Blog da ESR

A internet 6G tem causado certo burburinho entre os gigantes da tecnologia e entre os governos globais, que precisam traçar estratégias para receber um novo conceito de conectividade em redes móveis. Apresentada como a evolução do já conhecido 5G, a rede móvel de 6ª geração promete uma revolução, principalmente no quesito velocidade. De acordo com as estimativas mais promissoras, o 6G será marcado por uma velocidade de até 1 terabit por segundo, o que irá impactar diretamente setores de automação industrial, internet das coisas (IoT), saúde e inteligência artificial. Trata-se de uma tecnologia que se propõe a promover interações em tempo real mais aprimoradas, além de entregar dados com latência ultrabaixa e integração eficiente com a inteligência artificial. Em um cenário no qual o 5G ainda se expande em uma escala global, a evolução do 6G é um projeto em desenvolvimento, com previsão de implantação comercial apenas na próxima década. Grandes players do mercado, como China, Estados Unidos, Japão e Coreia do Sul, já realizam pesquisas, testes e investimentos robustos para garantir a liderança tecnológica nessa nova etapa. Para se ter uma ideia desse cenário incipiente de desenvolvimento, apenas em dezembro de 2024, dois anos após a chegada da 5G ao Brasil, é que a Anatel afirmou ser possível ver a ferramenta em todo o país, na modalidade standalone e na faixa de 3,5 GHz. Ainda assim, a implementação se deu com ressalvas: “A instalação antecipada de estações de quinta geração nessas cidades depende do planejamento individual de cada prestadora. A partir de 2 de dezembro, com a liberação da faixa nos últimos 190 municípios, todos os 5.570 municípios poderão ter a oportunidade de acesso a essa tecnologia”, explicou a Anatel. Ou seja, a internet 6G se apresenta, sobretudo, no campo da pesquisa e em testes iniciais, mas promete transformar, de maneira ainda mais radical, a forma como pessoas, máquinas e sistemas interagem, impulsionando novas oportunidades para negócios e para a sociedade. Neste artigo, vamos detalhar 5 aspectos da internet 6G que você precisa conhecer. Qual a diferença entre internet 5G e internet 6G? A principal diferença entre a internet 5G e a internet 6G está no salto de desempenho e nas possibilidades tecnológicas que a nova geração pretende oferecer. Enquanto o 5G já trouxe grandes avanços em velocidade, capacidade de dispositivos conectados e baixa latência, o 6G vai além, mirando experiências ainda mais imersivas e conectividade praticamente instantânea. Confira alguns pontos de destaque: Em resumo, o 6G não apenas amplia a capacidade do 5G ou da internet residencial padrão, como propõe um novo paradigma de conectividade para suportar tecnologias futuristas e demandas cada vez mais complexas. Entenda isso de uma forma visual abaixo: Internet 5G Internet 6G (estima-se) Internet comum/residencial (cabo/fibra) Velocidade média (BR) 300 a 600 Mbps (pico até 1–2 Gbps) 1 a 10 Gbps (a meta é que seja 100x a do 5G) 100 Mbps a 1 Gbps (fibra óptica) Velocidade máxima Até 2 Gbps (mmWave) Teoricamente até 1 Tbps em testes Até 2 Gbps (em planos premium de fibra) Latência 10 a 20 ms(até 1 ms no 5G standalone) <1 ms (a meta é que seja de 0,1 ms em aplicações críticas) 5 a 20 ms (a fibra é mais estável) Estabilidade Variável (depende de sinal e interferência) Espera-se que seja maior que o 5G com base na IA e em redes híbridas Alta (ótima para uso contínuo) Disponibilidade Cidades médias e grandes Prevista em 2030, sobretudo em grandes centros Alta (com boa cobertura urbana e rural) Limite de dados Pode ser usada por meio de franquia (ex.: 100 GB/mês) Ainda incerto; depende da propositura de uma política de dados Normalmente ilimitada (fibra) Custo (Brasil, 2025) R$ 80 a 150/mês (com dados generosos) Ainda desconhecido (provavelmente mais alto) R$ 70 a 120/mês para 300 Mbps ou mais Uso ideal Mobilidade, backup, locais sem cabeamento Realidade virtual, holografia, IoT extremo Streaming, jogos online, trabalho remoto Fonte: https://www.opensignal.com/brazil & https://research.samsung.com/. Medições técnicas (Ookla, Netflix ISP Index), artigos da NIC.br Aprofunde-se por aqui – Blockchain e o futuro dos negócios! 5 fatos sobre a internet 6G para você ficar por dentro Ainda que a internet 6G esteja em fase de estudos e passe por uma corrida tecnológica para que empresas e países dominem o recurso e se estabeleçam na liderança da inovação, já é possível apontar alguns fatos importantes que ajudam a entender o que vem por aí. 1) O Brasil só começará a explorar a internet 6G em 2032 De acordo com o presidente da Agência Nacional de Telecomunicações (Anatel), Carlos Baigorri, o Brasil só deve começar a explorar de forma comercial a internet 6G em 2032. Em entrevista para o Canaltech, Baigorri explicou que a implementação da também chamada de IMT-2030 demanda uma etapa profunda de estudos e concepção, a qual é conduzida pelo setor de telecomunicação. O objetivo desse primeiro momento é contar com a participação de reguladores, pesquisadores e representantes da indústria para definir as faixas de frequência que serão dedicadas à nova geração de conectividade. Para isso, a Anatel disse à CNN que a consulta pública sobre as faixas de 6G ocorrerá em agosto de 2025. Isso significa que é provável que o edital do leilão saia em outubro de 2026. Nesse cenário, antes que a internet 6G ganhe contornos reais no país, está prevista uma fase intermediária, com a adoção do 5.5G, representando uma velocidade 10 vezes maior do que a 5G. Espera-se que esse passo seja uma preparação para a infraestrutura e o desenvolvimento de chips compatíveis para o novo mundo da conectividade. 