![\"\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2026\/05\/iceberg-Victor-Article.jpg\")
<\/h3>\n<\/h3>\n<\/p>\n
A maioria dos CTOs em 2026 est\u00e1 projetando a estrat\u00e9gia de IA na camada vis\u00edvel da pilha. Eles est\u00e3o comprando assentos no Copilot, implementando chatbots empresariais e montando um portf\u00f3lio de licen\u00e7as de fornecedores. O trabalho \u00e9 real e, em muitas empresas, produziu um aumento mensur\u00e1vel na produtividade. Em qualquer leitura honesta da imagem, ele tamb\u00e9m \u00e9 o 20% do iceberg que todos podem ver. O 80% que fica abaixo da linha d'\u00e1gua \u00e9 onde uma organiza\u00e7\u00e3o aut\u00eantica \u00e9 realmente constru\u00edda.<\/strong> As equipes que nunca olham para baixo continuar\u00e3o pagando por chatbots enquanto seus concorrentes se transformam silenciosamente em outra coisa.<\/p>\n A arquitetura de uma empresa nativa de IA est\u00e1 dividida em quatro camadas: Aplicativo, plataforma de IA, infraestrutura LLM e hardware.<\/strong> A camada de aplicativos \u00e9 a que a maioria dos conselhos j\u00e1 discutiu. As outras tr\u00eas s\u00e3o onde as decis\u00f5es estrat\u00e9gicas reais dos pr\u00f3ximos 24 meses ser\u00e3o tomadas.<\/p>\n A camada de aplicativos \u00e9 a superf\u00edcie onde os seres humanos e a IA se encontram.<\/strong> Isso inclui os chatbots incorporados em ferramentas de produtividade, os copilotos de desenvolvedores, os criadores de agentes de baixo c\u00f3digo e os agentes aut\u00f4nomos mais avan\u00e7ados que algumas equipes come\u00e7aram a enviar. Comprar acesso a eles \u00e9 um exerc\u00edcio de aquisi\u00e7\u00e3o. Os fornecedores s\u00e3o bem conhecidos. O pre\u00e7o \u00e9 publicado. A implementa\u00e7\u00e3o \u00e9 principalmente um problema de gerenciamento de mudan\u00e7as.<\/p>\n \u00c9 por isso que a maioria das conversas sobre estrat\u00e9gia de IA termina aqui. A camada de aplicativos \u00e9 leg\u00edvel para o comit\u00ea executivo, f\u00e1cil de or\u00e7ar e vis\u00edvel para o restante da empresa dentro de um trimestre. Ela produz hist\u00f3rias que se traduzem bem em uma prefeitura.<\/p>\n \u00c9 tamb\u00e9m a camada em que a diferencia\u00e7\u00e3o competitiva \u00e9 mais dif\u00edcil de ser constru\u00edda. Todas as empresas de um setor est\u00e3o comprando da mesma pequena lista de fornecedores. A interface est\u00e1 cada vez mais padronizada. A experi\u00eancia do usu\u00e1rio converge. A implementa\u00e7\u00e3o do Copilot, por si s\u00f3, ainda n\u00e3o constitui uma estrat\u00e9gia. \u00c9 o acesso a um recurso para o qual a empresa n\u00e3o foi projetada. Sem as camadas subjacentes, esse acesso produz um chatbot, n\u00e3o um agente que possa agir dentro da empresa.<\/strong><\/p>\n At\u00e9 recentemente, o argumento para deixar o restante da pilha para os hiperescaladores era defens\u00e1vel. Em 2024, uma empresa poderia enviar um assistente interno \u00fatil com base em uma API de ponta e considerar o trabalho conclu\u00eddo. Este ano, tr\u00eas press\u00f5es convergiram e tornaram essa postura muito mais dif\u00edcil de ser mantida.<\/p>\n 1- Press\u00e3o da plataforma<\/strong><\/p>\n A primeira press\u00e3o \u00e9 que o A camada da plataforma de IA n\u00e3o \u00e9 mais opcional.<\/strong> Essa \u00e9 a camada que define o que um sistema de IA sabe e o que pode fazer. Ela inclui prompts mestres e bibliotecas de habilidades, recupera\u00e7\u00e3o em bases vetoriais e bases de conhecimento estruturadas, protocolos de conex\u00e3o que permitem que os agentes atuem em sistemas de neg\u00f3cios e a mem\u00f3ria persistente que permite que eles mantenham o estado entre as sess\u00f5es. 2- Press\u00e3o de custos<\/strong><\/p>\n A segunda press\u00e3o \u00e9 econ\u00f4mica. O pre\u00e7o subsidiado dos laborat\u00f3rios de IA de fronteira est\u00e1 chegando ao fim.