Por Alexandre Ferreira, Diretor-Geral da Fujitsu Portugal
As empresas procuram atualmente soluções para lidar com o frágil equilíbrio entre a disrupção económica, a insegurança geopolítica e um aumento sem precedentes do investimento em inteligência artificial (IA), especialmente em termos relativos face ao investimento total em tecnologias de informação. Todas estas variáveis motivam as empresas a abandonar uma postura mais reativa de observação para procurarem liderar proactivamente a moldagem das suas operações e modelos de negócio num mundo multipolar mais diversificado e de cada vez maior fragmentação política. Para tal, um pouco à semelhança do que ocorreu no pós-COVID, procuram aproveitar as tendências tecnológicas emergentes para atualizar plataformas e criar cadeias de abastecimento mais resilientes, melhor capacitarem a força de trabalho, acrescentar inteligência aos seus produtos e serviços e operar em ambientes mais localizados que, crucialmente, estejam mais próximos dos clientes.
Apesar dos assustadores desafios económicos, a transformação necessária não pode ser adiada. Num cenário americano cada vez mais virado para si próprio, novos investimentos e novas cadeias de abastecimento exigem um foco local e tecnologia altamente competitiva. Na Europa, pautada por uma postura mais defensiva, os novos ecossistemas devem suportar investimentos complexos em infraestruturas e plataformas tecnológicas mais soberanas. Na Ásia, a reestruturação e diversificação parcial das cadeias de abastecimento, afastando-as da China, juntamente com a crescente concorrência na tecnologia ambiental, apresentam desafios e oportunidades.
Estas cinco tendências tecnológicas ajudarão as empresas a aproveitar as oportunidades geradas pelo crescimento da IA colaborativa e a preparar-se para um ambiente geoeconómico mais complexo nos próximos anos.
- O desenvolvimento de modelos de IA de menor dimensão e de agentes especializados destaca-se pela sua capacidade de apoiar as empresas na transformação e otimização de processos. À medida que a produção e os serviços se aproximam dos clientes em diferentes regiões, torna-se crucial dispor de soluções de automatização flexíveis e eficientes, especialmente em contextos de menor escala ou com restrições de recursos.
Neste cenário, modelos de grande dimensão (LLMs) continuam a desempenhar um papel fundamental como base de conhecimento, sendo utilizados para treinar modelos mais pequenos (SLMs), leves e adaptados a domínios específicos, através de técnicas como distillation ou teacher–student training. Em tarefas bem delimitadas, estes modelos especializados, quando bem ajustados e configurados, podem atingir níveis de desempenho comparáveis ou superiores aos modelos de maior dimensão, com vantagens significativas em termos de custo, latência e eficiência energética.
Empresas como a Fujitsu com a sua tecnologia Takane, têm vindo a explorar estas abordagens, desenvolvendo soluções que operam na edge e que combinam elevada eficiência com precisão adequada aos contextos de aplicação.
- A IA física, ou embodied AI, refere-se a sistemas inteligentes integrados em agentes físicos capazes de perceber, decidir e atuar no mundo real. O seu avanço tem sido impulsionado pelo desenvolvimento de IA agente (agentic AI) e de modelos de menor dimensão, otimizados para operar na “edge”, diretamente em dispositivos robóticos e em sistemas de automação.
Embora os carros autónomos e os robôs humanóides atraiam maior atenção mediática, os progressos mais significativos decorrem da integração de dispositivos de deteção da Internet das Coisas (IoT – Internet of Things) com a orquestração de robôs especializados, adaptados a tarefas concretas e a diferentes contextos operacionais.
Máquinas inteligentes capazes de operar em ambientes dinâmicos já são utilizadas em setores como a restauração, a logística e a inspeção de infraestruturas críticas. Estes sistemas combinam perceção multimodal (visão, linguagem e sensores físicos) com capacidades de decisão em tempo real.
O treino de robôs especializados, recorrendo a aprendizagem por demonstração, simulação e técnicas de transferência simulação–realidade (sim2real), tem vindo a expandir significativamente a sua aplicabilidade. Como resultado, a adoção de IA física acelera em áreas como a indústria transformadora, logística, saúde e agricultura de precisão, particularmente em contextos locais onde a autonomia, latência reduzida e robustez são fatores críticos.
- A cibersegurança torna-se cada vez mais crítica à medida que ferramentas baseadas em IA são utilizadas para automatizar a descoberta e exploração de vulnerabilidades, bem como ataques de engenharia social à escala global. Os recentes ataques de ransomware de grande impacto — que interromperam cadeias de produção e afetaram infraestruturas críticas — funcionaram como um alerta significativo, elevando estas ameaças ao nível de preocupações de segurança nacional.
Perante este cenário, governos e reguladores têm vindo a reforçar a adoção de medidas de defesa proativas e enquadramentos legais mais exigentes. Tecnologias como arquiteturas Zero Trust, deteção baseada em comportamentos e sistemas de resposta automatizada, muitas vezes suportadas por IA, serão essenciais não só para mitigar riscos, mas também para garantir conformidade com um ambiente regulatório cada vez mais exigente, particularmente no contexto da soberania digital.
- A computação de alto desempenho (HPC – High Performance Computing) e a computação quântica estão a convergir progressivamente, sobretudo através de abordagens híbridas que combinam recursos clássicos e quânticos. Atualmente, a HPC desempenha um papel fundamental na simulação e validação de algoritmos quânticos, servindo como ponte para a experimentação. Não obstante a necessidade constante do desenvolvimento de hardware com capacidades quânticas, já se observam aplicações promissoras em áreas como otimização e descoberta de materiais.
Paralelamente, a inteligência artificial tem contribuído para acelerar o desenvolvimento dos sistemas quânticos, nomeadamente no controlo de qubits e na modelação de dados complexos. As Fujitsu criou uma plataforma para computação híbrida e está a desenvolver tecnologia que otimiza automaticamente a melhor abordagem de cálculo para a seleção de cargas de trabalho para os clientes com base em parâmetros como o tempo de cálculo, a precisão e o custo.
- As blockchains empresariais começam finalmente a emergir do “vale da desilusão” e a sair de uma fase prolongada de experimentação, impulsionadas pelo crescimento das criptomoedas, nomeadamente as stablecoins e pela crescente adoção institucional, incluindo grandes bancos e infraestruturas de mercado.
Em particular, os pagamentos empresariais, sobretudo em contexto internacional, estão a beneficiar de maior rapidez, programabilidade e potencial redução de custos através de tokens e contratos inteligentes.
Embora ainda existam desafios regulatórios e de adoção em larga escala, estas tecnologias estão a estabelecer as bases para novos modelos operacionais, incluindo a possibilidade futura de agentes automatizados, potencialmente baseados em IA, participarem de forma mais autónoma em transações económicas.
À medida que as empresas enfrentam instabilidade económica e rápida evolução tecnológica, os próximos anos serão decisivos para a adoção escalável da inteligência artificial. A emergência de agentes de IA capazes de automatizar processos complexos, aliada à crescente importância da soberania dos dados e à pressão regulatória, está a redefinir a forma como as organizações estruturam os seus sistemas e operações.
As empresas que combinarem infraestruturas de dados robustas, governação eficaz e modelos operacionais ágeis, integrando IA de forma segura e orientada a valor, estarão melhor posicionadas para competir num cenário global mais fragmentado. Mais do que adoção tecnológica, o diferencial estará na capacidade de redesenhar processos e criar organizações verdadeiramente “AI-native”.
