MIND lança cinco agentes de IA e interface MCP para automatizar a segurança de dados nas empresas

A proposta é transferir para agentes de software parte do trabalho operacional que costuma consumir o tempo das equipes de segurança: classificar informações sensíveis, investigar alertas, ajustar políticas, responder a exposições e analisar pedidos de exceção.

O que cada agente faz

Os cinco agentes cobrem etapas diferentes do ciclo de proteção de dados :

• Custom Classifier Agent: cria e ajusta classificadores específicos para identificar os dados sensíveis de cada organização. O agente já estava disponível .
• Issue Investigator Agent: automatiza a investigação de incidentes de DLP e reduz a triagem manual. Também já estava disponível .
• Policy Producer Agent: transforma a intenção de segurança em regras e sintaxe de políticas, refinando-as com base na atividade real dos dados .
• Rapid Response Agent: automatiza ações de correção quando detecta uma exposição de dados .
• Reason Reviewer Agent: analisa solicitações de exceção e de substituição de regras — demandas que antes podiam se acumular nas filas das equipes .

Os três últimos agentes — Policy Producer, Rapid Response e Reason Reviewer — foram apresentados no novo lançamento, juntando-se aos dois primeiros .

Comandos em linguagem natural por meio do MCP

Com a interface MCP, profissionais de segurança podem orientar qualquer um dos agentes a partir de um cliente de IA conectado ao protocolo, sem precisar recorrer a um console separado .

Na prática, comandos como “investigue os alertas de informações pessoais da noite passada” ou “atualize o classificador de cartões de crédito” podem ser dados em linguagem natural . O MCP funciona, nesse contexto, como uma camada de conexão entre os clientes de IA já usados pela equipe e as tarefas de proteção de dados da MIND.

Economia de tempo relatada por clientes

Segundo a MIND, organizações que usam a plataforma reduziram o tempo de investigação de incidentes de três a quatro horas por ocorrência para poucos minutos. O resultado representaria uma economia de 25% a 50% do tempo por incidente por dia, de acordo com Mike Morrato, diretor de segurança da informação da Noname Security, em depoimento citado pela empresa .

Al Faiella, diretor sênior de engenharia de segurança da ThoughtSpot, descreveu o principal benefício como “tranquilidade”: os incidentes chegam com a investigação já realizada, enquanto as políticas são refinadas continuamente . Esses números e relatos são métricas apresentadas por clientes e pela própria MIND, não uma avaliação independente do produto.

O desafio de governar dados na era da IA agêntica

A empresa posiciona o lançamento diante de um problema crescente de governança corporativa: aplicações de IA generativa, sistemas de IA agêntica e fluxos de trabalho autônomos criam e movimentam dados em uma velocidade que as equipes não conseguem acompanhar apenas com processos manuais .

Nesse cenário, analistas ainda dedicam grande parte do expediente a construir classificadores, investigar alertas, ajustar políticas e resolver exceções — em vez de se concentrarem em estratégia .

“A IA mudou fundamentalmente a forma como os dados são criados e movimentados, mas não mudou a forma como a maioria das organizações os protege”, afirmou Eran Barak, CEO da MIND .

Como o lançamento amplia o DLP para IA agêntica

Em janeiro de 2026, a MIND havia apresentado o DLP for Agentic AI, uma abordagem centrada nos dados para identificar quais agentes de IA estão ativos, detectar quais informações sensíveis eles acessam e evitar vazamentos em interações entre agentes .

Essa etapa anterior estabeleceu uma camada de visibilidade e controle sobre fluxos de trabalho com IA agêntica . O lançamento de julho fica sobre essa base: enquanto a solução anterior fornecia visibilidade e controles de política para o acesso dos agentes aos dados, os novos agentes automatizam a execução operacional dessas políticas — da criação de classificadores à investigação, formulação de regras e correção de exposições .

Em resumo, a MIND tenta levar as empresas de “enxergar o que os agentes de IA estão fazendo” para “permitir que os próprios agentes operem o programa de DLP”.