A maioria das organizações ainda não tem infraestruturas preparadas para suportar inteligência artificial agêntica em ambiente de produção. A conclusão é do relatório State of Infrastructure in the Agentic AI Era, da Google Cloud, que mostra um desfasamento crescente entre a ambição das empresas em torno da IA e a capacidade real dos seus sistemas tecnológicos.
Baseado num inquérito a 1.402 líderes de IT, o estudo revela que 83% das organizações consideram necessárias atualizações de infraestrutura para suportar sistemas autónomos em produção. A Google Cloud alerta que a passagem de pilotos para utilização real está a expor limites técnicos, operacionais e financeiros que muitas empresas ainda não tinham antecipado.
A diferença está na natureza da IA agêntica. Ao contrário dos modelos conversacionais, que respondem a pedidos pontuais, os agentes de IA executam tarefas, desencadeiam ações, coordenam fluxos de trabalho e interagem com diferentes sistemas. Esta autonomia exige mais capacidade de processamento, memória, acesso contínuo a dados, baixa latência, controlo de permissões, supervisão e governação.
Um dos principais desafios identificados é o chamado "imposto da inferência". Segundo o relatório, 62% dos inquiridos já registam custos significativos associados à inferência, incluindo taxas de transferência de dados, armazenamento e utilização ineficiente de hardware especializado. À medida que agentes de IA executam tarefas mais complexas e contínuas, o custo de os manter em operação torna-se uma variável crítica.
A complexidade operacional é outro obstáculo relevante. 81% dos líderes de IT apontam esta dimensão como uma das principais barreiras à escalabilidade da IA. A gestão de cargas de trabalho, recursos computacionais, dados distribuídos, integrações e segurança torna-se mais exigente quando a IA deixa de funcionar como ferramenta isolada e passa a executar processos empresariais.
Para responder a estas limitações, a Google Cloud defende uma abordagem baseada em fluid compute, capaz de alocar dinamicamente diferentes tipos de processadores, como CPU, GPU e TPU, em função da natureza de cada carga de trabalho. A lógica é evitar desperdício de recursos e adaptar a infraestrutura ao perfil real de cada tarefa de IA.
A proliferação de agentes autónomos levanta também novos desafios de governação. O relatório indica que 79% dos líderes tecnológicos identificam segurança, governação e operações de machine learning como o principal obstáculo à expansão da IA. Para a Google Cloud, as organizações precisam de planos de controlo centralizados para gerir identidades, permissões, fluxos de trabalho, auditoria e supervisão humana.
Os dados são outra peça crítica. Agentes de IA dependem de acesso contínuo a informação distribuída por vários sistemas empresariais. Sem uma camada unificada de dados, as organizações arriscam manter silos, duplicações, custos acrescidos e falta de contexto de negócio. A consequência é uma IA menos fiável, menos eficiente e mais difícil de escalar.
O estudo mostra ainda que a arquitetura híbrida e multicloud continua a ganhar relevância. 52% das organizações já utilizam modelos híbridos multicloud e 48% privilegiam infraestruturas com controlos rigorosos de residência dos dados. Estes números refletem a importância crescente da soberania digital, dos requisitos regulatórios e da necessidade de manter determinados dados e workloads em ambientes específicos.
A computação na edge surge como outra prioridade. Nove em cada dez organizações consideram as implementações edge importantes para as suas iniciativas de IA, e 72% classificam-nas como muito importantes. Entre os benefícios apontados estão menor latência, continuidade operacional em ambientes sem ligação permanente à cloud e redução de custos associados ao processamento contínuo.
A eficiência energética tornou-se igualmente decisiva. O relatório indica que 91% dos líderes já consideram o consumo energético na escolha de hardware, e 61% classificam este critério como prioritário. A pressão sobre custos operacionais, capacidade elétrica e requisitos ambientais está a transformar a energia num fator central da estratégia de infraestrutura para IA.
Para a Google Cloud, a IA agêntica exige uma infraestrutura integrada, em que computação, armazenamento, rede, dados, segurança e software sejam concebidos em conjunto. Acrescentar agentes de IA sobre sistemas fragmentados pode gerar complexidade, custos e riscos, em vez de ganhos de produtividade.
O relatório mostra que a próxima fase da IA empresarial será definida menos pela experimentação e mais pela capacidade de produção. As organizações que quiserem escalar agentes autónomos terão de modernizar infraestruturas, unificar dados, reforçar governação, controlar custos de inferência e garantir eficiência energética. Sem esta base, a IA agêntica continuará limitada por sistemas que não foram desenhados para a suportar.
Fabricante do iPhone supera Nvidia numa corrida marcada por estratégias opostas na IA
Aumentando a sua ambição inicial para a futura infraestrutura europeia
