Gestão

As empresas começam a ter alternativas às plataformas de inteligência artificial na nuvem. A possibilidade de executar modelos nos próprios computadores e servidores abre novas oportunidades, mas também exige decisões sobre custos, segurança e continuidade operacional.

Utilizo ferramentas de inteligência artificial diariamente e, mesmo acompanhando de perto a sua evolução, nem sempre é fácil adaptar-me à velocidade das mudanças.

Uma funcionalidade que hoje utilizamos pode apresentar-se de forma diferente amanhã. Os modelos são atualizados, as interfaces alteradas e determinados procedimentos deixam de produzir os resultados a que estávamos habituados.

Algumas mudanças representam melhorias significativas. Outras obrigam-nos a rever instruções e a reaprender operações que já dominávamos.

Agora imaginemos esta situação numa PME que acabou de investir na formação dos seus trabalhadores e começou a integrar a IA nos processos de trabalho.

A empresa definiu procedimentos, realizou testes e preparou os utilizadores. Entretanto, o fornecedor introduz alterações relevantes na ferramenta.

É necessário verificar se tudo continua a funcionar como previsto. Algumas instruções podem precisar de ajustes e os trabalhadores terão de se adaptar.

O tempo dedicado a estas tarefas tem um custo. E nem sempre é considerado quando se avalia o investimento em inteligência artificial.

Esta realidade leva-me a acreditar que, nos próximos anos, uma parte das PME poderá optar por utilizar modelos de IA instalados nos seus próprios computadores e servidores.

A evolução tecnológica já permite considerar esta alternativa para determinadas tarefas.

A inteligência artificial também pode funcionar dentro da empresa

Quando utilizamos serviços como o ChatGPT, Claude ou Gemini, os pedidos são normalmente processados nas infraestruturas dos respetivos fornecedores.

O utilizador envia instruções através da Internet e recebe os resultados produzidos pelo modelo.

Com a IA local, o processamento pode decorrer num equipamento controlado pela própria empresa.

Esse equipamento tanto pode ser um computador individual como um servidor que disponibiliza o modelo a vários trabalhadores.

A viabilidade depende das características do modelo, da memória disponível, da capacidade de processamento e do número de utilizadores.

Existem modelos que exigem equipamentos especializados, mas também alternativas mais pequenas que funcionam em computadores com características relativamente comuns.

Ferramentas como o Ollama e o LM Studio permitem executar modelos localmente, facilitando a experimentação e o desenvolvimento de aplicações.

Contudo, uma solução empresarial exige mais do que instalar um modelo.

É necessário preparar a infraestrutura, definir permissões, controlar os dados utilizados e garantir que o sistema funciona de acordo com os requisitos da empresa.

A escolha deve começar pelas tarefas que se pretendem executar.

Uma PME que precisa de consultar manuais técnicos ou pesquisar informação em documentos internos poderá conseguir bons resultados com um modelo relativamente pequeno, apoiado por um sistema de pesquisa documental.

Para operações que exigem raciocínio mais complexo, análise de grandes volumes de informação ou capacidades especializadas, poderá ser necessário recorrer a modelos mais avançados.

A dimensão do modelo deve ser adequada ao trabalho que vai realizar.

Proteção dos dados e estabilidade operacional

A proteção da informação é uma das razões que podem levar as PME a considerar a IA local.

As empresas trabalham diariamente com informação comercial, financeira, contabilística, salarial e estratégica. Parte destes dados exige cuidados particulares, tanto por razões de confidencialidade como pelo cumprimento de obrigações legais.

Um modelo local, configurado para funcionar sem transmitir informação para serviços externos, permite manter o processamento dentro da infraestrutura empresarial.

A empresa passa a controlar diretamente uma parte maior dos fluxos de informação.

Esta vantagem exige, contudo, medidas de segurança adequadas.

Um servidor mal configurado, um computador comprometido ou permissões excessivas podem colocar os dados em risco. Também é necessário verificar se as aplicações utilizadas estabelecem ligações externas ou recolhem informação de utilização.

A instalação local não dispensa o cumprimento do RGPD nem substitui as medidas de segurança que devem existir em qualquer sistema empresarial.

Mas a proteção dos dados é apenas uma parte da decisão.

Há outra dimensão que considero especialmente relevante: a estabilidade dos processos.

Pensemos num gabinete de contabilidade que utiliza um agente de IA para apoiar a análise documental.

O agente foi configurado com determinadas instruções, testado com exemplos reais e integrado num procedimento que inclui validação humana.

