A era das IAs! IA vai dominar o mundo?

O problema, entretanto, é que Ultron interpreta essa missão de uma maneira bem diferente da esperada. Assim, aquilo que deveria ser uma solução rapidamente se transforma em uma ameaça.

É ficção, claro. Ainda assim, a ideia de uma IA ficando inteligente demais, tomando decisões por conta própria e escapando do controle de seus criadores ajudou a construir um medo que continua muito presente quando falamos sobre Inteligência Artificial.

Por isso, quando começaram a surgir discussões sobre uma possível “freada” no avanço das IAs, foi fácil imaginar:

“Pronto. Criamos o nosso próprio Ultron?”

Não exatamente.

Até o momento, não existe evidência de que uma Inteligência Artificial tenha desenvolvido consciência e esteja planejando dominar a humanidade. O International AI Safety Report 2026 afirma que os sistemas atuais ainda não possuem, em conjunto e no nível necessário, as capacidades capazes de provocar um cenário real de perda de controle.

Por outro lado, isso não significa que não existam motivos para atenção.

Os modelos estão evoluindo em capacidades relacionadas a planejamento, operação autônoma, utilização de ferramentas e identificação de brechas em avaliações de segurança.

Portanto, o problema real é menos cinematográfico e, ao mesmo tempo, muito mais complexo.

A IA não está parando: ela está encontrando os limites do mundo físico

Durante os últimos anos, grande parte da discussão sobre Inteligência Artificial esteve concentrada em uma pergunta:

“Até onde os modelos conseguem evoluir?”

Agora, porém, uma segunda pergunta começa a ganhar cada vez mais importância:

“A infraestrutura disponível consegue sustentar essa evolução?”

Talvez um dos principais limites da Inteligência Artificial não esteja dentro da própria IA. Na realidade, ele pode estar no mundo físico necessário para fazê-la funcionar.

Quando alguém utiliza uma ferramenta de IA, é fácil imaginar que tudo simplesmente acontece “na nuvem”. Entretanto, por trás de cada resposta existe uma estrutura tecnológica extremamente complexa.

Essa infraestrutura inclui, entre outros elementos:

• GPUs e aceleradores de processamento;
• servidores de alta performance;
• memória DRAM;
• armazenamento NAND e SSDs;
• redes de alta velocidade;
• sistemas de refrigeração;
• data centers;
• conectividade;
• energia elétrica;
• backup e proteção de dados;
• monitoramento e segurança.

Em outras palavras, quanto maior o uso da Inteligência Artificial, maior também é a infraestrutura necessária para sustentá-la.

O avanço da IA já está pressionando o mercado de memória

Um exemplo importante dessa transformação está acontecendo no mercado de armazenamento.

Em setembro de 2026, o Gartner apontou que a demanda relacionada à Inteligência Artificial ajudou a intensificar o déficit de memória NAND para aproximadamente 9% em 2026. Além disso, restrições próximas de 5% ainda são projetadas para 2027.

O estudo pode ser consultado no relatório do Gartner sobre o mercado mundial de NAND Flash.

Isso não significa que o mundo esteja literalmente “ficando sem espaço para guardar dados”. Na prática, significa que a demanda por componentes necessários para construir infraestrutura de IA está crescendo em uma velocidade capaz de pressionar produção, disponibilidade e preço.

Além disso, memória e armazenamento deixaram de ser apenas componentes técnicos. Hoje, eles também fazem parte da discussão estratégica sobre a expansão da Inteligência Artificial.

IA também precisa — e muito — de energia

O armazenamento, entretanto, representa apenas uma parte desse desafio.

Outro recurso fundamental para sustentar a evolução da Inteligência Artificial é a energia elétrica.

Segundo a Agência Internacional de Energia (IEA), os data centers consumiram aproximadamente 485 TWh de eletricidade em 2025.

Além disso, a projeção indica que esse consumo pode chegar a aproximadamente 950 TWh em 2030.

Em outras palavras, estamos falando de um consumo praticamente duas vezes maior em apenas cinco anos.

Nos data centers voltados principalmente para Inteligência Artificial, o crescimento tende a ser ainda mais intenso. De acordo com a IEA, o consumo de energia dessas estruturas pode triplicar entre 2025 e 2030.