2) O funcionamento exato da internet 5G ainda não é conhecido As especificações da internet 6G ainda estão em fase de desenvolvimento. Por isso, não é possível afirmar com exatidão como ela funcionará. Entretanto, com base na análise das gerações pregressas, podemos fazer algumas estimativas. É o caso, por exemplo, dos pontos a seguir: 3) Aplicações em potencial para a Internet 6G O cientista brasileiro e autor do livro 6G: The road to future wireless technologies 2030 (6G: A estrada para as tecnologias wireless do futuro de 2030, em tradução livre), Paulo Sergio Rufino Henrique, mencionou que “O diferencial da padronização do 6G é que ele possui objetivos econômicos e de desenvolvimento sustentável que devem melhorar o mundo, especialmente em regiões vulneráveis”.  Nessa perspectiva, a internet 6G representa muito mais do que uma rede de altíssima velocidade: ela pode ser um vetor de inclusão digital e de redução de desigualdades. Entre as aplicações que devem ganhar força estão a telemedicina avançada, sistemas de alerta em tempo real para desastres naturais, gestão de cidades inteligentes e automação agrícola, beneficiando comunidades que hoje ainda enfrentam barreiras de acesso à tecnologia. 4) As vantagens da internet 6G Do que já se visualiza da internet 6G, podemos esperar as seguintes vantagens: 5) A convergência de tecnologias em 6G O que se discute é que 6G não se trata apenas de uma evolução do 5G, mas, sim, uma convergência de tecnologias disruptivas, que integram inteligência artificial, computação quântica, redes ópticas avançadas e sensores inteligentes em uma mesma infraestrutura. Essa combinação tende a permitir experiências inéditas, como comunicação sensorial (em que se transmite, além de dados, sensações táteis, por exemplo) e redes capazes de se adaptar em tempo real ao contexto do usuário. A expectativa é que o 6G se torne a espinha dorsal de um ecossistema hiperconectado e muito mais responsivo às necessidades humanas. Conclusão Mesmo que a internet 6G ainda dê seus primeiros passos no mundo, fica claro que ela poderá transformar a maneira como vivemos, trabalhamos e nos conectamos. Quer acompanhar as últimas novidades sobre tecnologias do futuro? Fique de olho nos conteúdos semanais da ESR e não perca nenhum detalhe do que está por vir. Veja três conteúdos que podem te interessar nesse sentido: Adoção de redes Wi-Fi 6 e 7: o que está por trás dessas tecnologias?Computação Quântica: o que está por trás dessa tecnologia e quais suas tendências?Tecnologias emergentes para TI: arquitetura de malha de segurança cibernética.

O conceito de computação eficiente em energia tem se consolidado como uma das pautas mais urgentes do mercado moderno. Isso porque, em um cenário no qual o avanço tecnológico ocorre em ritmo acelerado, surge também a necessidade de repensar os impactos ambientais gerados pela própria tecnologia e por toda a infraestrutura que a sustenta. Com a popularização da inteligência artificial e seu uso cada vez mais frequente nas aplicações cotidianas (de assistentes virtuais aos modelos generativos), por exemplo, cresce proporcionalmente a demanda por data centers robustos capazes de processar volumes gigantescos de dados.  O problema? Essa infraestrutura não é neutra, pois consome energia em larga escala, exigindo recursos naturais finitos e gerando resíduos complexos, tanto no processo de fabricação quanto na operação. Para se ter uma ideia do desafio a ser superado, na fabricação de um computador de 2kg são necessários 800kg de matérias-primas. É o que nos diz o Programa das Nações Unidas para o Desenvolvimento (PNUD), no recente Relatório de Desenvolvimento Humano (RDH) 2025, cujo tema escolhido para essa edição foi “Uma questão de escolha – pessoas e possibilidades na era da IA”. Além disso, os microchips que alimentam a IA dependem de elementos raros, cujo processo de extração, na maioria das vezes, é destrutivo para o meio ambiente, causando desmatamento e poluição de rios e solos, além de gerar emissões significativas de gases de efeito estufa que contribuem para o aquecimento global. Ainda sobre o tema, o PNUD também alerta para outro problema crescente nesse contexto: os data centers produzem uma quantidade significativa de lixo eletrônico, que, geralmente, contém substâncias perigosas, como mercúrio e chumbo, ambos altamente tóxicos e de difícil descarte. O consumo de água é outro fator crítico para os grandes data centers, tendo em vista que o insumo é utilizado durante sua construção e na fase operacional, sendo essencial para o resfriamento dos componentes eletrônicos. Estima-se, por fim, que, globalmente, a infraestrutura relacionada com a IA poderá consumir, em breve, seis vezes mais água do que a Dinamarca inteira, um país com aproximadamente 6 milhões de habitantes. Ou seja, falar sobre computação eficiente em energia não é apenas uma demanda técnica, trata-se de uma necessidade urgente e de uma responsabilidade que recai sobre os profissionais de TI, empresas, governos e, claro, a sociedade. Ao longo deste artigo, abordamos as especificidades da computação sustentável, explorando os seguintes tópicos: Você também pode gostar – TI Verde: o papel da tecnologia e das organizações diante da urgência da sustentabilidade O que é uma computação eficiente em energia? Em linhas gerais, a computação eficiente em energia refere-se ao desenvolvimento e uso de sistemas computacionais que maximizam a performance por watt consumido, incluindo otimizações de hardware, software, algoritmos e infraestrutura para reduzir o consumo energético total. Ou seja, seu objetivo é maximizar a eficiência energética e minimizar o impacto ambiental da tecnologia por toda a cadeia produtiva de uma empresa, observando desde a preocupação com as matérias-primas utilizadas no desenvolvimento de sistemas e softwares até as etapas de descarte adequado de material eletrônico. Assim, a computação eficiente em energia abrange a criação de estratégias de TI que priorizam a eficiência energética, bem como