Vi um estudo do MIT outro dia. Ele afirmava que 95% dos projetos corporativos de IA generativa foram considerados fracassos. Noventa e cinco por cento. Ora, você provavelmente já ouviu a desculpa repetida em coro pelo setor: “Eles não compraram infraestrutura suficiente (da minha)”. A alegação é mais ou menos assim: se você não atualizou seus servidores, seu armazenamento, sua pilha de rede, se não estava utilizando o mais recente conjunto de GPUs do catálogo deles, então é claro que seu projeto de IA estava fadado ao fracasso. E sempre com aquele refrão batido: “não escalou”.
Mas o que isso significa, afinal? O que significa “escala” se você não consegue defini-la, se não consegue relacioná-la aos resultados com os quais sua empresa realmente se preocupa? Deixe-me oferecer uma perspectiva diferente. A constatação do MIT — de que a IA corporativa falha em 95% das vezes — tem muito pouco a ver com a escolha do fornecedor, pilhas de infraestrutura ou racks de luzes piscando. Tem tudo a ver com duas coisas: pessoas e tempo.
Primeiro, as pessoas. O capital humano. Você possui o profundo conhecimento em ciência da computação necessário para construir um modelo fundamental? Para treiná-lo, ajustá-lo e refiná-lo até que se torne uma vantagem competitiva? Ou seria melhor licenciar um modelo criado por alguém que já fez isso melhor, em escala global? Pense nisso. As empresas não desenvolvem mais seus próprios sistemas de folha de pagamento. Elas não desenvolvem seus próprios sistemas de armazenamento nem fabricam seus próprios servidores. Não desenvolvem seu próprio CRM. Por quê? Porque essas são tecnologias contextuais, não essenciais à missão. O mesmo vale para modelos fundamentais de IA. A maioria das empresas obterá mais vantagem usando um modelo maduro e comprovado do que tentando construí-lo do zero.
Em segundo lugar, o tempo. Ou, mais especificamente, o tempo de preparação. A IA em grande escala não surge do nada. Se você quisesse implementar IA em grande escala na sua empresa hoje, a verdade é que precisaria ter começado a se preparar há sete anos. Há sete anos, você já deveria estar construindo data centers de 100 megawatts e assinando contratos de energia em grande escala. Você deveria ter encomendado as Solar Turbines Titan 250/350, com seus prazos de entrega de sete anos. Três anos atrás, você já deveria estar planejando racks de 250 a 500 quilowatts, resfriamento imersivo e arquiteturas de dissipação de calor de última geração. Você deveria ter projetado suas redes para fornecer 400, 800, 1.600 gigabits por rack, ou mais. Se você tivesse feito isso há três a sete anos, hoje estaria pronto. Teria a infraestrutura central, a energia, o resfriamento e a capacidade necessários para concretizar o investimento em infraestrutura exigido pela IA corporativa.
Mas a verdade é esta: a maioria das empresas não planejou a IA há sete anos. E tudo bem. Porque o outro caminho a seguir não exige esperar 84 meses por um novo centro de dados nem reconstruir toda a sua pilha de TI do zero. O outro caminho é a nuvem. Com a nuvem, você elimina a latência dos prazos de implantação da infraestrutura. Seu projeto de IA pode começar amanhã, e não daqui a anos, como se você tentasse construir tudo sozinho, nem daqui a meses, como se perdesse tempo replicando petabytes de dados antes mesmo de poder começar. O caminho a seguir é o software: conectar os dados que você já possui — todos eles, não apenas os 10% nos bancos de dados, mas os outros 90% armazenados em repositórios de arquivos e objetos. Trata-se de unificar esses dados entre aplicativos SaaS, serviços em nuvem e sistemas locais, e realizar análises neles imediatamente. Seja operando plataformas de análise de IA como Palantir, Glean ou Databricks — que se baseiam em dados estruturados e semiestruturados e precisam ser capazes de consumir dados não estruturados onde eles estão —, seja combinando modelos licenciados da Anthropic ou da OpenAI com repositórios de dados internos, ou conectando repositórios locais diretamente à computação acelerada provisionada instantaneamente na AWS, Azure, GCP ou OCI, você pode alugar, testar e treinar agora mesmo. Você pode fazer experimentos em diferentes nuvens, descobrir o que funciona melhor para o seu negócio e escalar quando estiver pronto — sem demora.
Essa é a verdadeira oportunidade. Ela não depende de uma reformulação radical da sua infraestrutura. Não depende de uma reestruturação da rede elétrica local. Depende de enxergar sua empresa como ela realmente é: um baú de tesouros de dados. Conecte-os. Unifique-os. Analise-os de forma integrada. É aí que reside a vantagem competitiva.
Portanto, a questão não é se você planejou isso há sete anos. A questão é se você está disposto a agir hoje. Você vai continuar perseguindo o mito de que a IA exige que você reconstrua toda a sua pilha de infraestrutura? Ou vai aproveitar as ferramentas disponíveis agora — ferramentas que permitem que você opere no local, na nuvem e em todos os sistemas que você já possui — e transformar seus dados em algo muito mais poderoso do que um custo irrecuperável?
O futuro não pertence àqueles que esperam anos pela implantação de redes de energia e pela entrega de turbinas, ou vários trimestres pela aquisição de GPUs e infraestrutura de rede. Ele pertence àqueles que conseguem aproveitar os dados que já possuem, independentemente de onde estejam, e transformá-los em insights, inteligência e ação. Esse é o futuro que vale a pena construir, e ele já é possível hoje — basta um script do Terraform.