<\/strong> Os custos de infer\u00eancia que costumavam ser absorvidos no n\u00edvel do provedor de modelos est\u00e3o sendo cada vez mais repassados, e os primeiros sinais n\u00e3o s\u00e3o sutis. Segundo informa\u00e7\u00f5es, a Uber consumiu todo o seu or\u00e7amento do LLM 2026 nos primeiros quatro meses do ano. Esse tipo de excesso n\u00e3o \u00e9 mais uma anedota de aquisi\u00e7\u00e3o, \u00e9 um sinal de que a economia de infer\u00eancia merece um lugar na revis\u00e3o trimestral do CTO.<\/p>\n A resposta n\u00e3o \u00e9 usar menos IA. A resposta \u00e9 um Estrat\u00e9gia de infer\u00eancia deliberada usando roteamento inteligente entre modelos de fronteira e modelos menores, modelos ajustados ou especializados<\/strong> para tarefas de grande volume que n\u00e3o requerem racioc\u00ednio de fronteira e, em alguns casos, arreios personalizados criados com base em pesos de c\u00f3digo aberto. A mudan\u00e7a que quase nenhuma empresa ainda tem em seu roteiro \u00e9 treinar ou ajustar seus pr\u00f3prios modelos para as cargas de trabalho em que o volume o justifica.<\/strong> Pequenos modelos de linguagem, ajustes finos no estilo LoRA e arquiteturas espec\u00edficas de dom\u00ednio est\u00e3o come\u00e7ando a parecer menos uma curiosidade de pesquisa e mais uma decis\u00e3o de custo operacional.<\/p>\n 3- Press\u00e3o da soberania<\/strong><\/p>\n A terceira press\u00e3o \u00e9 pol\u00edtica e regulat\u00f3ria. Os requisitos de resid\u00eancia Data, a Lei de IA da UE, as regras espec\u00edficas do setor de servi\u00e7os financeiros e de sa\u00fade e a fragmenta\u00e7\u00e3o geopol\u00edtica mais ampla da computa\u00e7\u00e3o s\u00e3o empurrando as decis\u00f5es de hardware e infraestrutura para a mesa do CTO pela primeira vez.<\/strong> A quest\u00e3o de quem det\u00e9m as chaves da infraestrutura em que seus modelos s\u00e3o executados costumava ser um detalhe de aquisi\u00e7\u00e3o de TI. Em 2026, ela se tornou uma quest\u00e3o de n\u00edvel de diretoria para qualquer empresa que lide com data regulamentado ou opere em v\u00e1rias jurisdi\u00e7\u00f5es.<\/p>\n Essa press\u00e3o tamb\u00e9m \u00e9 diferente da conversa sobre a soberania do cloud h\u00e1 uma d\u00e9cada, e vale a pena fazer uma pausa nessa diferen\u00e7a. O debate sobre o cloud foi sobre computa\u00e7\u00e3o de commodities: servidores, armazenamento e largura de banda. Os seres humanos permaneciam no circuito de cada decis\u00e3o significativa que a infraestrutura suportava. A infraestrutura de IA n\u00e3o \u00e9 uma computa\u00e7\u00e3o de commodity.<\/strong> O que \u00e9 executado nessas GPUs \u00e9 a intelig\u00eancia, e para uma parcela cada vez maior dos processos de neg\u00f3cios, A infraestrutura n\u00e3o apenas apoiar\u00e1 uma decis\u00e3o humana, ela tomar\u00e1 a decis\u00e3o.<\/strong><\/p>\n Isso muda o peso pol\u00edtico de quem controla o hardware. Das tr\u00eas press\u00f5es, a Soberania \u00e9 a mais sombria atualmente, pois o a maioria dos conselhos ainda n\u00e3o internalizou o que significa administrar uma empresa com intelig\u00eancia que n\u00e3o lhes pertence.<\/strong> Isso se tornar\u00e1 muito mais claro quando a IA f\u00edsica come\u00e7ar a ser lan\u00e7ada em escala. As empresas que criaram uma estrat\u00e9gia deliberada de hardware at\u00e9 l\u00e1 e que entendem como configur\u00e1-la para seu contexto provavelmente se encontrar\u00e3o com um vantagem competitiva que leva anos para ser fechada.<\/strong><\/p>\n Juntas, essas tr\u00eas press\u00f5es dissolvem a postura confort\u00e1vel de 2024. Nenhuma delas pode ser resolvida na camada de aplicativos. Cada uma delas puxa o CTO para uma parte diferente da pilha.<\/p>\n Para tomar uma decis\u00e3o deliberada sobre a pilha, cada camada deve ser reduzida \u00e0 pergunta que ela realmente responde.