O Plano Brasileiro de Inteligência Artificial prevê cerca de R$ 23 bilhões entre 2024 e 2028, distribuídos por infraestrutura, formação, serviços públicos, inovação empresarial e governança. O orçamento não se limita à construção de um chatbot, indicando uma estratégia mais ampla de adoção tecnológica.
Infraestrutura e dados em português limitam um modelo nacional
Telma Woerle, diretora executiva do Centro de Excelência em Inteligência Artificial (CEIA) da Universidade Federal de Goiás (UFG), afirma que competir com os maiores modelos de linguagem esbarra em infraestrutura e na escassez de dados públicos em português. Segundo ela, os conjuntos de dados disponíveis hoje não são suficientes para treinar, exclusivamente nesse idioma, um sistema da escala dos concorrentes internacionais.
“Existem outros tipos de IAs brasileiras que a gente poderia desenvolver”, disse, ao citar saúde, questões ambientais e biodiversidade.
A pesquisadora sugere que a combinação com outras línguas seria necessária para um treinamento totalmente em português, mas isso não impede o desenvolvimento de soluções nacionais focadas em problemas locais.
Custo de treinamento sobe, enquanto execução fica mais barata
Um estudo de 2024 realizado por pesquisadores da Epoch AI e de Stanford estimou que o custo de computação para treinamentos de fronteira cresceu cerca de 2,4 vezes por ano desde 2016. Mantida essa tendência, as maiores rodadas de treinamento poderiam superar US$ 1 bilhão em 2027.
Em contraste, o AI Index 2025, de Stanford, mostrou que o custo de inferência — executar um modelo já treinado — de sistemas com desempenho equivalente ao GPT-3.5 caiu mais de 280 vezes entre novembro de 2022 e outubro de 2024.
Oportunidade para empresas adotarem IA sem construir infraestrutura
Paulo Ernani, diretor de operações da consultoria AVEX AI Lab, identifica nessa diferença uma chance para o Brasil. Ele argumenta que as empresas podem automatizar atendimento, processos comerciais ou operações sem a necessidade de fabricar chips, treinar modelos próprios ou construir data centers.
“O Brasil não precisa que a tese de infraestrutura dê certo para capturar valor”, afirmou.
A competição entre fornecedores pode beneficiar as empresas compradoras, embora uma correção do setor também exponha o país a riscos financeiros e cambiais. Para Ernani, o maior risco é a falta de adoção da tecnologia.
Argumento para desenvolvimento local em áreas específicas
Telma ressalta que soluções criadas no exterior refletem os problemas e condições dos mercados onde foram desenvolvidas. Criar IA no Brasil permite trabalhar com necessidades e dados locais, além de aproveitar a diversidade do país para desenvolver produtos que possam encontrar clientes no exterior.
“Você faz a sua inteligência própria, você resolve um problema regional, um problema do país”, afirmou.
Sua proposta é concentrar esforços em áreas como saúde e meio ambiente, onde o Brasil possui desafios específicos e conhecimento para enfrentá-los. Isso exige capacidade de pesquisa e infraestrutura, mas estabelece um objetivo diferente de superar um modelo geral em todas as tarefas.
Perguntas frequentes
- O Brasil precisa criar um ChatGPT próprio?
Os especialistas distinguem a adoção de ferramentas existentes do desenvolvimento nacional. Paulo Ernani vê ganhos para empresas que usam IA, enquanto Telma Woerle defende soluções brasileiras para necessidades específicas, como saúde e meio ambiente.
- Quais são os obstáculos para um modelo brasileiro?
Telma Woerle aponta limitações de infraestrutura computacional e de dados públicos em português para treinar um modelo exclusivamente nesse idioma na escala dos grandes concorrentes internacionais.
- A inteligência artificial está ficando mais cara ou mais barata?
Depende do objetivo. Um estudo da Epoch AI identificou aumento no custo de treinar modelos de fronteira. Já Stanford registrou queda superior a 280 vezes no custo de executar sistemas com desempenho equivalente ao GPT-3.5 entre novembro de 2022 e outubro de 2024.