a fabricação, o uso e o descarte correto de computadores e outros eletrônicos, além da escolha de matérias-primas de menor potencial lesivo. Por trás da história da computação eficiente em energia O conceito de computação eficiente em energia, ou computação verde, ganhou impulso significativo em 1992, quando a Agência de Proteção Ambiental dos Estado Unidos lançou o programa Energy Star. Na ocasião, o programa tinha como objetivo identificar eletrônicos de consumo que conseguiam atender aos padrões de eficiência energética. Uma espécie de proposta de reconhecimento das iniciativas que já haviam aderido, àquela época, à chamada computação ecológica e à função de modo de suspensão em todo o setor de TI. Com base nisso, o Programa Energy Star foi aprimorado, dando origem à Ferramenta de Avaliação Ambiental de Produtos Eletrônicos (Electronic Product Environmental Assessment Tool ou Epeat), responsável por registrar produtos organizados e mantidos de acordo com critérios de desempenho que valorizam a sustentabilidade. Entre eles: Depois desse momento e com o tempo, a computação eficiente em energia ampliou seu escopo e a abrangência dos seus pilares, com o setor de TI dedicando-se não só à produção de inovação e novas tecnologias, com dispositivos cada vez menores e mais rápidos, mas também preocupado em otimizar esses ativos para um modelo sustentável de ponta a ponta. Na prática, a computação eficiente em energia requer um planejamento sustentável de toda a cadeia de serviços de TI capaz de elaborar medidas e estabelecer metas direcionadas para as diversas etapas do setor – desde a fabricação dos produtos até seu descarte. Portanto, podemos dizer que o termo computação sustentável descreve práticas que promovem: Quais são os principais elementos que caracterizam a computação verde? Destacamos os mais relevantes a seguir. Você também pode gostar – Governança em TI e ESG: Como integrar práticas de sustentabilidade em sua estrutura tecnológica A importância da computação eficiente em energia no cenário atual Com a crescente digitalização e o aumento exponencial da demanda por recursos de TI, a computação sustentável emerge como uma solução indispensável para equilibrar inovação tecnológica e sustentabilidade. Ao minimizar os impactos ambientais, as práticas da TI ecológica harmonizam a necessidade do mercado por desempenho e competitividade das empresas e também por uma cadeia de produção mais consciente, transparente e “limpa”. A seguir, destacamos a importância da computação eficiente em diferentes áreas. Qual a relevância da computação eficiente em energia? 1) Importância para os data centers Conforme abordado anteriormente, a transformação digital e o aumento do volume de dados armazenados tornam os data centers elementos cruciais na operação das empresas. Entretanto, eles também são grandes consumidores de energia e fontes de emissão de carbono, sendo responsáveis por uma parcela significativa das emissões de gases globais. Nesse cenário, a computação eficiente em energia oferece soluções, como o uso de energias renováveis e virtualização e sistemas de refrigeração eficientes, para driblar esses problemas e reduzir os custos operacionais dos negócios. 2) Importância para a logística A fabricação e o transporte de equipamentos de TI geram emissões significativas de gases de efeito estufa. Nesse sentido, a computação verde promove práticas como: Essas medidas, combinadas com as outras citadas aqui, tornam a cadeia de suprimentos de TI mais sustentável e eficiente. 3) Importância para a infraestrutura geral De escritórios a fábricas, a computação verde auxilia na construção de infraestruturas inteligentes, integrando sistemas de gestão de energia, sensores IoT e práticas de manutenção preditiva para entregar as seguintes vantagens: 4) Importância para a experiência do usuário Os usuários estão cada vez mais atentos à responsabilidade ambiental das empresas com as quais interagem. Inclusive, de acordo com uma pesquisa da Sherlock Communications, entre consumidores brasileiros e latino-americanos, as ações de Responsabilidade Social Corporativa (RSC) são extremamente influentes na tomada de decisões. Segundo o levantamento, 90% dos brasileiros afirmam que a responsabilidade social corporativa influencia a opinião que têm sobre as empresas. Por isso, a adoção da computação verde é também um investimento direto no branding e na manutenção do negócio no mercado. Além disso, produtos e serviços alinhados à computação verde: Tais compromissos não apenas atraem mais clientes, mas também fortalecem a fidelização de quem já utiliza os serviços. 5) Importância para a área legal Optar por práticas de computação eficiente em energia auxilia empresas a se adequarem às regulamentações ambientais, que estão se tornando mais rigorosas em diversos países. Desse modo, podemos dizer que, em relação a compliance e governança legal, o conceito de computação ecológica viabiliza que as empresas estejam à frente nestes campos: No atual cenário, estar em conformidade com as normas é crucial para operar de forma legítima e competitiva no mercado global. 6) Importância a longo prazo Como dissemos, a computação eficiente em energia cria um impacto positivo duradouro ao: Ao investir em sustentabilidade, as organizações garantem sua relevância no presente, construindo um legado inovador e responsável para o futuro. Afinal, como a computação ecológica pode otimizar a eficiência energética das empresas? Respondemos a isso em cinco passos: Ou seja, com a computação verde, o setor de TI se compromete a ser um importante aliado em prol da sustentabilidade global, provando que tecnologia e consciência ambiental podem (e devem) caminhar lado a lado. _______________________________________ Encontre a sua especialização em uma área de tendência dentro da TI. Conheça os cursos da ESR!

