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!
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.
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:
- A Microsoft incorporou a tecnologia do ChatGPT ao Bing;
- O Google lançou o Bard, depois alterado para Gemini;
- Elon Musk estruturou a empresa XAI para tentar emplacar sua versão de ChatGPT;
- E a Meta lançou o Llama.
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.
_________________________________________________
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.