Cogent usa modelos da OpenAI em agentes que remediam vulnerabilidades em empresas

A tese da Cogent Security é simples: achar vulnerabilidade já não é o gargalo, corrigir é. A remediação passa por várias equipes e exige saber como um atacante exploraria a falha, quais sistemas de negócio estão em jogo e que mudanças são seguras. Para atacar isso, a empresa monta as Cyber Defense Factories, que cuidam da investigação até a remediação verificada.

A arquitetura divide o trabalho entre modelos e camadas de controle. O Context Engine mantém, por cliente, um knowledge graph de ativos, vulnerabilidades, identidades, responsáveis e dependências. O GPT‑6 Astra faz o planejamento inicial e o raciocínio complexo, o GPT‑6.1 Sol cuida da execução geral e o GPT‑5.6 pega as tarefas rotineiras de gestão de vulnerabilidades, onde raciocínio avançado pesa menos. O CTO Geng Sng chama o conjunto de "memory harness for the enterprise", e a ideia é reaproveitar contexto para cortar latency, custo de inference e resultados inconsistentes.

No controle, as Agent Policies definem mudanças permitidas e aprovações exigidas. O TRACE confere as chamadas de ferramentas contra essas políticas antes da execução, de forma determinística e sem inference adicional. Um Agent Gateway checa autorização por conta própria, e tarefas de maior risco rodam em sandboxes isoladas. O cliente escolhe o grau de autonomia: delegar a investigação, exigir aprovação ou permitir remediação autônoma limitada.

Os números vêm da própria Cogent: um cliente automotivo da Fortune 1000 reduziu em 75% o tempo médio de remediação de vulnerabilidades críticas, e um cliente de serviços de TI da Fortune 500 teve 5× mais throughput na triagem. São resultados relatados pela empresa, sem metodologia detalhada.

O caso PHP2Shell se conecta à cobertura anterior. Em 22 de outubro de 2026, o CEVIU noticiou "OpenAI coordena correção de vulnerabilidades críticas no PHP" e "Patch the Planet: IA da OpenAI ajuda a achar falhas críticas no PHP antes dos atacantes", sobre a coalizão que tratou as falhas críticas da linguagem. Agora o foco sai da descoberta e do patch no projeto e vai para o outro lado: como as empresas que usam PHP identificam sistemas afetados, planejam e verificam a correção no próprio ambiente, com agentes da Cogent.

Para quem opera segurança ou plataforma, a leitura é que o valor de agentes nessa área está menos no modelo e mais no contexto e nas travas. Um knowledge graph atualizado e uma checagem de política determinística, fora do modelo, são o que torna aceitável deixar um agente mexer em produção. Vale também olhar a divisão de modelos por tarefa: usar o mais caro só onde o raciocínio compensa é uma decisão de custo que qualquer time com enxames de agentes vai enfrentar.