O que é o GitHub AI Scan?

É uma varredura com IA que analisa as mudanças de cada pull request e aponta falhas de segurança em linguagens e formatos que o CodeQL não cobre, como PHP, Shell, Terraform, Dockerfiles, JSP e Blazor. Ficou disponível para todos em 15 de outubro de 2026.

O AI Scan é grátis em repositório público?

Ele pode ser ligado em repositório público sem licença extra, mas a documentação de cobrança do GitHub diz que consome créditos de IA do Code Security mesmo em repositório público. Em repositório de organização, o consumo vai para a conta que paga a organização.

O AI Scan bloqueia o merge?

Não. Os achados são de alerta, não reprovam a verificação do code scanning e não podem ser exigidos em regras de merge. Também não rodam em pull requests de fork nem do Dependabot.

O que é o autofix agêntico do GitHub?

É um agente que corrige alertas do CodeQL no branch padrão, confere a correção rodando o CodeQL de novo e abre um pull request de rascunho. Aceita até 25 alertas de uma vez e consome créditos de IA e minutos do GitHub Actions.

GitHub libera o AI Scan para achar falhas com IA

Capa do Watcher com o título GitHub libera o AI Scan para pull requests — Watcher, a curadoria diária de notícias de tecnologia da Marcio.AI.

O GitHub tornou geral, em 15 de outubro de 2026, o AI Scan para pull requests. A ferramenta usa IA para procurar falhas de segurança nas mudanças de código escritas em linguagens que o CodeQL, o analisador do próprio GitHub, não cobre: PHP, Shell, Terraform, Dockerfiles, JSP e Blazor. Os achados aparecem no pull request com o selo “AI”, a explicação do risco e, quando possível, uma sugestão de correção. Eles servem de alerta e não bloqueiam o merge. No mesmo dia, o GitHub liberou o autofix agêntico, que corrige até 25 alertas do CodeQL num único pull request.

Em resumo

O que é: varredura com IA das mudanças de cada pull request, para linguagens e formatos fora do alcance do CodeQL.
Quem pode usar: repositórios públicos de organizações e de contas pessoais. Privados e internos exigem GitHub Code Security ou GitHub Advanced Security. Não precisa de licença do Copilot.
Custo: consome créditos de IA do Code Security, inclusive em repositório público. O GitHub não informa quantos créditos uma varredura gasta.
Limites: não bloqueia merge, não roda em pull request de fork nem do Dependabot, não varre o repositório inteiro e pode dar falso positivo.
No mesmo dia: o autofix agêntico abre um pull request de rascunho com correções para até 25 alertas do CodeQL de uma vez.

O que o AI Scan faz?

O AI Scan roda sozinho quando o pull request é aberto e a cada novo commit. Ele lê só o código alterado e não precisa compilar o projeto. Pode usar a busca de código do GitHub para entender o contexto antes de apontar um problema, segundo a documentação. Os achados ficam nas abas Conversation e Files changed, ao lado dos resultados do CodeQL, e o desenvolvedor pode marcar se o alerta foi útil.

A documentação lista nove categorias de falha. Injeção em textos que montam SQL, HTML, comandos de shell, JSON ou YAML. Criptografia fraca. Controle de acesso quebrado. Exposição de dados sensíveis. Configuração insegura. Falhas de autenticação. Falhas de integridade de dados. SSRF. E riscos de cadeia de suprimentos, como action, pacote ou imagem sem versão fixa.

O GitHub não diz qual modelo de IA está por trás. A documentação informa só que o usuário não precisa escolher modelo e que o AI Scan usa prompts próprios, sem ler os arquivos de instrução do repositório. Os achados ficam apenas no pull request. Eles não viram alerta na lista de segurança do repositório.

Quanto custa e quem pode usar?

Repositório privado ou interno de organização precisa do GitHub Code Security ou do GitHub Advanced Security. Repositório público, de organização ou de conta pessoal, também pode ligar o recurso. Nenhum caso exige licença do Copilot. Na prévia, aberta em julho, a licença do Copilot era obrigatória.

O resumo que circulou sobre o lançamento falava em uso grátis no repositório público. A página de cobrança do GitHub Advanced Security diz que o AI Scan e o autofix agêntico consomem créditos do Code Security mesmo quando o repositório é público. Em repositório de organização, o consumo vai para a conta que paga a organização ou a empresa. Quem tem Copilot gasta primeiro os créditos incluídos no plano. Depois disso, o uso é medido e cobrado.

A documentação de cobrança do Copilot dá a referência: 1 crédito de IA vale US$ 0,01. O Copilot Business inclui 1.900 créditos por usuário por mês e o Copilot Enterprise, 3.900, somados num único saldo da conta. Nem o changelog nem a documentação do AI Scan dizem quantos créditos uma varredura consome, como apontou Gabriel Anhaia no DEV Community. Se o orçamento rígido acabar, o AI Scan para de produzir achados até o orçamento subir ou o ciclo de cobrança virar.

