Por Que DLP Antes do Modelo é o Novo Padrão

Quase 9 em cada 10 organizações globais moveram assistentes de IA além de pilots, e 42% já tiveram um incidente suspeito ou confirmado relacionado a IA. O problema: até ontem, a segurança só entrava depois que dados sensíveis já tinham sido processados pelo modelo.

Anthropic lançou inference hooks em 5 de agosto de 2026, uma feature beta para Claude Enterprise que roteia cada prompt de funcionário através do servidor de segurança próprio da organização para um veredicto allow-or-deny antes do modelo sequer vê-lo.

É como adicionar um scanner de segurança no portão antes de qualquer pessoa entrar no prédio—não depois.

Como Funciona (E Por Que Importa)

Quando uma organização ativa inference hooks, cada requisição roteia através de uma conexão WebSocket assinada para seu servidor de segurança. Antes do modelo começar a gerar, Claude envia o prompt e seu contexto para seu servidor. Seu servidor retorna um veredicto — allow ou deny — e Claude só procede uma vez que tem um.

A diferença prática é brutal: dados sensíveis ainda eram enviados, processados pelo modelo e potencialmente acessados ou usados—tudo antes que times de segurança pudessem identificar e remover. Agora: bloqueado antes de chegar.

O Stack de Segurança que Funciona Hoje

Inference hooks dão aos times de compliance execução real-time de DLP em chat, Claude Code, Cowork e mais. Inspeciona prompts e tool calls antes de alcançarem o modelo, com uma camada de policy, modo shadow e controles de rollout.

Funciona com Netskope, Palo Alto, Zscaler. Infraestrutura DLP suportada inclui Netskope, Palo Alto Networks, Zscaler e Proofpoint.

Para times sem DLP legada: inference hooks usa um protocolo webhook aberto com um schema publicado. Para vendors de segurança, é construído num protocolo webhook com um schema documentado, então você pode construir uma integração, e clientes Claude Enterprise podem apontar sua organização para sua plataforma.

Para Suas Operações

A regra é simples: com Inference Hooks, Anthropic deixa companies inspecionar cada prompt e resposta de tool antes de alcançar o modelo. Seu próprio servidor DLP decide em tempo real — allow ou block — em chat, Claude Code e Cowork.

Em produção, isso significa:

  • Shadow mode disponível para monitorar sem bloquear
  • Rollout por percentual para implementação faseada
  • Exclusões por role para diferentes niveis de confiança
  • Uma camada de enforcement em vez de agentes separados por produto

É infra de segurança crescendo junto com a adoção de IA—não depois.