver.

Olhandо além dos modelos de linguagem de grande porte de hoje, quais desenvolvimentos tecnológicos nos próximos cinco anos você espera que reformulem de forma mais significativa a cibersegurança corporativa e a gestão de riscos? 

Não acredito que a mudança definidora será um novo modelo. Será a transição da IA que responde perguntas para sistemas de IA que podem observar continuamente o que está acontecendo, conectar informações de diferentes fontes e agir.

A próxima geração de modelos não será apenas um pouco melhor; será muito mais capaz. Mas a mudança maior virá de agentes especializados trabalhando juntos nas operações de segurança. Hoje, avaliações de fornecedores, informações sobre ameaças, risco empresarial e remediação são frequentemente gerenciados em ferramentas separadas e por equipes distintas. Com o tempo, essas funções começarão a se integrar.

Espero que os sistemas de segurança se tornem muito mais conectados, reunindo informações sobre ameaças, contexto empresarial, políticas da empresa e ações de resposta, em vez de gerenciá‑los em ferramentas separadas. Eles poderiam reconhecer que um fornecedor foi exposto a uma nova ameaça, entender quais partes do negócio podem ser afetadas e ajudar a iniciar a resposta sem aguardar várias transferências manuais.

Isso transformará a gestão de risco de uma série de exercícios periódicos em uma capacidade operacional contínua. Os programas de risco mais robustos serão construídos em torno do contexto empresarial, evidências confiáveis e da capacidade de transformar informações em ações confiáveis.

Se você pudesse oferecer um conselho a CISOs e líderes empresariais que se preparam para a próxima geração de ameaças impulsionadas por IA, qual seria e quais ações eles deveriam priorizar hoje?

Meu conselho seria parar de gerenciar o risco da cadeia de suprimentos como um exercício anual. O risco muda continuamente, e sua abordagem precisa acompanhar esse ritmo. O ambiente está vivo e respirando. É excessivamente conectado e muda tão rapidamente que uma série de revisões e ferramentas separadas não consegue acompanhar.

Como proteger essa superfície de ataque emergente é através de um único plano de controle nativo em IA para governança e defesa contínuas e autônomas de todos os seus riscos externos.

O ponto de partida são as áreas da empresa que mais importam. Identifique os fornecedores e serviços externos que sustentam essas operações críticas, compreenda onde estão as dependências ocultas e estabeleça uma responsabilidade clara para o que acontece quando um risco é encontrado. Em seguida, automatize ao máximo o monitoramento contínuo e a resposta rotineira, mantendo as pessoas envolvidas nas decisões com consequências empresariais significativas.

O objetivo não é simplesmente coletar mais informações. Trata‑se de conectar continuamente o que você sabe, decidir o que é relevante e agir antes que um problema com um fornecedor se torne uma questão em toda a empresa.

Obrigado pela ótima entrevista, leitores que desejam saber mais devem visitar Magnitude.