A IA volta para casa: infraestrutura local como resposta ao custo e à soberania digital

O custo que não cabia no orçamento

Quarenta por cento das empresas relatam que o gasto real com IA em nuvem pública ultrapassou as projeções iniciais. O dado, extraído de levantamento conduzido com 203 executivos de TI em fevereiro de 2026, aponta dois mecanismos concretos: a dificuldade de prever o custo total de propriedade e as oscilações dos modelos de precificação por consumo.

O problema não é novo. É que ele ficou maior. Modelos de linguagem de grande escala e pipelines de inferência contínua consomem volumes de computação que, em arquitetura cloud pública, geram faturas difíceis de amortizar sobre receita previsível. A diferença entre o planejado e o cobrado passou a ser item recorrente nas revisões de portfólio de TI.

Mais dinheiro disponível combinado com custo imprevisível de nuvem não resolve o problema, mas o amplifica. Oitenta e seis por cento dos respondentes esperam ampliar seus orçamentos de IA em 2026, e 40% projetam crescimento acima de 25%. Essa é a combinação que está devolvendo os servidores locais ao centro do debate estratégico.

A soberania como mandato, não como discurso

A equação financeira já seria suficiente para justificar a revisão de estratégia. O contexto regulatório e político brasileiro foi além, transformou a repatriação em diretriz de Estado.

Em junho de 2026, o Serpro formalizou sua posição no Web Summit Rio: "Existe uma tarefa importante de repatriar os dados e o Serpro tem feito investimentos importantíssimos para ampliar a capacidade de armazenamento", afirmou Wilton Mota, presidente da empresa pública, durante masterclass sobre nuvem soberana brasileira. "A guarda desses dados e sua operação precisam estar em uma empresa pública como o Serpro."

A arquitetura proposta pelo governo federal estrutura a soberania digital em três pilares: de dados, operacional e tecnológico, com a Nuvem de Governo como ambiente de referência para serviços críticos. Para o setor privado, o sinal é claro: dados com requisitos de residência, auditabilidade e controle jurisdicional não pertencem ao hyperscaler. O paradoxo se aprofunda quando se considera que 58% das empresas já relataram atrasos em projetos de IA por conta de preocupações com residência de dados, segundo o mesmo levantamento da Cloudian.

O que repatriar e o que não

Nem toda carga de IA merece voltar para o servidor local. A decisão exige critérios, não instinto.

O levantamento da Cloudian identificou três categorias funcionais que favorecem o on-premise: dados sensíveis sujeitos a controle jurisdicional, cargas de inferência com exigências de latência ultrabaixa e workloads de alto volume com custo de processamento previsível. Setenta e cinco por cento dos respondentes identificaram ao menos uma carga ativa que exige ou se beneficiaria de infraestrutura local, com casos em análise de vídeo em tempo real, controle de qualidade industrial e processamento de transações financeiras.

Do lado oposto, cargas variáveis, experimentos de desenvolvimento e modelos de uso esporádico permanecem mais eficientes em nuvem pública. A IDC projeta que 60% das empresas na América Latina adotarão ambientes híbridos até 2030, confirmando que a repatriação seletiva não a migração total, é o movimento real do mercado.

A questão não é nuvem versus on-premise. É entender qual carga pertence a qual ambiente, e ter infraestrutura local pronta para o que a nuvem não comporta com eficiência.

Servidores locais na era da IA: o que precisa mudar

Repatriar carga de IA para um servidor de uso geral desatualizado é trocar um problema por outro. A infraestrutura local dimensionada antes da onda generativa foi projetada para outras demandas, e o gap técnico é real.

Três camadas precisam de revisão. A primeira é de computação: cargas de inferência de LLMs e de análise de vídeo em tempo real exigem aceleradores dedicados, GPUs ou NPUs, que a maioria dos servidores on-premise corporativos não possui. Sem esse investimento, a latência prometida não se materializa. A segunda é de conectividade interna: pipelines de dados de IA movem volumes que sobrecarregam redes dimensionadas para tráfego convencional. Fabric de alta velocidade entre servidores, storage e endpoints de inferência não é opcional em ambientes de tempo real.