Se o fornecedor do modelo introduzir alterações significativas, será necessário confirmar que os resultados continuam a cumprir os requisitos estabelecidos.

O mesmo pode acontecer numa indústria que utiliza IA para interpretar pedidos de clientes, consultar procedimentos técnicos ou organizar informação de produção.

A empresa precisa de confiar no funcionamento das aplicações que utiliza.

Com um modelo local, pode manter uma versão específica durante um período definido e testar as atualizações antes de as colocar em produção.

Esta possibilidade permite gerir as alterações de forma semelhante à utilizada noutras aplicações empresariais.

As novas versões são avaliadas, os procedimentos testados e as mudanças introduzidas quando existem condições para o fazer.

Naturalmente, a estabilidade não deve impedir a aplicação de correções de segurança. Um modelo ou uma aplicação com vulnerabilidades conhecidas exige intervenção, mesmo que esteja a funcionar adequadamente.

O benefício está na capacidade de planear e controlar as alterações.

Para uma PME, esta previsibilidade pode representar uma vantagem operacional significativa.

Quanto custa e onde faz sentido utilizar IA local?

Uma das primeiras dúvidas que surgem quando se fala de IA local está relacionada com o investimento necessário.

A resposta depende das tarefas, dos modelos escolhidos e da infraestrutura disponível.

Algumas aplicações podem funcionar num computador empresarial com memória suficiente e capacidade de processamento adequada.

Outras exigem equipamentos com placas gráficas dedicadas ou servidores capazes de responder a vários utilizadores em simultâneo.

O custo inicial do equipamento é apenas uma parte da análise.

É necessário considerar a instalação, a configuração, a manutenção, o consumo de energia, as atualizações e o apoio técnico.

Nas plataformas na nuvem, os custos são normalmente suportados através de subscrições ou pagamentos associados à utilização.

Uma PME com necessidades ocasionais poderá encontrar nestes serviços uma solução mais económica.

Já uma empresa que execute diariamente um grande volume de tarefas repetitivas poderá beneficiar de uma solução local, sobretudo se conseguir aproveitar equipamentos existentes.

A comparação deve considerar o custo total ao longo do período de utilização, incluindo o tempo dedicado à manutenção e à formação dos trabalhadores.

Também é necessário avaliar a qualidade dos resultados.

Uma solução local mais barata deixa de ser vantajosa se exigir demasiado trabalho de revisão ou não conseguir executar as tarefas com a fiabilidade necessária.

Nas empresas industriais, vejo oportunidades interessantes na consulta de documentação técnica, manuais de equipamentos, procedimentos de qualidade e instruções de manutenção.

Imagine-se um trabalhador que precisa de encontrar uma instrução específica num conjunto de centenas de documentos.

Uma aplicação de IA pode pesquisar essa documentação e apresentar uma resposta acompanhada das referências utilizadas.

A solução poderá recorrer a uma arquitetura RAG (Retrieval-Augmented Generation), que combina a pesquisa de informação com a geração de respostas.

O modelo não precisa de memorizar todos os documentos. Consulta a informação relevante no momento em que recebe a pergunta.

Esta abordagem também exige cuidados. A qualidade da pesquisa, a atualização dos documentos e a apresentação das fontes influenciam a fiabilidade dos resultados.

Nos gabinetes de contabilidade, a IA local poderá apoiar a organização de documentos, a extração de informação e a consulta de procedimentos internos.

A utilização de dados contabilísticos exige particular atenção.

Os cálculos financeiros, as reconciliações e a aplicação de regras contabilísticas devem ser executados por mecanismos adequados, com resultados verificáveis.

A IA pode ajudar a interpretar informação, identificar situações que merecem análise e apresentar resultados aos profissionais.

A responsabilidade pela validação continua a ser humana.

Nas empresas comerciais, poderão existir oportunidades na consulta de catálogos, fichas de produtos, documentação de fornecedores e procedimentos de atendimento.

Em qualquer destes setores, a utilidade da solução depende da sua integração nos processos de trabalho.

Disponibilizar um modelo de IA aos trabalhadores sem definir objetivos, procedimentos e responsabilidades dificilmente permitirá obter resultados consistentes.

O futuro deverá combinar IA local e serviços na nuvem

Acredito que muitas PME acabarão por utilizar uma combinação de modelos locais e serviços externos.

As plataformas na nuvem continuarão a oferecer vantagens, especialmente quando são necessárias capacidades avançadas ou quando a empresa prefere evitar a gestão de infraestrutura própria.

