Por Marcos Lacerda, presidente da SUSE América Latina.

A inteligência artificial já ocupa espaço relevante nas agendas corporativas, mas muitas empresas ainda enfrentam a distância entre demonstrar uma tecnologia e convertê-la em resultado contínuo. Um agente pode reduzir o tempo de uma tarefa, apoiar uma análise ou melhorar uma interação com clientes. O valor surge quando o benefício se mantém em produção, alcança outras áreas e pode ser medido sem comprometer segurança, conformidade ou custos.

O mesmo ocorre com edge computing. Uma aplicação em fábrica, loja, hospital ou unidade logística pode responder rapidamente aos dados locais. Na expansão, a empresa precisa administrar equipamentos, conexões, regras e condições diferentes. Sem um modelo comum, cada instalação exige uma solução própria e consome parte do retorno esperado.

A decisão empresarial, portanto, não deve se limitar ao modelo de IA ou ao dispositivo. A questão é saber se a organização consegue repetir o que funcionou, conectando estratégia, processos, pessoas e infraestrutura desde o início.

O caso de uso vem antes da tecnologia

Projetos bem direcionados começam com um problema concreto. Reduzir o tempo de resposta a incidentes, melhorar a previsão de demanda, automatizar documentos ou identificar desvios em uma linha de produção são objetivos mensuráveis. A empresa precisa estabelecer o resultado esperado, o custo do processo atual e o nível de risco aceito.

Esse recorte ajuda a decidir onde a carga deve operar. Dados sensíveis, baixa latência, conectividade limitada ou regras de residência podem favorecer ambientes privados, locais ou de edge. Outros casos aproveitam serviços em nuvem. A arquitetura híbrida passa a refletir requisitos de negócio, custo e regulação.

Quando a iniciativa começa por uma promessa ampla de transformação, fica difícil avaliar o agente. Métricas funcionais devem ser acompanhadas de indicadores de qualidade, produtividade, custo, segurança e experiência do usuário.

Escalar sem multiplicar exceções

Um agente frequentemente depende de atenção especializada e ajustes manuais. Isso pode validar uma hipótese, mas não deve se tornar o modelo permanente. Se cada área escolhe ferramentas, integrações e controles diferentes, a empresa acumula custos de suporte e dependência de conhecimentos individuais.

Uma plataforma compartilhada reduz essa dívida operacional. Serviços comuns de identidade, segurança, observabilidade, implantação e atualização podem atender diferentes projetos. As áreas mantêm liberdade para escolher modelos e aplicações, enquanto a organização conserva padrões mínimos de governança.

A abordagem também aumenta a velocidade. Novas equipes recebem uma rota conhecida para levar soluções à produção e concentram recursos no que diferencia o negócio.

Governança como condição de crescimento

Governança não deve aparecer apenas quando um projeto pede aprovação para entrar em produção. Nessa etapa, decisões sobre dados, fornecedores e arquitetura já podem estar consolidadas. Integrar tecnologia, segurança, jurídico e negócio desde a definição do caso de uso reduz retrabalho e esclarece responsabilidades.

Em IA agêntica, agentes podem interpretar objetivos, consultar sistemas e executar ações. A empresa precisa definir quais decisões podem ser automatizadas, quais exigem validação humana e como cada etapa será registrada. Autonomia sem limites verificáveis amplia o risco e dificulta a prestação de contas.

O controle dos dados também influencia a inovação. Organizações devem saber onde as informações são processadas, quem pode acessá-las e sob quais regras. Tecnologias abertas e portáveis ampliam a escolha entre data center, nuvem e edge, mas precisam de curadoria, suporte e proteção da cadeia de software.

O retorno depende da operação

O custo de IA não se resume ao treinamento ou à contratação de um modelo. Inclui processamento, armazenamento, tokens, integração, monitoramento, segurança e trabalho das equipes, além dos efeitos de indisponibilidade, respostas incorretas e mudanças sem reversão segura. A avaliação deve observar todo o ciclo de vida.

No edge, a economia com decisões locais ou menor tráfego pode desaparecer se cada unidade exigir visitas técnicas, configurações exclusivas e longas manutenções. Automação, gestão centralizada e suporte remoto fazem parte do caso financeiro.

O retorno se torna mais consistente quando a empresa acompanha poucos indicadores ligados ao objetivo inicial e revisa a expansão por etapas. Escalar deve ser uma decisão baseada em evidências, com critérios para continuar, adaptar ou interromper.

Da experimentação à capacidade empresarial

As empresas não precisam esperar um modelo, framework ou regra definitiva. Precisam construir capacidade para absorver mudanças com controle, apoiada por tecnologia flexível, processos repetíveis, equipes preparadas e responsabilidades definidas.

O primeiro passo é revisar agentes existentes e identificar dependências de trabalho manual, dados utilizados, custos posteriores e controles ausentes. A partir desse diagnóstico, a organização define capacidades compartilhadas e critérios objetivos para produção.

A vantagem competitiva não virá apenas de experimentar antes. Virá da capacidade de transformar aprendizados em operações confiáveis e ampliar resultados sem elevar a complexidade na mesma proporção. Em IA e edge, inovação sustentável significa repetir com segurança, medir com clareza e preservar a liberdade para evoluir.