A automação tem tomado outros contornos com o desenvolvimento do conceito de IA Agente ou agentes de IA. Se antes o foco da tecnologia de automatização era desburocratizar tarefas repetitivas pontuais nas empresas, agora a tendência é que os sistemas autônomos de computador sejam capazes de executar atividades complexas e tomar decisões de forma muito aproximada da aptidão humana. Nesse contexto, os agentes de Inteligência Artificial (AI Agents) são definidos como entidades autônomas que conseguem perceber o ambiente físico ou digital no qual estão inseridos para se adaptar, aprender, realizar ações focadas em objetivos específicos e tomar decisões. Ou seja, na prática, trata-se de sistemas de softwares projetados para realizar tarefas de forma autônoma – isso significa dizer com a mínima ou nenhuma intervenção humana.  Por meio da coleta de dados e da interação com o ambiente, esses sistemas buscam atingir metas predeterminadas, utilizando ferramentas externas e interagindo com funcionalidades que estão além de seu padrão nativo, de modo ordenado e fluido, incluindo comunicação com outros agentes em diferentes plataformas.  Cada um do IA Agente ou agentes de IA é enquadrado em um nível de acordo com a complexidade do sistema usado e do objetivo final desse uso. Quanto mais complexa uma tarefa, mais inteligente o agente deve ser. De acordo com o MIT Technology Review, a IA agentiva é um dos principais focos do Vale do Silício, e empresas grandes, como Google DeepMind, OpenAI e Anthropic, têm traçado uma corrida para aprimorar seus modelos de linguagem ampla. Saiba mais sobre esse universo no conteúdo a seguir. Boa leitura! Machine learning e inteligência artificial na área de TI: o que esperar do futuro? Características do IA Agente ou agentes de IA Se o foco do mundo digital em 2025 estava voltado para os grandes modelos de linguagem (LLMs), agora, encontra-se no crescimento dos agentes de Inteligência Artificial (IA), que podem revolucionar os mercados e as engrenagens do trabalho. Diferentemente dos sistemas passivos, os agentes de IA possuem autonomia para escolher qual caminho seguir sem a intervenção humana. Assim, eles se distanciam de assistentes de IA tradicionais, uma vez que, ao atribuir uma tarefa de alto nível a um agente, ele descobre como concluí-la sozinho. No primeiro caso, dos assistentes tradicionais, é necessário sempre um prompt para a geração de uma resposta. Por meio dessas tecnologias, você não apenas conversa com as ferramentas ou as direciona para executar uma atividade isolada. É possível solicitar que elas realizem uma tarefa completa do início ao fim, desde o planejamento até a execução, com tomada de decisão no processo. Nesse cenário, as projeções indicam que, nos próximos meses, os IA Agentes devem evoluir em diferentes frentes: No Brasil, a preocupação do último tópico já começa a se transformar em ação concreta. O Projeto de Lei nº 2338/2023, em tramitação no Senado, propõe um marco legal para a inteligência artificial no país. A proposta visa estabelecer diretrizes para o desenvolvimento e o uso responsável da IA, incluindo os sistemas autônomos, como os IA Agentes, garantindo transparência, segurança e proteção aos usuários. Por que uma empresa deve se preocupar com privacidade e ética no uso de dados e qual o papel do profissional de TI nesse cenário? Como os IA Agente são desenvolvidos na prática? Por trás da ascensão dos IA Agentes, existe uma camada técnica que explica como esses sistemas são construídos e como vêm se tornando cada vez mais acessíveis, mesmo para quem não é programador avançado. Inicialmente, a criação de um agente de inteligência artificial exigia conhecimentos sólidos de programação, especialmente de Python. Isso porque, para se comunicar diretamente com modelos de linguagem, como o Llama 3, um padrão de código aberto, era necessário desenvolver códigos específicos, sem nenhuma camada de abstração. Essa etapa, naturalmente, ficava restrita a desenvolvedores experientes. Para reduzir essa complexidade, surgiu o LangChain, um framework que se tornou rapidamente popular. Ele permite que desenvolvedores construam aplicações de IA de forma mais simples, fornecendo estruturas prontas para criar cadeias de tarefas, chamadas externas, integração de ferramentas e definição de funções. Foi por meio dessa evolução que se tornou viável programar agentes capazes de executar sequências inteiras de atividades. Nesse cenário, um dos projetos que ganharam destaque foi o BabyAGI, justamente por demonstrar, de forma prática, que um agente pode receber uma tarefa, buscar as informações necessárias e, se for preciso, delegar subtarefas a outros agentes, tudo de forma autônoma, até apresentar a resposta final ao usuário. Com a popularização desse conceito, começaram a surgir frameworks ainda mais especializados e voltados para a construção de agentes, o que reduziu gradualmente a barreira técnica. Foi assim que nasceu, por exemplo, o CrewAI, que se baseia no LangChain, mas é focado especificamente na criação de agentes colaborativos. Apesar de simplificar parte do processo, o CrewAI ainda exige conhecimentos de Python. A tendência, no entanto, é diminuir cada vez mais essa dependência da programação. Por isso, começaram a surgir plataformas de low-code (baixo código), que demandam apenas noções básicas de desenvolvimento, e soluções no-code, por meio das quais é possível criar e gerenciar agentes de IA sem escrever nenhuma linha de código. Essas ferramentas ampliam o acesso à tecnologia e aceleram a adoção dos IA Agentes nos mais diversos setores. Exemplos de IA Agente À medida que a tecnologia avança, surgem soluções cada vez mais sofisticadas que exemplificam, na prática, como o IA Agente opera no mundo real. Veja alguns dos principais exemplos disponíveis em 2025: 5 dicas para entender o que é lógica de programação e aplicá-la Diferença entre chatbots ou assistentes passivos de IA e IA Agente Embora muitas vezes sejam confundidos, o IA Agente é uma tecnologia bem mais avançada do que os chatbots tradicionais ou assistentes passivos de IA. Um chatbot, ou assistente passivo, como os modelos anteriores do ChatGPT, da Alexa ou do Google Assistente, funciona de forma reativa. Ele depende diretamente de comandos ou perguntas do usuário para gerar uma resposta. Cada ação é isolada e não possui memória processual, ou seja, não entende o contexto além da conversa atual, nem executa tarefas de múltiplos passos de forma autônoma. Além disso, assistentes passivos não têm a capacidade de tomar decisões ou criar planos de ação. Eles operam dentro de uma estrutura limitada, em que respondem com base em comandos simples, sem buscar informações adicionais, interagir com sistemas externos e executar tarefas de maneira contínua. Já um IA Agente é projetado para trabalhar de forma ativa e autônoma. Isso significa que, ao receber um objetivo, ele consegue definir um plano de ação, quebrar esse plano em etapas, executar cada uma delas, buscar dados externos, acessar diferentes ferramentas e até colaborar com outros agentes, se necessário. Tudo isso sem que o usuário precise intervir a cada passo. Em vez de simplesmente responder, o agente executa. Ele entende o contexto, toma decisões, faz ajustes conforme os resultados e entrega soluções mais completas e precisas. Chatbots/Assistentes passivos: IA Agentes: Conclusão Os IA Agente representam um avanço significativo na evolução da inteligência artificial. Eles saem da lógica reativa dos assistentes tradicionais e entram em uma nova era de sistemas capazes de operar como verdadeiros colaboradores digitais. Essa transformação tem impacto direto no mercado de tecnologia, na produtividade das empresas e até na forma como as pessoas interagem com máquinas no dia a dia. Ao combinar autonomia, capacidade de tomada de decisão e integração com diferentes ferramentas, os AI Agents deixam de ser uma tendência para se tornarem realidade operacional em 2025. Dominar esse conceito, entender seu funcionamento e acompanhar suas aplicações no mundo real é um diferencial competitivo para qualquer profissional que deseja se destacar no ecossistema de tecnologia e inovação. Aprimore seus conhecimentos e especializações em TI com os cursos da ESR, a escola referência em ensino e aprendizado em tecnologia. 

