Diretor da IBM Brasil aponta desafios para escalar IA em infraestrutura e governança

# Diretor da IBM Brasil aponta desafios para escalar IA em infraestrutura e governança

Escalar inteligência artificial nas empresas brasileiras exige mais do que adotar ferramentas: infraestrutura madura e governança sólida são os verdadeiros gargalos. Atualmente, mais de 1 milhão de modelos de inteligência artificial estão publicados no Hugging Face, mas nenhum deles carrega o conhecimento específico da operação comercial de cada empresa. Essa é a barreira invisível que impede organizações de escalarem a tecnologia agora.

Por que escalar IA ainda é um desafio para as empresas

A inteligência artificial ganhou tração rápida nas corporações brasileiras. Contudo, o salto do experimento para a escala real exige maturidade técnica. Segundo Fabricio Lira, diretor de IA e Dados da IBM Brasil, o foco mudou. Para ele, escalar IA pressupõe infraestrutura preparada e governança estabelecida. Mas como transformar esse potencial em receita real?

> "O conhecimento específico daquela operação, do que traz diferencial competitivo, não está representado em lugar nenhum."

O diagnóstico da IBM aponta que a estrutura é o primeiro grande obstáculo. A maioria das empresas ainda lida com dados corporativos em silos. Isso significa que as informações estão isoladas por departamentos ou sistemas antigos. A IA, por natureza, precisa de transversalidade para funcionar bem. Ela deve enxergar a jornada completa do cliente ou do produto. Na prática, os modelos encontram apenas fragmentos de dados desconectados, o que impede que a tecnologia gere insights profundos e úteis.

O problema do contexto proprietário na inteligência artificial

Embora existam milhões de modelos disponíveis, eles são genéricos. Entendem a linguagem, mas não entendem o seu negócio específico. O "contexto proprietário" é o que diferencia um chatbot comum de um assistente estratégico. Sem esse contexto, a IA não consegue oferecer um diferencial competitivo real.

O mercado brasileiro consome muita tecnologia, mas produz pouco conhecimento proprietário. Superar essa dependência exige organizar o dado onde ele nasce.

Os três inibidores da escala

De acordo com a pesquisa do IBM Institute for Business Value, os desafios são claros:

• Estrutura: Dados fragmentados e sem integração entre áreas.
• Contexto: Falta de treinamento de modelos com dados internos exclusivos.
• Governança: Dificuldade em gerenciar riscos em múltiplas plataformas.

Governança de IA como acelerador, não como freio

Gerenciar agentes e modelos distribuídos é o novo grande desafio técnico. As empresas estão experimentando mais, mas a orquestração se tornou complexa. Velocidade sem controle gera riscos jurídicos e operacionais graves. Para Lira, a saída é converter incerteza em planos de mitigação e ação. Ele utiliza uma analogia interessante com o mundo do automobilismo:

> "Ninguém chama o freio de Fórmula 1 de mecanismo de parada. Ele permite que os pilotos façam curvas em altíssimas velocidades."

A governança deve ser vista exatamente dessa forma nas empresas. Não serve para travar o projeto, mas para permitir velocidade com segurança.

Da redução de custo à geração de receita com IA

A maioria das empresas usa inteligência artificial apenas para otimizar processos internos. O objetivo comum é reduzir custos e automatizar tarefas repetitivas. Embora esse caminho seja válido, ele possui um limite de retorno. O movimento mais maduro é usar a IA para criar novos negócios. A IBM serve como o próprio exemplo desse modelo de maturidade.

O caso da IBM

A companhia testou suas ferramentas internamente antes de lançá-las ao mercado:

• Ganhos operacionais: A meta é fechar 2025 com US$ 4,5 bilhões em ganhos.
• Produtos: O uso interno gerou ferramentas como o watsonx Orchestrate.
• Receita: O que era ferramenta de custo virou produto gerador de lucro.

De acordo com a fonte original, esse é o topo da maturidade tecnológica.

Soberania de dados e o papel do Brasil na escala da IA

A dependência de plataformas estrangeiras é uma realidade no país. No entanto, a discussão sobre regulação não deve ser vista como um entrave. A IBM defende que a regulação ajuda a organizar a produção intelectual. Saber onde o dado fica e como o modelo é governado é essencial.

O cenário não é binário: não precisamos escolher entre produzir ou consumir. O Brasil pode desenvolver soluções específicas enquanto usufrui da produção global. A soberania de dados garante que o valor gerado permaneça na operação nacional.

O que está em jogo para as empresas brasileiras

Escalar IA não é mais uma questão de escolher o melhor algoritmo. É uma questão de organizar a casa para que a tecnologia possa trabalhar. Quem conseguir resolver o problema dos silos de dados sairá na frente. A governança será o diferencial entre empresas que inovam e empresas que se expõem. O futuro da IA corporativa não está no que ela sabe sobre o mundo. Está no que ela sabe exclusivamente sobre a sua empresa. Sua infraestrutura está pronta para dar esse próximo passo?