A terceira camada é frequentemente subestimada: software e talentos. Repatriar não é apenas comprar GPU, é ter capacidade de orquestrar modelos de código aberto localmente. Plataformas de MLOps, conjunto de práticas e ferramentas que automatizam o ciclo de vida de modelos de IA, do treinamento à produção, precisam ser operadas por equipes com domínio de frameworks como Ollama, vLLM ou Ray Serve. O Gartner identificou a computação energeticamente eficiente como tendência central para infraestrutura e operações em 2026, sinalizando que a densidade energética de servidores acelerados para IA exige revisão de refrigeração e de capacidade elétrica em data centers corporativos convencionais. Repatriar sem revisar essas três camadas é a receita para criar, no local, o mesmo problema de custo que se tentou abandonar na nuvem.

O modelo híbrido como arquitetura de chegada e a resposta dos hyperscalers

Infraestrutura local reforçada não substitui a nuvem. Ela recalibra a relação com ela. Os próprios hyperscalers já internalizaram essa lógica.

A AWS ampliou o portfólio Outposts para cargas de inferência local; o Azure Arc estende governança e serviços gerenciados para servidores on-premise de clientes; o Google Distributed Cloud oferece hardware gerenciado pelo Google operado dentro do perímetro do cliente. O movimento revela que os grandes provedores não estão na defensiva, estão criando novos modelos de receita no ponto de encontro entre nuvem e local. Para o CIO, isso significa que adotar infraestrutura on-premise para IA não implica abandonar o ecossistema do hyperscaler: implica negociar uma relação mais equilibrada com ele.

O modelo que emerge, on-premise para dados regulados e inferência crítica, edge para tempo real em campo, nuvem pública para cargas variáveis e desenvolvimento, exige uma camada de gestão que muitas organizações brasileiras ainda não possuem: plataformas de AIOps capazes de correlacionar eventos entre ambientes heterogêneos e redirecionar cargas dinamicamente. A Forrester prevê que ao menos 15% das empresas globais implantarão IA privada em nuvens privadas até o final de 2026, segundo análise citada pela NTT DATA Brasil. Sem essa camada, o CIO troca a dependência do hyperscaler pela dependência de uma arquitetura que ninguém dentro da organização consegue operar de ponta a ponta. A repatriação bem-sucedida exige tanto hardware quanto governança, e os dois precisam chegar juntos.

O segundo semestre como janela de decisão

O segundo semestre de 2026 não é um prazo retórico. É o cruzamento de três forças simultâneas.

A primeira: os investimentos em IA no Brasil devem atingir US$ 3,4 bilhões em 2026, com crescimento superior a 30% em relação ao ano anterior e data centers como o segmento de maior expansão entre os 20 monitorados pela IDC no mercado local. Quem não posicionar infraestrutura agora competirá por capacidade instalada em mercado aquecido, com lead time de hardware pressionado e normalização de componentes projetada apenas para 2027.

A segunda: a agenda de soberania digital brasileira está em fase de operacionalização, não de planejamento. O processo de repatriação do Serpro está ativo, a Nuvem de Governo está em construção e o debate regulatório sobre residência de dados de IA ganhou protagonismo institucional no Web Summit Rio 2026. Para empresas que processam dados do setor público ou que operam em setores regulados, adequar a infraestrutura não é diferencial competitivo. É requisito de continuidade.

A terceira: a janela para revisar arquitetura antes do próximo ciclo de renovação de contratos de nuvem está se fechando. Organizações que iniciarem a adequação de servidores locais no segundo semestre terão condições de negociar posições híbridas mais equilibradas em 2027. As que esperarem farão isso sob pressão de custo crescente, e com menos margem para escolher onde cada carga roda.