A automação tem tomado outros contornos com o desenvolvimento do conceito de IA Agente ou agentes de IA. Se antes o foco da tecnologia de automatização era desburocratizar tarefas repetitivas pontuais nas empresas, agora a tendência é que os sistemas autônomos de computador sejam capazes de executar atividades complexas e tomar decisões de forma muito aproximada da aptidão humana. Nesse contexto, os agentes de Inteligência Artificial (AI Agents) são definidos como entidades autônomas que conseguem perceber o ambiente físico ou digital no qual estão inseridos para se adaptar, aprender, realizar ações focadas em objetivos específicos e tomar decisões. Ou seja, na prática, trata-se de sistemas de softwares projetados para realizar tarefas de forma autônoma – isso significa dizer com a mínima ou nenhuma intervenção humana.  Por meio da coleta de dados e da interação com o ambiente, esses sistemas buscam atingir metas predeterminadas, utilizando ferramentas externas e interagindo com funcionalidades que estão além de seu padrão nativo, de modo ordenado e fluido, incluindo comunicação com outros agentes em diferentes plataformas.  Cada um do IA Agente ou agentes de IA é enquadrado em um nível de acordo com a complexidade do sistema usado e do objetivo final desse uso. Quanto mais complexa uma tarefa, mais inteligente o agente deve ser. De acordo com o MIT Technology Review, a IA agentiva é um dos principais focos do Vale do Silício, e empresas grandes, como Google DeepMind, OpenAI e Anthropic, têm traçado uma corrida para aprimorar seus modelos de linguagem ampla. Saiba mais sobre esse universo no conteúdo a seguir. Boa leitura! Machine learning e inteligência artificial na área de TI: o que esperar do futuro? Características do IA Agente ou agentes de IA Se o foco do mundo digital em 2025 estava voltado para os grandes modelos de linguagem (LLMs), agora, encontra-se no crescimento dos agentes de Inteligência Artificial (IA), que podem revolucionar os mercados e as engrenagens do trabalho. Diferentemente dos sistemas passivos, os agentes de IA possuem autonomia para escolher qual caminho seguir sem a intervenção humana. Assim, eles se distanciam de assistentes de IA tradicionais, uma vez que, ao atribuir uma tarefa de alto nível a um agente, ele descobre como concluí-la sozinho. No primeiro caso, dos assistentes tradicionais, é necessário sempre um prompt para a geração de uma resposta. Por meio dessas tecnologias, você não apenas conversa com as ferramentas ou as direciona para executar uma atividade isolada. É possível solicitar que elas realizem uma tarefa completa do início ao fim, desde o planejamento até a execução, com tomada de decisão no processo. Nesse cenário, as projeções indicam que, nos próximos meses, os IA Agentes devem evoluir em diferentes frentes: No Brasil, a preocupação do último tópico já começa a se transformar em ação concreta. O Projeto de Lei nº 2338/2023, em tramitação no Senado, propõe um marco legal para a inteligência artificial no país. A proposta visa estabelecer diretrizes para o desenvolvimento e o uso responsável da IA, incluindo os sistemas autônomos, como os IA Agentes, garantindo transparência, segurança e proteção aos usuários. Por que uma empresa deve se preocupar com privacidade e ética no uso de dados e qual o papel do profissional de TI nesse cenário? Como os IA Agente são desenvolvidos na prática? Por trás da ascensão dos IA Agentes, existe uma camada técnica que explica como esses sistemas são construídos e como vêm se tornando cada vez mais acessíveis, mesmo para quem não é programador avançado. Inicialmente, a criação de um agente de inteligência artificial exigia conhecimentos sólidos de programação, especialmente de Python. Isso porque, para se comunicar diretamente com modelos de linguagem, como o Llama 3, um padrão de código aberto, era necessário desenvolver códigos específicos, sem nenhuma camada de abstração. Essa etapa, naturalmente, ficava restrita a desenvolvedores experientes. Para reduzir essa complexidade, surgiu o LangChain, um framework que se tornou rapidamente popular. Ele permite que desenvolvedores construam aplicações de IA de forma mais simples, fornecendo estruturas prontas para criar cadeias de tarefas, chamadas externas, integração de ferramentas e definição de funções. Foi por meio dessa evolução que se tornou viável programar agentes capazes de executar sequências inteiras de atividades. Nesse cenário, um dos projetos que ganharam destaque foi o BabyAGI, justamente por demonstrar, de forma prática, que um agente pode receber uma tarefa, buscar as informações necessárias e, se for preciso, delegar subtarefas a outros agentes, tudo de forma autônoma, até apresentar a resposta final ao usuário. Com a popularização desse conceito, começaram a surgir frameworks ainda mais especializados e voltados para a construção de agentes, o que reduziu gradualmente a barreira técnica. Foi assim que nasceu, por exemplo, o CrewAI, que se baseia no LangChain, mas é focado especificamente na criação de agentes colaborativos. Apesar de simplificar parte do processo, o CrewAI ainda exige conhecimentos de Python. A tendência, no entanto, é diminuir cada vez mais essa dependência da programação. Por isso, começaram a surgir plataformas de low-code (baixo código), que demandam apenas noções básicas de desenvolvimento, e soluções no-code, por meio das quais é possível criar e gerenciar agentes de IA sem escrever nenhuma linha de código. Essas ferramentas ampliam o acesso à tecnologia e aceleram a adoção dos IA Agentes nos mais diversos setores. Exemplos de IA Agente À medida que a tecnologia avança, surgem soluções cada vez mais sofisticadas que exemplificam, na prática, como o IA Agente opera no mundo real. Veja alguns dos principais exemplos disponíveis em 2025: 5 dicas para entender o que é lógica de programação e aplicá-la Diferença entre chatbots ou assistentes passivos de IA e IA Agente Embora muitas vezes sejam confundidos, o IA Agente é uma tecnologia bem mais avançada do que os chatbots tradicionais ou assistentes passivos de IA. Um chatbot, ou assistente passivo, como os modelos anteriores do ChatGPT, da Alexa ou