<\/p>\n A camada de aplicativos \u00e9 a superf\u00edcie onde os seres humanos e a IA se encontram.<\/strong> A quest\u00e3o \u00e9: onde os humanos encontram a IA em nossas opera\u00e7\u00f5es e como eles colaboram? As op\u00e7\u00f5es variam de chatbots incorporados em ferramentas de produtividade a agentes acionados por uma mensagem no Teams ou no Slack, a agentes acionados por eventos de fluxo de trabalho e a agentes incorporados em sistemas de neg\u00f3cios como SAP ou Salesforce. O padr\u00e3o certo depende da quantidade de humanos no circuito que o trabalho tolera.<\/p>\n A plataforma de IA \u00e9 a camada que define o que a IA sabe e o que pode fazer.<\/strong> A quest\u00e3o \u00e9: Onde nossos agentes obt\u00eam o contexto comercial e que autoridade podemos delegar a eles?<\/strong> As op\u00e7\u00f5es s\u00e3o: contexto est\u00e1tico (prompts mestre, habilidades, arquivos de regras estruturadas), recupera\u00e7\u00e3o de bases de conhecimento e armazenamentos de vetores, tomada de a\u00e7\u00f5es por meio de protocolos padronizados de conex\u00e3o de agentes e mem\u00f3ria persistente entre sess\u00f5es. Cada op\u00e7\u00e3o corresponde a um n\u00edvel diferente de autonomia concedida ao agente.<\/p>\n O LLM Infrastructure \u00e9 a camada em que os modelos s\u00e3o acessados, roteados, governados e otimizados.<\/strong> A quest\u00e3o \u00e9: Como podemos encaminhar o modelo certo para o trabalho certo, com o custo certo?<\/strong> As op\u00e7\u00f5es variam de LLMs de ponta para racioc\u00ednio complexo, a modelos pequenos ou ajustados para tarefas bem definidas de alto volume, a modelos de modalidade especializados para compreens\u00e3o de voz ou documentos, a modelos de ponta para trabalho cr\u00edtico de lat\u00eancia. Essa \u00e9 a camada em que a economia de infer\u00eancia realmente vive.<\/p>\n A camada de hardware inclui as GPUs, os servidores de infer\u00eancia e a orquestra\u00e7\u00e3o que executam os modelos.<\/strong> A quest\u00e3o \u00e9: Onde nossos modelos s\u00e3o realmente executados e quem det\u00e9m as chaves dessa infraestrutura?<\/strong> As op\u00e7\u00f5es v\u00e3o desde a computa\u00e7\u00e3o gerenciada pelo hyperscaler at\u00e9 a infraestrutura privada cloud ou dedicada, passando por clusters de infer\u00eancia no local, sil\u00edcio personalizado ou computa\u00e7\u00e3o incorporada. Para a maioria das empresas, a resposta \u00e9 gerenciada pelo hyperscaler. Para os setores sens\u00edveis ao data, a resposta \u00e9 cada vez mais outra.<\/p>\n Essas quatro camadas n\u00e3o s\u00e3o estrat\u00e9gias separadas. Elas s\u00e3o uma \u00fanica estrat\u00e9gia expressa em quatro n\u00edveis de profundidade.<\/strong><\/p>\n A leitura honesta do quadro n\u00e3o \u00e9 que todas as empresas devam possuir todas as camadas. Algumas das posi\u00e7\u00f5es de IA mais defens\u00e1veis em 2026 pertencer\u00e3o a empresas que escolheram conscientemente usar abstra\u00e7\u00f5es de hiperescalador na parte inferior da pilha e concentrar seus investimentos em outro lugar. O fato de o senhor possuir mais da pilha n\u00e3o \u00e9 o argumento. O argumento \u00e9 que a escolha deve ser deliberada.<\/strong><\/p>\n Um CTO que tenha decidido onde a Microsoft, a AWS, o Google ou outro parceiro se situa em sua pilha e que tenha decidido em qual camada sua pr\u00f3pria equipe investir\u00e1 este ano tem uma estrat\u00e9gia. Um CTO que nunca tomou essa decis\u00e3o est\u00e1 pagando por uma estrat\u00e9gia sem possu\u00ed-la. O custo dessa omiss\u00e3o aumenta: a equipe acaba com um portf\u00f3lio de pilotos desconectados, uma conta de aquisi\u00e7\u00e3o que cresce mais r\u00e1pido do que o valor e nenhuma resposta clara quando a diretoria pergunta para onde deve ir o pr\u00f3ximo ano de investimento.