O ano de 2024 confirmou o papel central da inteligência artificial generativa nas estratégias empresariais, ao mesmo tempo em que revelou limitações que os anúncios entusiasmados de 2023 haviam deixado na sombra. Entre projetos piloto sem retorno mensurável, a urgência da criptografia pós-quântica e dados internos ainda mal explorados, o panorama tecnológico de 2024 é lido tanto por suas promessas quanto por seus pontos de atrito.
IA generativa nas empresas: a lacuna entre adoção e retorno sobre investimento
A maioria das grandes organizações lançou pelo menos um projeto relacionado à IA generativa. As ferramentas de geração de texto, código ou imagem se multiplicaram nas áreas de marketing, jurídica e técnica.
Uma análise publicada pela The European Business Review em setembro de 2026, que se baseia em balanços de implantações anteriores, aponta uma constatação clara: a maioria dos projetos piloto não resulta em um impacto financeiro mensurável. O problema é menos tecnológico e mais relacionado à ausência de uma referência clara antes da implantação. Sem um indicador inicial, é impossível quantificar um ganho.
Esse descompasso entre experimentação e valor de negócio levou várias empresas a revisar sua abordagem. Em vez de multiplicar os casos de uso, algumas concentram seus esforços em um ou dois processos críticos onde o benefício é diretamente observável, como a triagem automatizada de documentos contratuais ou a síntese de feedbacks de clientes. Acompanhar as novidades tech no 24 Atualidades permite medir como esses ajustes evoluem mês a mês em diferentes setores.
Qualidade dos dados: o verdadeiro obstáculo à produção da IA
Os modelos generativos precisam de dados confiáveis, estruturados e conectados entre si. No papel, as empresas sabem disso. Na prática, o nível real de integração continua baixo.
A The European Business Review destaca que os dados não estruturados representam o principal obstáculo à produção. E-mails arquivados, PDFs digitalizados, transcrições de chamadas, documentos internos armazenados em formatos heterogêneos: esse patrimônio informacional existe, mas resiste aos pipelines de ingestão automatizados.
O problema não é técnico no sentido estrito. Existem soluções de extração e normalização. A dificuldade reside na governança: quem valida a qualidade de um conjunto de dados antes que ele alimente um modelo? Quem decide o nível de confidencialidade aplicável? Essas questões organizacionais atrasam os projetos muito mais do que as limitações algorítmicas.
Dados e cibersegurança: uma interseção subestimada
Conectar fontes internas heterogêneas para alimentar um modelo de IA amplia mecanicamente a superfície de ataque. As equipes de segurança se deparam com um paradoxo: a IA exige mais dados acessíveis, a cibersegurança exige que eles sejam compartimentados.
Os feedbacks de campo divergem sobre esse ponto. Algumas organizações consideram que os ganhos de produtividade justificam um acesso ampliado aos dados, desde que se fortaleça a criptografia e a auditoria. Outras preferem limitar o acesso dos modelos a subconjuntos validados manualmente, mesmo que isso reduza a relevância dos resultados.
Criptografia pós-quântica: uma transição já em andamento
A computação quântica ainda não está operacional em grande escala para quebrar os algoritmos de criptografia atuais. No entanto, a ameaça chamada “colher agora, decifrar depois” é bem real: dados criptografados hoje podem ser decifrados amanhã por um computador quântico suficientemente poderoso.
É essa lógica que levou o NIST (National Institute of Standards and Technology) a finalizar seus primeiros padrões de criptografia pós-quântica. A publicação dessas normas criou um chamado: os fornecedores de soluções em nuvem e cibersegurança começaram a integrar algoritmos resistentes a ataques quânticos em suas ofertas.
Para as empresas, a transição não se limita a substituir um algoritmo por outro. Ela requer um inventário completo dos sistemas criptográficos em uso, um trabalho muitas vezes longo e árduo em infraestruturas envelhecidas.
- Identificar todos os fluxos de dados criptografados e os protocolos utilizados (TLS, VPN, assinaturas digitais) para mapear a exposição.
- Priorizar a migração dos sistemas que protegem dados de longa duração, como prontuários médicos, contratos ou propriedade intelectual.
- Testar a compatibilidade dos novos algoritmos com os sistemas existentes antes de qualquer implantação em produção, pois alguns protocolos legados não suportam chaves de tamanho superior.
Tendências tech 2024: o que avança sem fazer manchetes
A IA generativa e a computação quântica concentram a atenção da mídia. Outras evoluções tecnológicas avançam com menos barulho, mas com efeitos concretos.
A GreenTech sob pressão energética
Os centros de dados necessários para o treinamento dos modelos de IA consomem quantidades consideráveis de energia. Essa realidade tensiona duas prioridades declaradas pelas empresas de tecnologia: a corrida pela potência de cálculo e os compromissos de redução da pegada de carbono. Os dados disponíveis ainda não permitem concluir se os ganhos de eficiência energética dos novos chips compensam o aumento global da demanda.
O panorama tecnológico de 2024 se caracteriza menos por rupturas espetaculares e mais por uma maturação exigente. As organizações que tiram proveito da IA generativa são aquelas que primeiro resolveram seus problemas de dados e governança. A criptografia pós-quântica impõe um projeto de infraestrutura a ser planejado ao longo de vários anos. O descompasso entre o entusiasmo dos anúncios e a realidade operacional continua sendo o fio condutor deste ano tecnológico.