Entretanto, aumentar a capacidade de processamento não depende apenas da instalação de novos servidores. Pelo contrário, existem limitações relacionadas às redes elétricas, transformadores, semicondutores avançados, refrigeração e construção de novos data centers.

Além disso, a expansão depende da disponibilidade de equipamentos e da capacidade de conectar novas instalações às redes de energia.

Por isso, durante alguns anos, a principal pergunta era:

“Até onde conseguimos fazer a IA evoluir?”

Agora, porém, precisamos acrescentar outra:

“Temos infraestrutura — e dinheiro — para sustentar essa evolução?”

A Inteligência Artificial está entrando na fase da gestão

Apesar de toda a conversa sobre uma possível “freada”, os investimentos em Inteligência Artificial continuam crescendo.

Em setembro de 2026, o Gartner atualizou sua projeção e estimou que os gastos mundiais com IA devem chegar a US$ 2,7 trilhões em 2026, crescimento de aproximadamente 49,5% em relação ao ano anterior.

Os números podem ser consultados no levantamento oficial do Gartner sobre os gastos mundiais com IA.

Portanto, não estamos diante do fim da corrida tecnológica.

O que está mudando, na verdade, é a fase do jogo.

Primeiro, as empresas queriam experimentar. Depois, começaram a colocar IA em diferentes processos. Agora, entretanto, precisam responder perguntas menos empolgantes, porém fundamentais.

• Quanto isso custa?
• Onde estão os nossos dados?
• Quem pode utilizar cada ferramenta?
• Quais informações podem ser enviadas para uma IA?
• Quem controla o que um agente pode fazer?
• Existe auditoria?
• Existe retorno financeiro?
• Nossa infraestrutura suporta esse crescimento?

É justamente nesse momento que entra um conceito que deve ganhar cada vez mais espaço dentro das empresas: governança de IA.

O primeiro susto da IA pode chegar na fatura

Inicialmente, testar uma ferramenta de Inteligência Artificial com poucos usuários pode parecer barato.

Entretanto, o cenário muda quando centenas ou milhares de colaboradores começam a utilizar copilotos, APIs, agentes e modelos generativos diariamente.

Isso acontece porque uma única solicitação pode desencadear diversas operações nos bastidores. Por exemplo, um agente pode receber uma pergunta, consultar documentos, interpretar informações, utilizar ferramentas externas, executar uma ação e, posteriormente, revisar o próprio resultado.

Além disso, cada etapa pode gerar novas chamadas ao modelo e, consequentemente, consumir mais processamento e tokens.

Por esse motivo, as empresas começam a enfrentar uma nova necessidade: governar financeiramente o uso da IA.

Curiosamente, essa situação lembra bastante o que aconteceu com a computação em nuvem.

A cloud trouxe flexibilidade e escalabilidade. Contudo, muitas organizações descobriram posteriormente que escalar recursos sem governança também significava aumentar custos.

Com a Inteligência Artificial, portanto, a discussão começa a seguir um caminho semelhante.

Assim, não basta perguntar qual é o modelo mais poderoso. É necessário avaliar qual modelo realmente é adequado para cada tarefa.

Em muitos casos, inclusive, um modelo menor, mais rápido e mais barato consegue atingir o mesmo objetivo. Dessa forma, custo, desempenho, latência e resultado precisam fazer parte da mesma análise.

Depois do custo vem uma pergunta ainda mais delicada: onde estão os seus dados?

Um dos maiores riscos relacionados à Inteligência Artificial pode surgir antes mesmo de a empresa perceber que adotou IA oficialmente.

Imagine, por exemplo, algumas situações bastante comuns.

Um colaborador envia uma proposta comercial para uma ferramenta de IA, enquanto outro utiliza um assistente para analisar um contrato. Ao mesmo tempo, uma equipe conecta documentos internos a um chatbot e um desenvolvedor utiliza IA para revisar código.

Em outro setor, alguém pode enviar uma planilha com informações comerciais para gerar um resumo.

Individualmente, essas ações podem parecer inofensivas. Entretanto, quando analisadas em conjunto, informações importantes podem começar a circular por diferentes plataformas.