<\/p>\n O trabalho, portanto, \u00e9 o sequenciamento. A quest\u00e3o n\u00e3o \u00e9 qual camada deve ser pr\u00f3pria e qual deve ser terceirizada<\/strong>, O senhor pode ter certeza de que a IA \u00e9 uma das principais caracter\u00edsticas da empresa, j\u00e1 que, em um horizonte suficientemente longo, toda empresa nativa de IA ter\u00e1 que se posicionar em todas as quatro. A quest\u00e3o \u00e9 qual camada priorizar agora e qual revisitar em 12, 24 e 36 meses.<\/strong><\/p>\n O arqu\u00e9tipo da empresa \u00e9 o sinal mais forte para essa sequ\u00eancia:<\/strong> As start-ups, os servi\u00e7os especializados de menor porte e as butiques geralmente podem manter seu investimento concentrado nas camadas de aplicativo e plataforma.<\/p>\n A quest\u00e3o n\u00e3o \u00e9 que um arqu\u00e9tipo seja mais avan\u00e7ado do que outro. \u00c9 que o A sequ\u00eancia das quatro camadas \u00e9 diferente para cada uma.<\/strong> Uma empresa farmac\u00eautica que tenta se comportar como a SpaceX na camada de hardware est\u00e1 desperdi\u00e7ando capital. Um banco que se comporta como uma start-up na camada de plataforma est\u00e1 deixando seu principal ativo, seu contexto data, sem gerenciamento.<\/p>\n O formato dessa transi\u00e7\u00e3o j\u00e1 foi visto antes. Em 2012, a conversa sobre cloud na maioria das salas de reuni\u00f5es era bin\u00e1ria: devemos usar a AWS ou n\u00e3o? Em 2018, essa \u00fanica pergunta havia se desdobrado em uma decis\u00e3o de v\u00e1rios eixos sobre quais cargas de trabalho pertenciam a qual lugar, quais provedores se encaixavam em quais casos de uso, o que fazer com o multi-cloud e onde a resid\u00eancia do data era importante. As empresas que trataram o cloud como uma \u00fanica decis\u00e3o de aquisi\u00e7\u00e3o em 2012 passaram os seis anos seguintes alcan\u00e7ando aquelas que o trataram como uma decis\u00e3o de arquitetura desde o in\u00edcio.<\/strong><\/p>\n A pilha de IA est\u00e1 passando pela mesma matura\u00e7\u00e3o em um clock muito mais r\u00e1pido. O cloud levou quase uma d\u00e9cada para se fragmentar de uma \u00fanica pergunta em uma decis\u00e3o em camadas. A pilha de IA est\u00e1 fazendo isso em tr\u00eas ou quatro anos. Os CTOs que tratam a IA em 2026 da mesma forma que os melhores trataram o cloud em 2012, como uma decis\u00e3o de arquitetura em vez de uma decis\u00e3o de aquisi\u00e7\u00e3o, est\u00e3o \u00e9 prov\u00e1vel que os senhores se encontrem v\u00e1rios anos \u00e0 frente de seus pares at\u00e9 o final da d\u00e9cada.<\/strong><\/p>\n Tr\u00eas movimentos, em particular, merecem um lugar na agenda.<\/p>\n A primeira \u00e9 que o a camada da plataforma de IA merece uma propriedade expl\u00edcita.<\/strong> Para a maioria das empresas que enviaram trabalhos no estilo Copilot nos \u00faltimos dois anos, essa \u00e9 a camada em que os pr\u00f3ximos 12 meses de investimento produzir\u00e3o o retorno mais diferenciado. O contexto \u00e9 a parte da pilha que n\u00e3o fica mais barata para digitalizar. Os modelos continuar\u00e3o melhorando e os pre\u00e7os continuar\u00e3o subindo. O conhecimento estruturado da pr\u00f3pria empresa, as regras de decis\u00e3o e os pontos de conex\u00e3o com seus sistemas operacionais s\u00e3o o que d\u00e1 significado a um modelo de neg\u00f3cios.<\/p>\n A segunda \u00e9 que o a economia da infer\u00eancia agora faz parte da agenda trimestral<\/strong>. Uma estrat\u00e9gia de infer\u00eancia s\u00e9ria inclui roteamento inteligente, modelos pequenos ou ajustados para a camada de volume e, pelo menos, uma conversa explorat\u00f3ria sobre o treinamento interno para cargas de trabalho em que a economia da unidade o justifique. A curva de custo da infer\u00eancia de fronteira n\u00e3o se mover\u00e1 em uma \u00fanica dire\u00e7\u00e3o, e qualquer estrat\u00e9gia que dependa do pre\u00e7o de um \u00fanico provedor \u00e9 estruturalmente fr\u00e1gil.