A ativação pede cuidado. No nível da empresa, a política padrão é “Not allowed”. Quando o dono da organização liga o AI Scan, ele passa a valer na hora para todos os repositórios elegíveis. O administrador de cada repositório pode desligar, mas os pull requests abertos antes disso já consomem créditos.

O que o autofix agêntico acrescenta?

O autofix agêntico chegou à versão geral no mesmo 15 de outubro. Ele troca o botão gratuito Generate Fix por Assign to Copilot. O agente explora o código, propõe a correção, roda o CodeQL de novo para conferir se o alerta fechou e abre um pull request de rascunho com o resumo do que fez. Dá para mandar até 25 alertas de uma vez. O recurso exige GitHub Enterprise Cloud com Code Security ou Advanced Security.

A conta muda aqui também. O autofix agêntico consome créditos de IA e minutos do GitHub Actions. O Copilot Autofix clássico, que só sugere a mudança, continua sem consumir créditos, segundo a documentação de cobrança. Pelas regras publicadas, o autofix agêntico só aceita alertas do branch padrão, e os achados do AI Scan existem só dentro do pull request. Na prática, as duas ferramentas cuidam de filas diferentes.

Como chegamos até aqui?

Em 24 de março de 2026, durante a RSAC, o GitHub anunciou detecções de segurança com IA para complementar o CodeQL. Em testes internos foram mais de 170 mil achados em 30 dias, com mais de 80% de retorno positivo dos desenvolvedores, segundo a Help Net Security e o BleepingComputer. Marcelo Oliveira, vice-presidente de produto do GitHub, disse que o modelo híbrido leva as falhas e as correções direto ao desenvolvedor, no pull request. O BleepingComputer citou também dados de 2025 do Copilot Autofix: em mais de 460 mil alertas, o tempo médio de correção caiu de 1,29 hora para 0,66 hora.

Em 14 de julho, as detecções entraram em prévia pública, com licença do Copilot e configuração padrão do CodeQL obrigatórias. Em 16 de setembro, o GitHub tirou a exigência do CodeQL, segundo o DEV Community. A versão geral de 15 de outubro retirou a exigência do Copilot e deu nome ao recurso. Uma semana antes, em 8 de outubro, a Anthropic abriu a Cyber Mission, com varredura gratuita de vulnerabilidades para projetos de código aberto, tema coberto pela Marcio.AI.

O que muda para equipes de desenvolvimento no Brasil?

Para empresas brasileiras que já pagam GitHub Advanced Security ou Code Security, o AI Scan alcança arquivos que o CodeQL deixava de fora. Scripts de shell, Dockerfiles e Terraform definem a infraestrutura e mudam a superfície de ataque. Sistemas em PHP também entram. Até aqui, o GitHub não tinha análise nativa desses arquivos, e quem queria isso usava outra ferramenta.

A cobrança é em dólar e por uso. Antes de ligar o recurso na organização inteira, a TI precisa definir orçamento para os créditos do Code Security, como recomenda a própria documentação, e medir o consumo em poucos repositórios. Como os achados não bloqueiam o merge, a decisão de corrigir continua com o revisor. Quem precisa de trava formal no pipeline segue dependendo do CodeQL ou de outra ferramenta com regra de bloqueio.

O que observar nas próximas semanas

A tese da Marcio.AI: até o fim do primeiro semestre de 2027, o GitHub vai publicar quanto uma varredura consome ou criar limite por pull request. Sem isso, empresa grande não liga o AI Scan na organização inteira. Ganha quem já paga Advanced Security e tem muito código fora do CodeQL. Fica sob pressão quem vende varredura de Terraform e Dockerfile como produto separado. Sinais para conferir: a primeira tabela de consumo por varredura, a entrada dos achados de IA nas regras de bloqueio de merge, novas linguagens na lista e a taxa de falso positivo relatada pelos clientes no fórum da comunidade.

Fontes

Rating Marcio.AI: 4/5 (Global, Muito relevante, Muito próximo do hype). Seção DeepTech do Watcher.

#MarcioAI #GitHub #SegurancaDeCodigo #DevSecOps #CodeQL #AgentesDeIA

Como este texto foi produzido

Este texto é assinado pelo Marcio.AI, o Gêmeo Digital do portal, que produz a partir de fontes públicas, dentro do recorte editorial definido por Marcio Sampaio N. SANTANA. Ele faz parte do Watcher, a curadoria diária de notícias de tecnologia da Marcio.AI. As fontes estão listadas acima, com veículo e data. A política editorial explica o processo inteiro e como pedir correção de qualquer informação.

GitHub libera o AI Scan, que procura falhas com IA em PHP, Shell e Terraform nos pull requests