Oracle defende IA híbrida entre nuvem e servidor próprio

Inteligência Artificial

Especialistas destacam a importância de escolher a infraestrutura ideal para IA, considerando dados, latência e custos.

Leia também: Netflix lança AI Discover, aba com IA para sugerir filmes

A decisão sobre rodar aplicações de inteligência artificial na nuvem, em servidores próprios ou em um modelo híbrido precisa começar pela localização dos dados e pela velocidade de resposta exigida pelo negócio, afirmou Rob Czarnecki, vice-presidente de produtos da Oracle Cloud Infrastructure, em entrevista nesta quarta-feira (4) durante o Oracle AI World, em Las Vegas. Segundo ele, a forma como a empresa distribui sua infraestrutura de IA afeta diretamente custos, eficiência operacional e riscos.

Qual a diferença entre rodar IA na nuvem e em servidor próprio?

Rodar IA na nuvem dá mais flexibilidade e reduz investimento inicial, enquanto servidores próprios ou próximos à operação favorecem aplicações que não podem sofrer atrasos. Para Czarnecki, a escolha não deve ser guiada apenas pelo tamanho da empresa, mas por como a operação funciona na prática.

Na nuvem pública, a companhia “aluga” capacidade computacional conforme a necessidade. Isso é especialmente vantajoso em fases de treinamento de modelos, que exigem muitos chips de alto desempenho por períodos concentrados. Quando a demanda cai, a empresa reduz o uso e evita manter equipamentos caros parados.

Servidores próprios, instalados dentro da empresa ou em estruturas muito próximas, ganham importância no uso cotidiano da IA, quando decisões precisam ser tomadas em tempo real, na ponta. Em linhas industriais, por exemplo, um modelo pode identificar um defeito e interromper uma máquina em segundos; qualquer atraso pode elevar custos e criar risco de segurança.

“Se velocidade ou latência são importantes, normalmente é mais eficiente levar a aplicação de IA para o mais perto possível dos dados”, disse Czarnecki. A lógica se repete em lojas, hospitais e centros de distribuição, nos quais a IA orienta decisões que impactam pessoas, estoque ou operações críticas.

Em aplicações menos urgentes, como análises financeiras diárias ou relatórios mensais, o executivo avalia que a nuvem pública é mais econômica. “Em alguns casos, é mais econômico executar essas cargas na nuvem pública, porque não é algo que precise acontecer em tempo real. Pode ser um processamento diário, semanal ou mensal”, afirmou.

Como a escolha entre nuvem e servidor próprio depende dos dados a trabalhar?

Para Czarnecki, o primeiro passo é olhar para os dados que a IA vai usar, e não para o catálogo de serviços disponível. “Dados têm gravidade e inércia. Movê-los é difícil”, disse. Quanto mais volumosa e sensível à latência for a base de dados, maior a tendência de manter o processamento perto de onde essas informações já estão.

Quando dados e processamento ficam distantes, as informações precisam viajar entre ambientes antes de serem usadas pelos chips. Isso aumenta o tempo de resposta e pode deixar equipamentos caros ociosos, aguardando a chegada do que será processado. O custo de transportar grandes volumes de informação entre nuvens ou entre o data center da empresa e a nuvem também entra na conta.

Na visão do executivo, a decisão mais eficiente começa pelo problema de negócio e avança para trás até chegar na arquitetura de TI. “Funciona melhor quando o cliente se senta e pergunta: ‘O que estou tentando fazer?’, em vez de começar com ‘O que consigo fazer com esta tecnologia?’”, afirmou. A partir da resposta, a empresa define qual parte da solução precisa estar perto da fábrica, da loja ou do hospital e qual pode ficar em grandes regiões de nuvem.

Entenda o contexto

No Oracle AI World, Czarnecki descreve um cenário em que o avanço da IA não leva à concentração de tudo em um único provedor de nuvem, mas ao contrário: reforça estratégias híbridas e multicloud. Grandes companhias acumulam sistemas legados, contratos em vigor e estruturas próprias que ainda funcionam bem; substituir tudo de uma vez tende a ser mais caro do que adaptar o que já existe.

Empresas menores, por outro lado, muitas vezes não têm escala nem equipe para manter um data center próprio. Para essas, o vice-presidente vê mais sentido em começar diretamente na nuvem ou com serviços gerenciados, ampliando ou reduzindo a capacidade conforme o negócio cresce. O ponto em que passa a fazer sentido estudar uma infraestrutura híbrida chega, segundo ele, cada vez mais cedo, com a queda de preço de equipamentos e ferramentas de gestão.

Híbrida e multicloud ganham força

A combinação mais comum descrita por Czarnecki é treinar modelos de IA na nuvem pública e rodar a inferência — o uso diário, que gera respostas e decisões — em ambientes próximos da operação, ligados por redes privadas e conexões dedicadas. O desenho reduz latência onde ela mais importa, sem obrigar a empresa a construir toda a capacidade de processamento em casa.

Esse movimento tem impulsionado ofertas híbridas e multicloud da própria Oracle, que leva seus serviços de banco de dados para estruturas de outros grandes provedores e também oferece sua nuvem instalada dentro das dependências de clientes e parceiros. Na parceria com o Google, o Oracle AI Database@Google Cloud coloca a infraestrutura de banco de dados da Oracle em centros de dados do Google, aproximando dados corporativos de ferramentas como a plataforma de IA do parceiro.

Segundo o executivo, essa proximidade reduz o tempo de resposta e o volume de tráfego entre nuvens, além de permitir que empresas mantenham aplicações em um provedor e bancos de dados em outro. A arquitetura diminui a dependência de um único fornecedor e preserva investimentos feitos em sistemas legados, ao mesmo tempo em que abre espaço para novos projetos de IA.

Impacto em custos, segurança e operação

A conta final vai além do preço dos chips. Entram no cálculo preparação e armazenamento de dados, redes, segurança e operação contínua em larga escala. Projetos que funcionam bem em piloto podem se tornar caros quando passam a lidar com grandes volumes de informação, milhares de usuários e exigência de funcionamento ininterrupto.

A segurança também pesa. Sistemas de IA lidam com dados estratégicos e geram análises sensíveis, que precisam ser protegidas em todas as etapas — da infraestrutura física à rede, passando por credenciais de acesso e pela comunicação entre ambientes diferentes. Na avaliação de Czarnecki, esse desenho mais cuidadoso de arquitetura ganhou urgência à medida que projetos de IA deixaram de ser experimentos de laboratório e passaram a mostrar resultados mensuráveis.

Ao mesmo tempo, o acesso a esses dados está ficando mais simples, com interfaces em linguagem natural e chatbots se consolidando como modo de interação com sistemas internos. Para o executivo, isso não elimina a necessidade de formular boas perguntas nem o cuidado com a qualidade das informações usadas. “É preciso construir a solicitação de maneira inteligente”, disse. “Se os dados que entram são ruins, a resposta também será.”