Por Hilmar Becker*
Nosso Relatório State of Applications Strategy 2026 revelou que 78% das organizações agora executam a inferência de IA por conta própria, em uma média de sete modelos. Trata-se de um avanço impressionante, em pouquíssimo tempo. Um ano antes, nosso Índice de Prontidão para IA estimava em 2% a porcentagem de organizações genuinamente preparadas para operar IA em escala.
A diferença entre esses dois números é o aspecto mais revelador do que acontece dentro das organizações neste momento. As empresas não esperaram até estarem prontas para, só então, começarem a usar a IA.
Nesta jornada, chegou a hora mais difícil: lidar com o que é necessário fazer para controlar a IA. É o que eu chamo de “caminho da inferência”: tudo o que acontece entre a intenção do usuário com a IA e a resposta que o modelo entrega a ele.
Modelo de IA não é produto e caminho da IA não é infraestrutura
Infelizmente, tenho visto muitas empresas se perderem neste caminho. A razão mais comum para isso é aplicar, ao mundo da IA, uma visão anacrônica sobre produtos e infraestrutura. Seguindo esse raciocínio, pode acontecer de se tratar o modelo de IA como produto e o caminho percorrido pela IA como infraestrutura.
Para evitar esse engano, aqui estão quatro perguntas que serviriam de farol para iluminar os caminhos da inferência de IA dentro da organização.
1 – Quantos modelos de IA estão em produção hoje e qual o tempo real para trocar um deles?
Faço essa pergunta porque substituir um modelo não deveria se transformar em um grande projeto. Modelos de IA são peças substituíveis. O que realmente importa — e o que ninguém consegue copiar — é o caminho de inferência que conecta a IA ao negócio. É nessa estrutura que fica a verdadeira vantagem competitiva, onde há precisão nos projetos e controlar os custos é essencial. Um concorrente pode comprar o mesmo modelo de IA amanhã. Será impossível, porém, a arquitetura e o contexto do negócio da empresa.
2 – Qual é a cadeia de agentes de IA em produção hoje e qual é a taxa de sucesso dela?
Essa pergunta é só a ponta do iceberg. Uma pesquisa da F5 mostra que as empresas enfrentam novos problemas assim que os agentes de IA entram em produção. A explicação está na infraestrutura: com 93% das empresas na nuvem e 86% operando em ambientes híbridos, o caminho de inferência precisa atravessar um verdadeiro labirinto. Quanto mais modelos e agentes adicionamos, mais essa malha se complica.
Na segurança, o risco é proporcional. Se cada agente em uma cadeia tiver apenas 5% de chance de falhar — seja por manipulação, erro de escopo ou excesso de permissão —, um fluxo de trabalho com 20 agentes deixa a porta escancarada. Isso dá ao invasor uma chance altíssima de encontrar pelo menos um elo vulnerável.
3 – Onde a sua política de IA é aplicada hoje e quantos locais distintos têm de ser modificados na hora de atualizar o ambiente?
Imagine o cenário médio apontado pela F5: em cada empresa pesquisada, sete modelos de IA rodando em várias nuvens, com servidores locais e data centers. Para proteger tudo isso, as empresas costumam usar ferramentas isoladas para segurança de APIs, gateways de IA e controle de saída de dados. O problema é ter que configurar e traduzir as políticas para cada uma dessas tecnologias. O trabalho se multiplica e a agilidade despenca.
Uma saída possível é unificar a entrega de aplicações e a segurança de IA em uma única plataforma. É essa centralização que permite, por exemplo, trocar de modelo toda semana sem perder a segurança e a resiliência do caminho de inferência.
4 – Quanto da latência da IA vem das demandas de segurança e de governança, e quem responde por esse índice?
No desenvolvimento tradicional, segurança, governança e desempenho rodavam em trilhos separados, com owners e orçamentos diferentes. Com a IA, tudo mudou: essas três frentes agora dividem a mesma moeda de troca, medida em milissegundos e tokens.
No caminho de inferência, cada camada de proteção impõem um preço sobre o desempenho. Alguém precisa gerenciar essa conta. Hoje, o controle mais comum é a autenticação de APIs (usada por 55% das empresas). 47%, por outro lado, planejam adotar infraestruturas de identidade para agentes. São passos essenciais, mas que adicionam latência — o que afeta diretamente a experiência do usuário.
Sem um “orçamento de latência” muito bem definido, as equipes de TI podem acabar desligando silenciosamente travas de segurança e governança só para bater suas metas de performance.
Auditoria do caminho de inferência de IA
Se essas quatro perguntas trouxerem estimativas em vez de respostas exatas, o exercício já terá valido a pena. O grande objetivo é conseguir auditar todo o caminho que a IA percorre.
Afinal, as empresas que vão liderar o mercado não serão as que usam mais IA, mas sim as que sabem exatamente o que acontece entre a pergunta do usuário e a resposta entregue pelo sistema. Para as lideranças no Brasil, isso exige deixar velhos hábitos para trás e assumir uma nova postura estratégica frente à tecnologia.
*Hilmar Becker é Diretor Regional da F5 Brasil.