Entre elas estão dados relacionados a:

• clientes;
• contratos;
• código-fonte;
• infraestrutura;
• dados pessoais;
• finanças;
• credenciais;
• estratégias comerciais;
• documentos internos.

É nesse momento que surgem algumas perguntas fundamentais. Afinal, onde esses dados são armazenados e por quanto tempo permanecem disponíveis?

Além disso, é importante entender se essas informações podem ser utilizadas para treinamento dos modelos, quem possui acesso e quais mecanismos de proteção estão ativos.

Ao mesmo tempo, a empresa precisa verificar se existem registros de auditoria, controles de identidade e políticas claras sobre quais informações podem ou não ser compartilhadas com ferramentas de Inteligência Artificial.

Portanto, adotar IA também significa desenvolver novas regras para proteger e governar os dados corporativos.

O crescimento do Shadow AI

Quando os colaboradores utilizam ferramentas de Inteligência Artificial sem conhecimento, aprovação ou controle adequado da área de TI, surge um fenômeno conhecido como Shadow AI.

Em outras palavras, trata-se de uma evolução do tradicional conceito de Shadow IT, porém aplicada diretamente às ferramentas de Inteligência Artificial.

O problema é que esse comportamento pode fazer com que a organização utilize dezenas de soluções diferentes sem possuir uma visão clara sobre quais informações estão sendo processadas por cada plataforma.

Além disso, diferentes ferramentas podem apresentar regras distintas de armazenamento, privacidade, acesso e utilização dos dados.

Consequentemente, quanto maior o uso não controlado de IA dentro da empresa, maior pode ser a dificuldade para identificar onde informações estratégicas estão circulando.

Por isso, talvez uma das frases mais importantes dessa discussão seja:

O risco nem sempre está na Inteligência Artificial. Muitas vezes, está na Inteligência Artificial sem governança.

E quando a IA deixar de apenas responder e começar a agir?

Esse desafio se torna ainda maior com a evolução dos agentes de Inteligência Artificial.

Uma coisa é utilizar uma ferramenta que responda:

“Aqui está um resumo do seu relatório.”

Outra situação completamente diferente, porém, é permitir que uma IA acesse sistemas, consulte bancos de dados e execute ações dentro de uma empresa.

Na prática, um agente pode ser autorizado a:

• acessar sistemas corporativos;
• consultar bancos de dados;
• gerar propostas;
• abrir chamados;
• executar scripts;
• alterar registros;
• enviar e-mails;
• responder clientes;
• acessar APIs;
• executar processos de negócio.

Nesse ponto, a Inteligência Artificial deixa de ser apenas uma questão de informação.

Ela passa a ser também uma questão de identidade, permissão, autonomia, segurança e auditoria.

Consequentemente, quanto maior a autonomia de um agente, mais importante se torna definir quais sistemas ele pode acessar e quais dados pode consultar.

Além disso, é necessário determinar quais ações podem ser executadas automaticamente e quais precisam de aprovação humana.

Da mesma forma, as empresas precisam decidir o que deve ser registrado, monitorado e auditado.

Por fim, também é fundamental estabelecer mecanismos capazes de interromper uma operação caso o agente apresente um comportamento inesperado.

Onde entra a infraestrutura de TI nessa discussão?

É exatamente nesse ponto que o assunto deixa de ser apenas “Inteligência Artificial” e passa a envolver toda a estratégia tecnológica da empresa.

Afinal, para utilizar IA em escala, não basta simplesmente contratar uma licença.

A organização precisa avaliar se possui uma estrutura capaz de suportar novas demandas de:

• processamento;
• armazenamento;
• rede;
• cloud;
• segurança;
• backup;
• monitoramento;
• identidade;
• continuidade de negócio.

Em muitos casos, portanto, a preparação para a Inteligência Artificial começa muito antes da escolha do modelo.

Ela começa na própria infraestrutura de TI.

Por exemplo, empresas que precisam aumentar a capacidade tecnológica sem realizar grandes investimentos iniciais em servidores, armazenamento e redes podem avaliar modelos de Infraestrutura como Serviço (IaaS).