do Google Assistente, funciona de forma reativa. Ele depende diretamente de comandos ou perguntas do usuário para gerar uma resposta. Cada ação é isolada e não possui memória processual, ou seja, não entende o contexto além da conversa atual, nem executa tarefas de múltiplos passos de forma autônoma. Além disso, assistentes passivos não têm a capacidade de tomar decisões ou criar planos de ação. Eles operam dentro de uma estrutura limitada, em que respondem com base em comandos simples, sem buscar informações adicionais, interagir com sistemas externos e executar tarefas de maneira contínua. Já um IA Agente é projetado para trabalhar de forma ativa e autônoma. Isso significa que, ao receber um objetivo, ele consegue definir um plano de ação, quebrar esse plano em etapas, executar cada uma delas, buscar dados externos, acessar diferentes ferramentas e até colaborar com outros agentes, se necessário. Tudo isso sem que o usuário precise intervir a cada passo. Em vez de simplesmente responder, o agente executa. Ele entende o contexto, toma decisões, faz ajustes conforme os resultados e entrega soluções mais completas e precisas. Chatbots/Assistentes passivos: IA Agentes: Conclusão Os IA Agente representam um avanço significativo na evolução da inteligência artificial. Eles saem da lógica reativa dos assistentes tradicionais e entram em uma nova era de sistemas capazes de operar como verdadeiros colaboradores digitais. Essa transformação tem impacto direto no mercado de tecnologia, na produtividade das empresas e até na forma como as pessoas interagem com máquinas no dia a dia. Ao combinar autonomia, capacidade de tomada de decisão e integração com diferentes ferramentas, os AI Agents deixam de ser uma tendência para se tornarem realidade operacional em 2025. Dominar esse conceito, entender seu funcionamento e acompanhar suas aplicações no mundo real é um diferencial competitivo para qualquer profissional que deseja se destacar no ecossistema de tecnologia e inovação. Aprimore seus conhecimentos e especializações em TI com os cursos da ESR, a escola referência em ensino e aprendizado em tecnologia. 

Assim como a internet 5G, a inteligência artificial em TI, que tem como uma de suas principais bases o machine learning, representa um avanço digital significativo na forma como a sociedade moderna se estrutura.  Embora não seja necessariamente recente (visto que a IA foi mencionada pela primeira vez ainda na década de 1950), foi depois da pandemia de Covid-19 e o consequente isolamento social que a tecnologia ganhou importância e alcance sem precedentes. A partir desse momento, o mundo “on-line” e o “offline” se integraram de forma mais fluida, e atividades que antes eram complexas se transformaram em meros casos de rotina.   Depois de um período de expansão inédito em 2023, estima-se que a IA cause um impacto econômico global de US$ 4,4 trilhões até 2040.  O sucesso das tecnologias guiadas pela IA cria grandes expectativas, assim como acende alertas sobre quais caminhos o mercado tomará a partir de agora.  Neste conteúdo, vamos abordar como a relação entre inteligência artificial e machine learning pode influenciar as áreas de TI e o que se espera do futuro dessa inovação. Boa leitura!  Leia também – Estratégia de inovação: por que a ousadia é importante no ambiente corporativo? O que é inteligência artificial?  Antes de entendermos a relação entre machine learning e inteligência artificial em TI, é importante compreendermos os conceitos dessas tecnologias.  A inteligência artificial, IA ou AI (do inglês artificial intelligence) refere-se a um conjunto de ferramentas digitais que permite que sistemas eletrônicos simulem a “inteligência e o comportamento humanos”, por meio da análise e do processamento de dados e de seus padrões.  De forma resumida, falar em inteligência artificial é também pensar na capacidade, cada vez mais avançada, de máquinas e dispositivos gerarem interações de tipos diversos, para os mais diferentes fins, com base em dados armazenados e em seus emissores.  Assim, o objetivo da IA é atuar para além da observação simples de dados e da programação de ordens específicas. Ou seja, a IA deve ser capaz de perceber o ambiente no qual está inserida para gerar resultados significativos, de forma independente e totalmente conectada com esse universo enorme de bancos de dados. Para isso, são usados machine learning, deep learning, processamento de linguagem natural e ciência de dados, entre outros avanços tecnológicos. A inteligência artificial se caracteriza, portanto, pela possibilidade de as máquinas adquirirem a habilidade de reproduzir competências humanas, como raciocínio, planejamento, criatividade, aprendizagem e até mesmo interações. Segundo o Google Trends, o termo tem se popularizado nos últimos cinco anos, refletindo a integração da tecnologia ao dia a dia da sociedade.  Apesar desse recente boom de informações e do uso da inovação, o conceito de inteligência artificial foi criado há mais tempo, mesmo que em outros contextos e condições. Era 1956 quando o professor de matemática do Dartmouth College John McCarthy usou a nomenclatura pela primeira vez. Leia também – Reflexos da IA na cibersegurança: você conhece o potencial dessa relação?  O que é machine learning?  Se a inteligência artificial funciona como um grande cérebro digital, o machine learning (ML) é uma de suas principais engrenagens.  Ao falarmos de IA aplicada à Tecnologia da Informação, é impossível não destacar o papel do ML como o mecanismo que permite que os sistemas se tornem cada vez mais autônomos e precisos, com base na própria experiência com os dados. Em tradução livre do inglês, o termo carrega o significado de “aprendizado de máquina”, que pode ser entendido como um método de análise de dados que automatiza a construção de modelos analíticos. Com base nessa explicação, compreende-se que o conceito está diretamente ligado a um ramo da inteligência artificial fundamentado na ideia de que sistemas podem aprender com dados, identificar padrões e tomar decisões com o mínimo de intervenção humana – como as plataformas digitais, os sistemas de Internet das Coisas (IoT) e outras inovações já conseguem fazer.  