O ano de 2024 redistribuiu as cartas em vários fronts tecnológicos simultaneamente. Entre a entrada em aplicação progressiva do Regulamento europeu sobre IA, a maturação das arquiteturas de nuvem soberanas e a aceleração dos modelos de IA de uso geral, as empresas enfrentam arbitragens técnicas que comprometem sua conformidade tanto quanto sua competitividade.
AI Act europeu: as obrigações que mudam o deployment da IA nas empresas
O Regulamento (UE) 2024/1689 sobre IA entrou em vigor em 1º de agosto de 2024. Seus efeitos não são teóricos. O calendário de aplicação escalonado entre 2025 e 2030 impõe às equipes técnicas a revisão de seus pipelines de desenvolvimento desde já.
Desde 2 de fevereiro de 2025, as práticas de IA classificadas como “de risco inaceitável” são juridicamente proibidas na UE: manipulação comportamental, scoring social, certas formas de reconhecimento biométrico em tempo real. Desde 2 de agosto de 2025, as obrigações para modelos de IA de uso geral (GPAI) são efetivas. Documentação técnica, gestão de riscos, requisitos de robustez: os fornecedores de grandes modelos como ChatGPT, Claude ou Gemini devem se conformar.
A partir de 2 de agosto de 2026, a maioria das obrigações de transparência previstas pelo artigo 50 do AI Act se aplicará. A marcação legível por máquina dos conteúdos gerados ou modificados por IA se tornará obrigatória. O AI Office europeu terá então poderes de controle reforçados.
Observamos que a maioria dos artigos sobre as tendências de 2024 aborda a IA generativa sob a perspectiva dos casos de uso, ignorando essa camada regulatória. Isso é um erro estratégico. Uma empresa que implementa um modelo GPAI sem antecipar a classificação de risco se expõe a sanções graduais e, sobretudo, a custos de conformidade retroativa muito superiores aos de uma integração nativa dos requisitos.
Como detalha o blog de novas tecnologias Les News, essas evoluções regulatórias redesenham a forma como as equipes de P&D estruturam seus projetos de inteligência artificial, muito além da simples escolha de um modelo.
Nuvem soberana e edge computing: convergência das arquiteturas de dados
A questão da nuvem não é mais “devemos migrar” mas “onde colocar a fronteira entre processamento centralizado e processamento em periferia”. O edge computing não é uma alternativa à nuvem. As duas arquiteturas convergem para um modelo híbrido guiado pela latência e pela conformidade dos dados.
As restrições do RGPD, combinadas com as exigências setoriais (saúde, finanças, defesa), empurram as empresas europeias em direção a soluções de nuvem qualificadas. A necessidade de soberania digital não é mais um discurso político: agora condiciona as licitações públicas e as escolhas de infraestrutura dos grandes grupos.
Os critérios que orientam a escolha da arquitetura
- A latência aceitável para a aplicação alvo: os casos de uso industriais (manutenção preditiva, controle de qualidade em linha de produção) impõem um tratamento local em alguns milissegundos, incompatível com um ida e volta à nuvem
- A localização regulatória dos dados pessoais ou sensíveis, que determina o uso de uma nuvem soberana ou de um armazenamento on-premise
- O custo de largura de banda para fluxos de vídeo ou IoT massivos, que torna o edge computing economicamente relevante além de um certo volume
Recomendamos abordar essas decisões com uma grade técnica em vez de rótulos de marketing. Uma “nuvem soberana” cujo plano de controle continua a ser operado por um hyperscaler americano não oferece as mesmas garantias que uma infraestrutura totalmente operada sob jurisdição europeia.
IA generativa aplicada: além da geração de texto
A maturidade dos modelos generativos em 2024 é medida menos pela qualidade do texto produzido do que pela sua capacidade de integração em fluxos de trabalho existentes. A geração de código, a síntese de documentos jurídicos, a criação de modelos 3D e a produção de dados sintéticos para o treinamento de outros modelos constituem os casos de uso que geram um retorno sobre investimento mensurável.
O principal obstáculo continua sendo a confiabilidade das saídas, não a performance bruta. As empresas que implementam essas ferramentas em produção investem massivamente em camadas de verificação humana, RAG (Retrieval-Augmented Generation) e monitoramento de alucinações. Sem essas salvaguardas, o risco jurídico e reputacional supera amplamente o ganho de produtividade.
Modelos GPAI e dependência de fornecedor
O AI Act introduz uma distinção entre modelos GPAI padrão e modelos que apresentam um “risco sistêmico”. Essa classificação terá um impacto direto na escolha dos fornecedores. As empresas que constroem sua pilha de aplicativos em um único modelo proprietário se expõem a um bloqueio técnico e regulatório simultâneo.
A tendência observável entre os atores mais avançados é manter uma camada de abstração entre a aplicação de negócios e o modelo subjacente. Isso permite mudar de um fornecedor para outro sem reescrever a lógica da aplicação, uma abordagem que consideramos um padrão de arquitetura para qualquer novo projeto.
Cibersegurança e computação quântica: a ameaça pós-quântica se prepara agora
A criptografia pós-quântica não é mais um assunto de pesquisa acadêmica reservado a laboratórios. O NIST finalizou em 2024 seus primeiros padrões de algoritmos resistentes a ataques quânticos. As empresas que manipulam dados de longa duração (dados de saúde, segredos industriais, dados financeiros arquivados) devem antecipar a ameaça chamada “colher agora, decifrar depois”.
O princípio é simples: atores maliciosos interceptam hoje comunicações criptografadas, as armazenam e esperarão ter um computador quântico suficientemente poderoso para decifrá-las. O prazo de transição para algoritmos pós-quânticos é contado em anos, não em meses. As migrações criptográficas afetam certificados, protocolos de comunicação, sistemas de armazenamento e cadeias de assinatura.
- Inventariar todos os algoritmos criptográficos utilizados na infraestrutura (TLS, assinaturas, criptografia em repouso)
- Identificar os dados cuja duração de confidencialidade ultrapassa dez anos
- Testar os algoritmos pós-quânticos padronizados pelo NIST em ambientes de pré-produção antes de qualquer migração para produção
- Prever um orçamento de transição que inclua a atualização dos HSM (Módulos de Segurança de Hardware) e das PKIs internas
As tendências tecnológicas de 2024 não se resumem a gadgets ou promessas de marketing. O AI Act redefine o quadro jurídico da IA na Europa, as arquiteturas de nuvem evoluem sob a pressão conjunta da performance e da soberania, e a ameaça quântica impõe projetos criptográficos desde já. Esses são assuntos de engenharia, não de vigilância passiva.