Da mesma forma, o aumento do volume e da importância dos dados torna fundamental revisar estratégias de proteção, recuperação e continuidade. Nesse cenário, vale conhecer também as soluções de Backup Online e Disaster Recovery da Proativa.

A visão de quem acompanha ambientes de TI na prática

Além dos números de mercado, existe outro ponto importante nessa discussão: a experiência de quem acompanha diariamente ambientes corporativos, infraestrutura, segurança e continuidade.

“O desafio da Inteligência Artificial nas empresas já não é apenas descobrir o que a tecnologia consegue fazer. É garantir que infraestrutura, segurança, dados e custos consigam acompanhar essa evolução. Quanto mais autonomia damos à IA, mais importante se torna ter visibilidade, controle e uma arquitetura de TI preparada para sustentar esse crescimento.”

— Eder Ramalho da Proativa Inteligência em TI.

Então, afinal, por que estamos falando em uma “freada” da IA?

Porque, na prática, não existe apenas um obstáculo. Pelo contrário, diversos desafios estão surgindo praticamente ao mesmo tempo.

• Infraestrutura: à medida que o uso de IA aumenta, cresce também a necessidade de capacidade computacional.
• Energia: consequentemente, data centers passam a demandar volumes cada vez maiores de eletricidade.
• Memória e armazenamento: além disso, o crescimento da IA pressiona oferta, disponibilidade e preços desses componentes.
• Custos: ao mesmo tempo, APIs, tokens, processamento e agentes precisam ser financeiramente governados.
• Segurança: da mesma forma, novas integrações podem criar novas superfícies de risco.
• Privacidade: por isso, as empresas precisam compreender quais dados estão sendo enviados para cada sistema.
• Agentes: além de responder perguntas, sistemas de IA começam a receber permissões para executar ações.
• Governança: consequentemente, organizações precisam estabelecer regras claras para a utilização dessas tecnologias.
• Retorno: por fim, os projetos precisam demonstrar impacto real no negócio.

Em outras palavras, a possível “freada” da Inteligência Artificial não representa necessariamente uma redução na evolução dos modelos. Ela representa, sobretudo, o momento em que o restante da infraestrutura precisa acompanhar essa velocidade.

É como desenvolver um carro cada vez mais rápido.

Chega um momento em que não adianta continuar aumentando apenas a potência do motor. Afinal, também é necessário desenvolver freios melhores, garantir combustível, aumentar a segurança e preparar uma estrada capaz de suportar aquela velocidade.

Talvez essa seja uma das melhores maneiras de compreender o momento atual da Inteligência Artificial.

Não estamos entrando na era do Ultron. Estamos entrando na era da governança.

A primeira corrida da Inteligência Artificial foi para descobrir quem conseguiria implementar a tecnologia mais rápido.

Agora, porém, começa uma nova etapa. A próxima corrida tende a ser para descobrir quais empresas conseguirão utilizar a IA de maneira mais eficiente, segura e sustentável.

Para isso, será necessário contar com infraestrutura preparada, custos previsíveis, proteção dos dados, segurança e governança. Além disso, a tecnologia precisará gerar resultados concretos para o negócio.

Consequentemente, as organizações que desejam avançar em projetos de Inteligência Artificial também precisam olhar para tudo aquilo que existe por trás dela.

Por trás de qualquer estratégia de Inteligência Artificial existe uma estrutura tecnológica que precisa funcionar de maneira integrada. Nesse sentido, entram servidores, armazenamento, cloud e conectividade.

Além disso, backup, segurança, monitoramento e continuidade tornam-se ainda mais importantes à medida que a empresa passa a depender de automações e sistemas inteligentes.

Portanto, preparar uma organização para a era da IA não significa apenas contratar novas ferramentas. Significa garantir que toda a infraestrutura necessária para sustentá-las esteja preparada.

É justamente nesse ponto que a Proativa Inteligência em TI atua.

Afinal, não adianta implementar IA, agentes, cloud e automações enquanto a infraestrutura responsável por sustentar tudo isso não consegue acompanhar.

Você pode conhecer alguns exemplos de ambientes críticos estruturados e sustentados pela Proativa em nossos cases de sucesso.