<\/p>\n A terceira \u00e9 que o As escolhas de hardware e infraestrutura devem ser revisadas,<\/strong> mesmo que a resposta acabe sendo o hyperscaler por enquanto. A decis\u00e3o de usar uma pilha gerenciada \u00e9 leg\u00edtima, mas deve ser uma decis\u00e3o e n\u00e3o um padr\u00e3o. Para os setores regulamentados, as quest\u00f5es de infer\u00eancia soberana, implementa\u00e7\u00e3o h\u00edbrida e pilhas no local n\u00e3o s\u00e3o mais hipot\u00e9ticas.<\/p>\n Nenhuma dessas medidas exige a cria\u00e7\u00e3o de tudo internamente. Elas exigem que se pense em cada camada com a mesma seriedade que a maioria das diretorias j\u00e1 aplica \u00e0 camada de aplicativos.<\/p>\n A arquitetura de uma empresa nativa de IA \u00e9 decidida com base em uma pergunta de cada vez, e cada pergunta est\u00e1 em uma camada diferente. Os 20% vis\u00edveis s\u00e3o a parte f\u00e1cil. O trabalho que comp\u00f5e acontece abaixo da linha d'\u00e1gua, nas camadas que n\u00e3o aparecem em uma demonstra\u00e7\u00e3o do fornecedor.<\/strong><\/p>\n Os CTOs que param na camada vis\u00edvel acabam gerenciando ferramentas. Os CTOs que olham abaixo da linha d'\u00e1gua acabam gerenciando a capacidade cognitiva. A quest\u00e3o n\u00e3o \u00e9 qual modelo comprar, mas que tipo de CTO a empresa decide se tornar: operacional ou estrat\u00e9gico.<\/strong><\/p>","protected":false},"excerpt":{"rendered":" O gerenciamento de patrim\u00f4nio est\u00e1 preso ao passado. Os clientes vivem em um mundo de recomenda\u00e7\u00f5es f\u00e1ceis e hiperpersonalizadas do YouTube, do TikTok ou da Amazon, mas os bancos oferecem produtos por meio de livros de regras, segmenta\u00e7\u00e3o complicada e suposi\u00e7\u00f5es dos consultores. Os bancos lutam para acompanhar as expectativas dos clientes e a complexidade dos portf\u00f3lios atuais. A IA h\u00edbrida pode mudar isso. Ao fundir o aprendizado de m\u00e1quina, a disciplina de otimiza\u00e7\u00e3o de portf\u00f3lio e a intelig\u00eancia contextual de grandes modelos de linguagem, governados por uma camada de IA aut\u00eantica, os gerentes de patrim\u00f4nio podem oferecer recomenda\u00e7\u00f5es inteligentes, pessoais e oportunas.<\/p>","protected":false},"featured_media":1226396,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[2995],"blog-language":[2991],"class_list":["post-1226395","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-ai-technology","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/blog\/1226395","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/media\/1226396"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/media?parent=1226395"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/blog-category?post=1226395"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/blog-language?post=1226395"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Tr\u00eas press\u00f5es que empurram os CTOs para baixo da linha d'\u00e1gua<\/h2>\n
\nH\u00e1 um ano, essa camada era uma dire\u00e7\u00e3o de pesquisa interessante. Hoje, ela \u00e9 um suporte de carga. As empresas que passaram de pilotos de chatbot para agentes implantados fizeram isso investindo nessa camada. As empresas que ainda est\u00e3o executando pilotos geralmente ignoraram essa camada e tentaram conectar o contexto comercial diretamente aos prompts e \u00e0s integra\u00e7\u00f5es no lado do aplicativo. Essa abordagem funciona para um caso de uso bem delimitado. Ele n\u00e3o se adapta a um portf\u00f3lio de agentes que atuam em toda a empresa.<\/strong><\/p>\nAs quatro camadas, reduzidas \u00e0 pergunta que cada uma responde<\/h2>\n
Sequenciamento bate cobertura<\/h2>\n
\n
Transi\u00e7\u00e3o para a nuvem, em um rel\u00f3gio mais r\u00e1pido<\/h2>\n
O que isso significa para o CTO este ano<\/h2>\n
Uma pergunta de cada vez<\/h2>\n