Os modelos locais poderão assumir tarefas mais delimitadas, sobretudo quando a confidencialidade dos dados, a frequência de utilização ou a estabilidade operacional justificarem essa opção.

Imagine-se uma aplicação empresarial que utiliza um modelo local para consultar documentos internos e classificar informação.

Quando surge uma operação mais exigente, o sistema pode recorrer a um serviço externo, respeitando as regras definidas para o tratamento dos dados.

O trabalhador utiliza a mesma aplicação, sem precisar de escolher manualmente o modelo adequado a cada tarefa.

Para que esta integração funcione, é necessário definir critérios de encaminhamento, permissões, limites de utilização e mecanismos de supervisão.

Também devem existir procedimentos para verificar os resultados e identificar eventuais falhas.

A utilização de diferentes modelos permite reduzir algumas dependências de fornecedores, embora aumente a complexidade técnica da solução.

A escolha deverá ter em conta a dimensão da empresa, os recursos disponíveis e a importância dos processos envolvidos.

Para muitas PME, o melhor caminho poderá passar por começar com uma aplicação simples, testar os resultados e evoluir gradualmente.

A autonomia tecnológica também faz parte da gestão

A disponibilidade crescente de modelos locais pode alterar a forma como as PME encaram o investimento em inteligência artificial.

Atualmente, grande parte da atenção está concentrada na comparação entre os modelos mais avançados.

É natural que assim seja. As melhorias tecnológicas são rápidas e algumas novas capacidades abrem oportunidades que anteriormente não existiam.

Mas uma empresa tem outras preocupações.

Precisa de proteger a informação, controlar os custos, formar os trabalhadores e garantir que os processos continuam a funcionar.

Também deve conhecer as consequências de depender excessivamente de um único fornecedor.

Uma alteração de preços, de funcionalidades ou de condições comerciais pode afetar aplicações que entretanto se tornaram essenciais para a atividade.

A possibilidade de executar modelos localmente, combinar diferentes fornecedores ou substituir componentes tecnológicos oferece alternativas que merecem ser avaliadas.

Na Vítor Martins Consulting, defendemos que a adoção da IA deve partir do conhecimento das pessoas, dos processos e dos dados da empresa.

A seleção das ferramentas surge depois, quando já sabemos que problemas pretendemos resolver e que resultados esperamos alcançar.

Esta abordagem permite avaliar soluções locais, serviços na nuvem ou arquiteturas híbridas com base nas necessidades concretas de cada PME.

Também ajuda a evitar investimentos motivados apenas pelo entusiasmo com as novidades tecnológicas.

A autonomia tecnológica começa pela capacidade de compreender as dependências existentes e tomar decisões informadas sobre a evolução dos sistemas.

Uma PME não precisa de desenvolver os seus próprios modelos de inteligência artificial para ganhar maior controlo.

Pode começar por identificar os processos mais adequados à utilização de IA, definir regras de segurança e avaliar que componentes devem permanecer sob o seu controlo direto.

Uma evolução que merece ser acompanhada

Acredito que veremos uma utilização crescente de modelos de IA instalados nos computadores e servidores das empresas.

A melhoria dos modelos mais pequenos e a evolução do hardware estão a criar condições para essa expansão.

Ainda existem limitações importantes, sobretudo na capacidade dos modelos locais para executar tarefas complexas, nos custos de infraestrutura e na necessidade de apoio técnico.

A evolução destas condições determinará a velocidade da adoção.

Os serviços na nuvem continuarão a desempenhar um papel relevante. Para muitas empresas, serão a solução mais simples e eficiente.

Mas a existência de alternativas oferece às PME maior liberdade de escolha.

E essa liberdade pode tornar-se particularmente valiosa num mercado onde as tecnologias, os preços e as condições de utilização mudam rapidamente.

Pela minha experiência, uma empresa beneficia mais de uma solução de IA que executa bem as tarefas necessárias e funciona de forma previsível do que de uma ferramenta cujas capacidades avançadas raramente são utilizadas.

Acredito que a proteção dos dados, a estabilidade e a autonomia terão um peso crescente nas decisões de investimento.

As PME terão de encontrar o equilíbrio entre acompanhar a evolução tecnológica e manter a continuidade dos seus processos.

É nesse equilíbrio que vejo uma parte importante do futuro da inteligência artificial nas empresas.

Vítor Martins Consulting

Consultoria de Gestão · Formação · Soluções Tecnológicas