De modo geral, pode-se dizer que machine learning é uma subárea da IA, por meio da qual os computadores têm a capacidade de aprender de acordo com as respostas esperadas, com base em associações de diferentes dados, os quais podem ser imagens, números e tudo que essa tecnologia possa decodificar. Pense em um conjunto: o ML está contido na IA. Se falarmos em IA generativa, por exemplo, podemos imaginar o seguinte cenário: Definindo IA generativa Para entender a inteligência artificial generativa (GenAI), primeiro precisamos entender como a tecnologia se baseia em cada uma das subcategorias de IA listadas abaixo:  Inteligência artificialA teoria e os métodos para construir máquinas que pensam e agem como humanos  ↓  Aprendizado de máquina (machine learning)A capacidade dos computadores de aprender com a experiência ou dados sem programação humana  ↓  Aprendizado profundo (deep learning)Imita o cérebro humano, pois usa redes neurais artificiais como transformadores para permitir que os computadores executem tarefas complexas  ↓  IA generativaGera novos textos, áudios, imagens, vídeos ou códigos com base em conteúdo pré-treinado  Fonte: aiforeducation.io Existe diferença entre ML e inteligência artificial em TI? Por estarem diretamente conectadas, machine learning e inteligência artificial em TI não são conceitos independentes. Trata-se de uma relação complementar, de modo que o ML é um dos principais componentes da IAl. Por isso, é importante compreender como se relacionam, assegurando uma visão integral desses termos.  Enquanto a IA é um conceito mais amplo, que engloba qualquer sistema capaz de simular capacidades humanas, como percepção, tomada de decisão, adaptação e resolução de problemas, o ML refere-se a uma aplicação de IA ou a uma subárea dentro desse universo, que permite às máquinas extrair conhecimento dos dados e aprender com eles de maneira autônoma.  Podemos visualizar a relação entre essas duas tecnologias com base em uma dinâmica análoga ao estudo dos conjuntos: o ML está contido na IA.  Ou seja, a Inteligência Artificial (IA) é um campo abrangente, que engloba diversas abordagens e algoritmos, como aprendizado profundo (deep learning) – uma subárea do ML –, robótica, sistemas especialistas e Processamento de Linguagem Natural (PLN).  Já o Machine Learning (ML) é uma subárea mais específica da IA, considerada uma peça central dentro desse ecossistema, que foca no desenvolvimento da capacidade das máquinas de aprender com base em dados. Como uma subárea da IA, o ML permite que as máquinas aprendam com dados, identifiquem padrões e façam previsões ou tomem decisões de forma autônoma, sem serem programadas explicitamente para cada tarefa. Assim, a inteligência artificial abrange a ideia de uma máquina que pode imitar a inteligência humana. Por sua vez, o ML tem como objetivo ensinar uma máquina a realizar uma tarefa específica e fornecer resultados precisos, identificando padrões.  O contexto do machine learning e da inteligência artificial atualmente em TI No mercado, esses são avanços tecnológicos que figuram como verdadeiras promessas para a otimização de processos e a rentabilidade dos negócios. A exemplo disso, de acordo com um relatório da consultoria FrontierView, encomendado pela Microsoft, a Inteligência Artificial (IA) pode contribuir com o crescimento de 4,2% do PIB do Brasil até 2030. Diante desse resultado e tendo como pano de fundo o lançamento do ChatGPT pela OpenIA, o ano de 2023 foi marcado por uma corrida intensa das gigantes de tecnologia em busca da incorporação da IA a seus produtos: Todas essas organizações se mantiveram proativas na esteira da adaptação a um novo contexto, no qual até os próprios usuários finais passaram a utilizar as ferramentas do ML e da IA no cotidiano.  Embora o ano de 2023 tenha sido marcado por esse escopo positivo, também foi o período que registrou algumas discussões importantes sobre o tema, como os protestos dos profissionais criativos contra a ferramenta e sua possível interferência nas vagas de trabalho e também a ausência de regulamentação para as novas tecnologias.  Já em 2024, a inteligência artificial consolidou-se ainda mais no cotidiano, impulsionada por avanços significativos em diversas áreas. Destacaram-se os Modelos de Linguagem Compactos (SLMs), que possibilitaram a execução de IA em dispositivos móveis sem a necessidade de conexão com a internet, ampliando o acesso a tecnologias avançadas em regiões com recursos limitados. Nesse cenário de maturidade e ampliação da IA, também surgiram novos protagonistas na corrida tecnológica. Um dos principais nomes a chamar atenção foi a startup chinesa DeepSeek, que ganhou relevância ao lançar modelos de linguagem abertos e altamente eficientes, como o DeepSeek-Coder-V2. A empresa rapidamente se posicionou como uma concorrente direta das gigantes ocidentais ao entregar desempenho comparável ao do GPT-4 em tarefas de codificação com custos significativamente menores. Com isso, tornou-se símbolo de uma nova fase da concorrência em IA, marcada pela descentralização e pela valorização de soluções mais acessíveis e sustentáveis. Além disso, a União Europeia aprovou, em 2024, uma legislação abrangente sobre IA, em que estabeleceu padrões de transparência, segurança e responsabilidade no uso da tecnologia, influenciando diretamente o desenvolvimento e a aplicação da IA em escala global. Trata-se do primeiro arcabouço legal sobre IA, sendo um marco regulatório para o uso ético e seguro do recurso no bloco. Por fim, para 2025, as expectativas giram em torno da integração da IA a outras tecnologias emergentes, como a computação quântica e a Internet das Coisas (IoT). Essa convergência promete transformar setores como saúde, agricultura e manufatura, viabilizando diagnósticos médicos mais precisos, automação inteligente e cidades mais conectadas. Outro ponto de destaque é a crescente preocupação com o impacto ambiental da IA. Em 2025, espera-se que as empresas priorizem soluções energeticamente eficientes, adotando modelos menores e mais sustentáveis em resposta às demandas por responsabilidade ambiental e redução da pegada de carbono. Como o machine learning e a inteligência artificial em TI podem impactar o setor de TI? Veja 4 exemplos. O setor de TI não só respira as inovações e as transformações digitais como é responsável por criá-las. Portanto, não é difícil entender que a IA e o ML já fazem parte da rotina de trabalho de equipes dessa área há bastante tempo e tendem a se tornar cada vez mais abrangentes.  