A adoção da Inteligência Artificial avança exponencialmente em diversos segmentos de mercado e, na indústria de tecnologia, não poderia ser diferente. Por isso, em 2026, precisamos deixar de ver a IA como um produto e considerá-la uma solucionadora de problemas da vida real. Não pergunte mais o que você pode fazer com a IA, mas o que a IA já pode fazer por você. Esse precisa ser o ponto de partida para qualquer organização que trabalhe, utilize e/ou desenvolva IA.
O estouro da bolha da IA
Poderemos ver a bolha da IA estourar no próximo ano. Como em qualquer nova área tecnológica, há uma necessidade de um “reset” da indústria em muitos aspectos. O maior problema que vejo é que muitos ainda encaram a IA como um produto e não como um solucionador de problemas, se aplicando tanto a quem desenvolve a IA quanto a quem tenta usá-la.
Precisamos pivotar para soluções baseadas em valor de negócio e aqueles que não o fizerem ficarão sem fundos e fecharão as portas, ou esgotarão os recursos da empresa e encerrarão projetos. Quando a indústria de IA começar a ouvir mais o que as organizações e suas pessoas querem e precisam, é aí que a IA se tornará verdadeiramente empolgante e inovadora.
O impulso por padrões de IA mais inteligentes
As regulamentações no espaço de IA são complicadas, pois muitos dos envolvidos no processo nem sempre têm um entendimento verdadeiro e aprofundado de todas as áreas que devem ser consideradas. A última coisa que quero ver são regulamentações que sufoquem a inovação e o crescimento. Mas precisamos criar regulamentações sustentáveis e flexíveis, que apoiem a inovação segura sem frear o crescimento. O que espero ver no futuro é uma colaboração muito maior entre o mundo acadêmico, os inovadores de tecnologia e os governos, cada um trazendo suas próprias forças para a discussão regulatória.
Embora não seja um padrão propriamente dito, devemos começar a ver a importância crescente da internacionalização das aplicações de IA. É extremamente limitante para os negócios globais começar com o inglês e depois pensar em outros idiomas quase como uma reflexão tardia. Na economia global, nossa mentalidade deve ser garantir que tudo o que fazemos, tanto externa quanto internamente, esteja disponível em todos os principais idiomas desde o início (straight out of the gate). Se não, estamos deixando grande parte do mundo no escuro e para trás.
IA soberana: assumindo o controle do futuro dos dados
A ascensão da IA soberana está prestes a transformar como empresas, cidades e países gerenciam, protegem e aproveitam seus dados. Cada vez mais, organizações e governos estão reconhecendo as vantagens de manter os dados dentro de suas próprias fronteiras corporativas ou geográficas, usando plataformas de IA soberana para manter o controle sobre quais tipos de dados são aceitos e como são processados.
Isso oferece benefícios claros em termos de privacidade, compliance e autonomia estratégica, especialmente à medida que as regulamentações sobre soberania de dados se tornam mais complexas e abrangentes. Mas isso também traz muitos desafios. Em sua forma extrema, pode levar à fragmentação, limitar o fluxo de dados e desencorajar a inovação, criando novas barreiras às operações multinacionais em vez de liberá-las.
Embora eu espere que a adoção da IA soberana acelere em 2026, seu impacto a longo prazo dependerá de como ela será implementada, regulamentada e equilibrada com a necessidade de colaboração e inovação.
Alinhando precisão com o desempenho de LLMs
Todos os dados são insignificantes sem confiança. E precisamos construir confiança nos Grandes Modelos de Linguagem (LLMs). A qualidade e a precisão dos LLMs estão se tornando cada vez mais críticas e, ainda assim, não somos capazes de avaliar verdadeiramente os resultados. Veremos mais discussões sobre isso nos próximos meses e anos.
Imagine um policial chegando a uma festa de criminosos e perguntando aos convidados se eles são desonestos ou não. É provável que todos digam que não! Da mesma forma, perguntar a um LLM se ele é preciso é igualmente não confiável; esses sistemas são propensos a meias verdades e erros.
Os usuários também estão alimentando a imprecisão ao falharem em apontar quando os outputs e resultados estão obviamente errados. Esse feedback para os LLMs é essencial e, sem ele, estamos prejudicando o progresso.
Atualmente, a indústria de LLMs carece de uma maneira padronizada e robusta de avaliar resultados. Enquanto métricas tradicionais, como precisão e recall, nos serviram bem por anos, agora devemos adaptar e inovar essas medidas para gerenciar as complexidades dos LLMs.
A solução reside no uso de inputs e outputs anotados por humanos, testados contra métricas tradicionais de ciência de dados, para fazer o benchmark e melhorar os modelos. Mas ainda há muito a ser feito para tornar isso uma realidade. Em nosso próprio trabalho no espaço de LLMs, estamos explorando como aplicar esse tipo de abordagem. Somente através de tal inovação e esforço podemos esperar estabelecer benchmarks fortes que nos ajudarão a avançar para uma era de melhor precisão e qualidade.
Micro SaaS: pequenos apps, grande impacto
A IA revolucionará a forma como as organizações acessam e usam seus dados, tornando fácil a construção de aplicações de micro-SaaS personalizadas, adaptadas a departamentos específicos e desafios de negócios. A democratização dos dados capacitará as equipes a conectar agentes e fontes de dados, criando soluções sob medida (bespoke) que resolvem problemas de nicho com velocidade e precisão.
Em vez de depender de produtos genéricos de “tamanho único”, as empresas usarão ferramentas de IA orientadas para soluções, projetadas em torno de suas necessidades e fluxos de trabalho únicos. Essa mudança impulsionará maior eficiência, inovação e agilidade, permitindo que as organizações desbloqueiem todo o potencial de seus dados e entreguem resultados significativos em todas as partes do negócio.
*Por Gustavo Leite, vice-presidente da Cohesity para América Latina e Caribe.
