A adoção de modelos de inteligência artificial (IA) pelas empresas começa a esbarrar em uma limitação menos evidente: a capacidade dos computadores usados pelos funcionários. Em entrevista ao IA Brasil Notícias, o diretor de receita (CRO) da Plugify, Daniel Fernandes, avalia que máquinas dimensionadas para tarefas tradicionais podem não ter memória, processamento, GPU ou NPU suficientes para executar aplicações de IA, fazendo do hardware um novo gargalo para empresas que buscam incorporar a tecnologia às suas operações. Para ele, nesse cenário, a gestão do parque de equipamentos ganha importância, inclusive com a expansão de modelos como o Hardware as a Service (HaaS), para garantir a continuidade e previsibilidade das operações.
Em que momento a gestão de hardware começa a se tornar um gargalo para uma empresa em crescimento? Quais sinais indicam que o modelo tradicional de compra e manutenção de computadores já não é eficiente?
O gargalo aparece antes de virar problema visível, normalmente no momento em que a empresa cresce mais rápido do que a capacidade do time de TI de sustentar o parque.
Os sinais são concretos: o ciclo de reposição de equipamento passa a ser reativo (troca quando quebra, não quando deveria), o CAPEX de hardware some do orçamento do ano seguinte porque ninguém planejou a curva de obsolescência, e o tempo do time de TI é consumido com manutenção em vez de projeto.
Quando a empresa não sabe, com precisão, quantos equipamentos tem, qual a idade média do parque e qual o custo real de manter cada máquina rodando, a gestão já deixou de ser previsível e é isso que o modelo tradicional de compra estrutural não resolve.
O modelo de Hardware as a Service (HaaS) vem ganhando espaço. Na prática, o que muda para uma empresa quando ela deixa de comprar os equipamentos e passa a tratá-los como um serviço?
Muda o leque de opções disponível para a empresa, não a resposta certa para todo mundo. Comprar continua sendo uma decisão legítima, dependendo da estratégia de capital da companhia. O que o modelo de serviço oferece é a alternativa de tratar o parque de TI como algo contratado, com SLA, ciclo de reposição e responsabilidade de manutenção definidos previamente, em vez de administrado internamente como ativo próprio.
A decisão entre manter no CAPEX ou deslocar para OPEX é estratégica e cabe à empresa, considerando estrutura de capital, momento de caixa e política contábil interna. O papel da Plugify é garantir que, seja qual for o modelo escolhido, a operação tenha continuidade e previsibilidade.
Quais são os ganhos operacionais de cada um desses dois modelos financeiros?
Independente do modelo financeiro escolhido, três ganhos aparecem quando o parque é gerido sob contrato de serviço: continuidade operacional, com SLA garantindo substituição e suporte dentro de prazo definido; rastreabilidade centralizada, com visibilidade sobre onde está cada equipamento, idade e status; e redução de carga operacional do time de TI, que deixa de gastar tempo com logística de reposição e conserto para focar em projeto e segurança.
Esses ganhos existem tanto para quem opta por manter o ativo no balanço quanto para quem desloca para OPEX, a diferença está em como o risco e o custo são tratados contabilmente, não na qualidade da operação entregue.
A popularização da inteligência artificial está mudando as necessidades de hardware das empresas? Já existe uma demanda por equipamentos mais potentes para rodar aplicações de IA localmente?
Está, e de forma mensurável. Rodar modelos localmente, mesmo versões menores, para inferência ou copiloto integrado ao fluxo de trabalho, exige memória, GPU ou NPU e capacidade de processamento que o parque corporativo médio, dimensionado para tarefas de escritório, não tem. Empresas que já testaram ferramentas de IA em produção estão percebendo que o gargalo não é o software nem o modelo, é a máquina que o usuário final tem na mesa.
Até que ponto a infraestrutura de hardware pode limitar a adoção de IA dentro das empresas? Uma companhia pode ter bons softwares e modelos de IA, mas não conseguir extrair todo o potencial dessas ferramentas por limitações dos equipamentos?
Pode, e esse é um ponto que costuma ser subestimado no planejamento de adoção. Uma empresa pode licenciar a ferramenta certa e treinar o time certo, e ainda assim não capturar o ganho de produtividade prometido porque o hardware não sustenta a carga, trava, aquece, derruba performance de bateria, ou simplesmente não roda o modelo local que a ferramenta depende.
Nesse cenário, o investimento em software e treinamento fica com retorno parcial até que o parque de máquinas seja atualizado. Dimensionar hardware é parte do projeto de adoção de IA, não uma etapa posterior.
Como você imagina a infraestrutura de TI das empresas nos próximos cinco anos? O computador corporativo continuará sendo um ativo que a companhia compra e administra ou tende cada vez mais a ser consumido como um serviço?
Não vejo isso como um caminho único e obrigatório na direção do serviço. Vejo a decisão entre administrar o ativo internamente ou contratá-lo como serviço se tornando cada vez mais consciente e estratégica. Cada empresa vai calibrar isso de acordo com sua estrutura de capital, momento de caixa e política contábil, não por padrão de mercado.
O que muda, independente da escolha, é a exigência de previsibilidade: empresas que dependem de operação estável e que agora também dependem de hardware capaz de sustentar IA local, vão exigir esse nível de controle e continuidade seja qual for o modelo de propriedade do ativo.