Além disso, projetos envolvendo redes, alta disponibilidade, virtualização, cloud, firewall, IaaS, backup e Disaster Recovery podem ser conhecidos na área de Projetos Proativa.

Em resumo, inovação não começa apenas escolhendo a tecnologia mais nova.

Ela começa preparando o ambiente para utilizá-la com segurança e inteligência.

Antes de implementar IA na empresa, faça estas perguntas

Antes de expandir o uso de Inteligência Artificial dentro de uma organização, é importante avaliar alguns pontos essenciais.

• Nossa infraestrutura suporta o crescimento dessa demanda?
• Sabemos quais ferramentas de IA os colaboradores estão utilizando?
• Existe uma política sobre quais dados podem ser enviados para ferramentas externas?
• Conseguimos identificar quanto cada solução de IA custa?
• Temos backup adequado para sistemas e dados críticos?
• Existem controles de acesso e identidade?
• As atividades executadas por agentes podem ser auditadas?
• Sabemos quais ações exigem aprovação humana?
• Existe monitoramento adequado do ambiente?
• Temos um plano de continuidade caso uma solução fique indisponível?

Se várias dessas perguntas ainda não possuem uma resposta clara, talvez o primeiro projeto de Inteligência Artificial da empresa não deva começar na própria IA.

Talvez, antes disso, seja necessário começar pela infraestrutura.

Perguntas frequentes sobre Inteligência Artificial nas empresas

A Inteligência Artificial está realmente desacelerando?

Não exatamente. Os investimentos e as capacidades da IA continuam crescendo. Entretanto, infraestrutura, energia, memória, custos, segurança, disponibilidade de hardware e governança estão se tornando fatores cada vez mais importantes para determinar a velocidade e a forma como essa tecnologia será adotada.

A Inteligência Artificial vai dominar o mundo?

Até o momento, os sistemas atuais ainda não possuem o conjunto de capacidades necessárias para um cenário de perda de controle semelhante ao apresentado na ficção. Ainda assim, pesquisadores acompanham a evolução de agentes, planejamento autônomo, uso de ferramentas e outras capacidades que podem aumentar os desafios de supervisão.

O que é governança de IA?

Governança de IA é o conjunto de políticas, responsabilidades, controles e processos utilizados para determinar como sistemas de Inteligência Artificial podem ser utilizados dentro de uma organização. Além disso, ela pode envolver segurança, privacidade, acesso, custos, auditoria, qualidade dos dados, supervisão humana e gestão de riscos.

O que é Shadow AI?

Shadow AI ocorre quando colaboradores utilizam ferramentas de Inteligência Artificial sem conhecimento, aprovação ou controle adequado da organização ou da área de TI. Consequentemente, esse comportamento pode aumentar riscos relacionados a vazamento de informações, privacidade, compliance e segurança.

Por que a Inteligência Artificial consome tanta infraestrutura?

Modelos de IA exigem processamento computacional, memória, armazenamento, redes de alta velocidade, data centers, refrigeração e energia. Portanto, conforme o número de usuários, modelos e agentes aumenta, a demanda sobre esses recursos também cresce.

Qual é a relação entre IA e data centers?

Os data centers hospedam grande parte da infraestrutura necessária para treinamento e execução dos modelos. Dessa forma, o crescimento da Inteligência Artificial também aumenta a demanda por servidores, GPUs, memória, armazenamento, conectividade, refrigeração e eletricidade.

Como uma empresa pode se preparar para utilizar IA?

Além de selecionar ferramentas adequadas, a organização deve avaliar infraestrutura de TI, segurança, backup, conectividade, cloud, identidade, controle de acessos, políticas de uso de dados, custos, monitoramento e governança. Assim, a adoção da Inteligência Artificial pode ocorrer de maneira mais segura e sustentável.

Fontes e referências

International AI Safety Report 2026

International AI Safety Report

International Energy Agency — Key Questions on Energy and AI

International Energy Agency

Gartner — Worldwide AI Spending 2026

Gartner: Worldwide AI Spending to Grow 49.5% in 2026

Gartner — NAND Flash Market Statistics, Supply and Demand, 2023–2030

Gartner NAND Flash Market Forecast