Executivos da Intel, da AWS e da Opah IT avaliaram, durante o painel "Eficiência como estratégia, a nova infraestrutura da IA", no IT Forum Praia do Forte 2026, que o principal obstáculo para a adoção de inteligência artificial nas empresas brasileiras não está na disponibilidade de capacidade de processamento, mas na dificuldade de levar projetos da fase de prova de conceito (PoC) para a produção em escala com retorno sobre investimento. O debate reuniu o country manager da Intel Brasil, André Ribeiro, o country manager da AWS Brasil, Cleber Morais, e o CEO da Opah IT, João Moressi Junior, com moderação de Miguel Petrilli, fundador do IT Forum e membro do conselho do Grupo Itaqui.
Contexto de Mercado & Capacidades da Solução
O painel situou a discussão sobre infraestrutura de IA na transição da fase de treinamento para a fase de inferência, momento em que os modelos passam a gerar respostas e valor operacional a partir do aprendizado prévio. Segundo André Ribeiro, a projeção é de que até 2028 cerca de 80% das cargas de trabalho de IA sejam de inferência, o que altera os requisitos de arquitetura.
Nesse contexto, a unidade central de processamento (CPU) ganha relevância complementar às unidades de processamento gráfico (GPU). Ribeiro apontou dois vetores para esse movimento. O primeiro é a busca por eficiência energética e de custo em cargas de trabalho específicas, onde, a depender do volume e do número de parâmetros, a CPU pode oferecer melhor relação entre desempenho e consumo. O segundo é o avanço da IA agêntica, na qual agentes executam tarefas, tomam decisões e orquestram dados e sistemas, funções associadas à camada de orquestração. O executivo ressalvou que a CPU não atende a todos os casos de uso, mas se destaca nessa camada e em cargas de até 20 bilhões de parâmetros, porte considerado relevante para aplicações corporativas baseadas em dados internos.
Pela perspectiva de nuvem, Cleber Morais posicionou a nuvem como fundação para capacidade de processamento e segurança. A AWS destacou sua plataforma de middleware Bedrock, estruturada para prover governança no uso de modelos de linguagem com foco em performance e custo. João Moressi Junior, por sua vez, descreveu a evolução das arquiteturas de implementação, com adoção de modelos híbridos que combinam modelos maiores para tarefas complexas e modelos menores e mais rápidos para demandas recorrentes, associados a estratégias de cache e digitalização de processos. Nessa visão, um agente de IA é tratado como um produto de software, com ciclo de vida, integração e manutenção contínuos.
Considerações Estratégicas para Lideranças
Para lideranças responsáveis por avaliar e escalar iniciativas de IA, o painel indicou critérios de governança, integração e arquitetura. A transposição de PoC para produção exige planejamento para escala real, com milhões de acessos, dados de produção, integração com ecossistemas e sistemas de ERP e aderência a requisitos regulatórios como a Lei Geral de Proteção de Dados (LGPD), cenários que não são integralmente reproduzíveis em ambiente de teste.
A qualidade da implementação de software foi apontada como fator determinante, ao lado de hardware, nuvem, escalabilidade e consumo energético. Com o avanço da IA agêntica, a geração de código deixou de ser o principal gargalo, deslocando o desafio para a governança sobre o código gerado, sua segurança, correção e manutenibilidade. Ribeiro elencou três desafios de infraestrutura até 2027: definir o que executar e onde, com equilíbrio entre desempenho, eficiência e segurança; investir em escalabilidade e interoperabilidade para acompanhar novas arquiteturas e plataformas; e repensar o custo total de propriedade (TCO) e o ciclo de vida da infraestrutura. Segundo ele, essa complexidade tem levado organizações a criar funções dedicadas à arquitetura de IA em nível corporativo. A colaboração no ecossistema foi citada como premissa, exemplificada na parceria entre Intel e AWS para seleção de instâncias de infraestrutura e no investimento da Intel na Nvidia, que atua simultaneamente como parceira e concorrente em diferentes iniciativas.
Eficiência Operacional & Métricas
Dados e projeções apresentados no painel dimensionam a discussão sobre eficiência. Ribeiro citou a estimativa de que 80% das cargas de IA serão de inferência até 2028 e indicou que a CPU apresenta eficiência competitiva em cargas de até 20 bilhões de parâmetros.
Morais informou que a linha própria de processadores da AWS já responde por 20 bilhões de dólares em faturamento anual, em um negócio desenvolvido nos últimos anos, e que a empresa prevê investir 200 bilhões de dólares em infraestrutura de IA no ano, incluindo data centers e capacidade de processamento. No tema energético, citou estudo não detalhado quanto à instituição responsável, segundo o qual o consumo de uma carga de trabalho em nuvem seria até quatro vezes menor do que em solução tradicional. Citou ainda processadores da companhia que, segundo a AWS, entregam 60% a mais de performance com 40% a menos de custo. Como exemplo de escala no país, mencionou projeto com a Tropiko que reúne 500 mil processadores em um mesmo ambiente de data center, em um contexto em que a matriz energética brasileira foi apontada como oportunidade competitiva.
Do lado da adoção, Moressi Junior referenciou pesquisa da comunidade TI Estratégia segundo a qual a maioria das grandes empresas brasileiras permanece com provas de conceito que não avançam para produção e, quando avançam, não atingem o ROI esperado. Ele sintetizou que eficiência não é uma funcionalidade adquirida de forma isolada, mas uma disciplina projetada desde a concepção do projeto, e que o critério de qualidade de software passou a ser a entrega de um produto seguro, correto, escalável e bem integrado, em detrimento do volume de código produzido.
Próximos Passos & Evolução do Mercado
As perspectivas indicadas apontam para uma infraestrutura de IA orientada à eficiência por projeto, com decisões granulares sobre onde cada carga deve ser executada, interoperabilidade entre plataformas e gestão rigorosa de TCO. A tendência é de arquiteturas híbridas e orquestradas, com uso combinado de modelos de diferentes portes e especialidades, e de maior disciplina de governança sobre dados, que foram historicamente negligenciados nas organizações.
No campo organizacional, o desafio central desloca-se da dimensão tecnológica para a humana. Morais relacionou o momento atual à democratização do acesso à computação via nuvem e associou a capacitação como fator crítico, citando o compromisso da AWS de treinar um milhão de pessoas em nuvem no Brasil. A projeção apresentada é de convivência crescente com agentes de IA no cotidiano profissional, com a estimativa de 10 a 15 agentes por profissional. Para os painelistas, a entrega de valor da infraestrutura de hardware e de nuvem está condicionada à combinação com dados bem preparados, governança sobre artefatos gerados por agentes e patrocínio interno consistente para conduzir projetos da prova de conceito à operação em escala.