A computação cognitiva – aquela que desenvolve mecanismos de previsão comportamental e fornece respostas rápidas para questões complexas que exigem um aprendizado contínuo – é um exemplo desse contexto. No entanto, existem outros domínios nos quais a IA e o ML podem prosperar ou impactar a área de TI. Veja, a seguir, quatro competências nesse sentido.  1) Implicações na cibersegurança Com os novos contornos da transformação digital acelerada, profissionais de TI preveem que a IA generativa (a que produz conteúdo) seja capaz de transformar visceralmente a sociedade já nos próximos meses.  Embora tal popularização tenha ganhado força recentemente, a ferramenta já está presente há bastante tempo nas organizações, como nas análises de e-mails, que utilizam princípios de IA para fazer a detecção de spam. Ou seja, a IA – que já fazia parte da rotina dos especialistas em segurança da área de TI – agora será ainda mais empregada nesse ambiente, seja na perspectiva defensiva, seja no lado ofensivo, ponto de vista que mais tem se destacado.  A associação IA generativa + abordagens digitais ofensivas pode ocasionar o crescimento de ataques de engenharia social (aqueles capazes de hackear o próprio ser humano), visto que a tecnologia automatiza essa tarefa. Até então, a engenharia social demandava a ação, a configuração e o gerenciamento humano contínuos. Com o advento da IA, essa lógica se altera e passa a viabilizar uma possível automatização da geração de golpes e ameaças e a torná-los ainda mais específicos.  Os phishings direcionados, por exemplo, podem ser produzidos automaticamente, em escala industrial. Há também a previsão do aumento de chamadas telefônicas com áudios sintéticos e da propagação de deep fake, entre outros modelos de ataque.  Nesse contexto, pelo menos por enquanto, nota-se que o uso da IA prevalece no lado ofensivo. No defensivo, o desenvolvimento ainda é direcionado para ferramentas de correlacionamento de evento, análise de logs, análise de tráfego de redes e detecção de intrusão. Porém, é preciso equilibrar essas forças e direcionar a IA generativa para o combate da sofisticação dos cibercrimes. O que os especialistas da ESR consideram é que, em breve, a IA será utilizada não só como um copilot para o invasor, mas também representará um copilot para quem está preocupado com a segurança. Nas mãos de quem tem bons fundamentos e experiência de mercado, a IA é uma excelente ferramenta! 2) Otimização de tarefas manuais A IA e o ML têm o potencial de otimizar e automatizar tarefas manuais no setor de TI. Isso inclui processos como monitoramento de sistemas, gerenciamento de ativos de hardware e software, provisionamento de recursos em nuvem e resolução de problemas de infraestrutura.  Ao utilizar algoritmos inteligentes, as equipes de TI podem reduzir o tempo gasto em tarefas repetitivas e liberar recursos para atividades mais estratégicas e criativas. 3) Estabelecimento de sistemas autogerenciáveis A IA e o ML também podem impulsionar a criação de sistemas autogerenciáveis no setor de TI. Esses sistemas são capazes de monitorar, diagnosticar e corrigir problemas de forma autônoma, sem intervenção humana direta. Por exemplo, algoritmos de aprendizado de máquina podem ser implementados em sistemas de monitoramento de rede para identificar padrões de tráfego suspeitos e tomar medidas preventivas automaticamente. Com isso, há um aumento na eficiência operacional e um fortalecimento da resiliência e da segurança dos sistemas de TI. 4) Discussão sobre a regulação das ferramentas À medida que a inteligência artificial e o aprendizado de máquina se tornam integrados às operações de TI, surge a necessidade de uma discussão abrangente sobre a regulação dessas ferramentas. E questões éticas, de privacidade e segurança estão no centro desse debate em evolução. A regulação das ferramentas de IA e ML no setor de TI envolve a definição de padrões e diretrizes para seu desenvolvimento, implementação e uso responsável. Requisitos de transparência algorítmica; garantia de imparcialidade e equidade; proteção de dados sensíveis e prestação de contas por decisões automatizadas podem fazer parte desse mapeamento. Além disso, a regulação também aborda preocupação com o impacto dessas tecnologias na força de trabalho, incluindo questões relacionadas com a substituição de empregos, treinamento e requalificação de profissionais afetados. O diálogo entre governos, empresas, especialistas em tecnologia e sociedade civil é e será fundamental para desenvolver políticas e regulamentações que promovam o uso ético e responsável da IA e do ML no setor de TI, garantindo, ao mesmo tempo, inovação contínua e proteção dos direitos individuais e coletivos. Você também pode gostar: Por que uma empresa deve se preocupar com privacidade e ética no uso de dados e qual o papel do profissional de TI nesse cenário?   Inteligência artificial para redes: requisitos e conceitos da tecnologia Guia de inteligência artificial (IA) para otimizar sua rotina em TI  O que é inteligência artificial e como ela é a aposta do presente Inteligência artificial na TI: como a ferramenta atua no contexto da cibersegurança?  Reflexos da IA na cibersegurança: você conhece o potencial dessa relação? _________________________________________________ Além dessas áreas, o ML e a IA serão muito utilizados nos processos de recrutamento e seleção em TI.   Fique por dentro de outras novidades em TI Acompanhe o lançamento semanal de conteúdos da Escola Superior de Redes (ESR) sobre o universo da tecnologia nas mais diversas frentes, inclusive sobre inteligência artificial e machine learning em TI.  Acesse nosso #Blog e baixe nossos materiais gratuitos para ter acesso a um conteúdo comprometido com a qualidade e com a disseminação de conhecimento na área.