A primeira pergunta não era qual modelo usar
Eu tive uma ideia para ajudar pessoas que vivem em áreas de risco de enchente e deslizamento. A primeira reação de muita gente é perguntar qual modelo eu usaria, que IA faria a previsão, quanto custaria a infraestrutura.
Essa não foi a primeira pergunta que encontrei.
A primeira foi: onde estão os dados?
Não é que o Brasil não produza informação. O Cemaden monitora chuva e emite alertas; o IBGE, estados e municípios mantêm bases ambientais, territoriais e demográficas; há mapas, séries históricas, registros de ocorrências e pesquisas. O problema é que, para quem quer construir algo sério, esses pedaços raramente chegam como uma representação integrada, atualizada, documentada e pronta para uso. Eles vêm de instituições diferentes, com ritmos, formatos, licenças, níveis de detalhe e critérios de qualidade diferentes.
Foi aí que minha ideia deixou de ser apenas um projeto de IA. Ela virou uma pergunta sobre o Brasil.
Não falta inteligência neste país. Faltam conexões duráveis entre a inteligência que já existe.
Temos pesquisadores, universidades, especialistas em geografia, saúde, agricultura e clima. Temos empresas, pessoas excelentes em software, uma matriz elétrica excepcionalmente renovável e problemas reais que exigem soluções de alto impacto. Mas ainda falhamos em fechar o circuito entre conhecimento, dados, computação, produto, compra pública e benefício social.
Quando esse circuito não fecha, a IA chega como produto estrangeiro. Nós a consumimos, enviamos contexto, pagamos a infraestrutura e depois tentamos adaptar nossa vida ao que foi construído para outro lugar.
Um data center não é uma política de IA
É bom que empresas invistam em infraestrutura no Brasil. Data centers reduzem latência, fortalecem conectividade, criam demanda por engenharia e podem aproximar o país de cargas de computação que antes precisavam estar fora. Tratar isso como algo ruim seria preguiçoso.
Mas tratar isso como vitória suficiente seria pior.
Em 2025, 86,8% da matriz elétrica brasileira era renovável. É uma vantagem comparativa real quando energia passou a ser um dos gargalos centrais da IA. Ao mesmo tempo, o setor já pressiona transmissão, conexão, água, licenciamento e oferta firme de eletricidade. A Empresa de Pesquisa Energética registrou, em 2025, uma expansão rápida de projetos de data centers em busca de conexão à rede, mas também deixou claro que pedidos e estudos não são capacidade construída nem investimento garantido.
É justamente por isso que o debate não pode parar em “estão trazendo um data center”. A pergunta correta é: qual capacidade ficará no Brasil depois que a obra terminar?
Quem controla a capacidade computacional? Quem decide que modelos serão treinados ou hospedados? Que parcela dessa capacidade será acessível para universidades, laboratórios, startups e órgãos públicos? Quais empregos técnicos permanentes serão criados? Como serão medidos consumo de energia, água e impacto na rede? Onde ficam a propriedade intelectual, os dados derivados e o lucro?
Sem respostas, o data center pode ser só uma infraestrutura física brasileira servindo a uma economia intelectual de fora.
Vantagem, não garantia
Em 2025, fontes renováveis responderam por 86,8% da matriz elétrica brasileira. Isso torna o país atraente para infraestrutura digital, mas não substitui rede de transmissão, energia firme, eficiência, transparência hídrica e contrapartidas de desenvolvimento.
Data center sem política pública é hospedagem; não é soberania.O risco não é ter parceiros. É repetir uma dependência.
Quando eu uso a expressão “colonialismo de dados”, não estou dizendo que a história se repete literalmente, nem propondo isolamento econômico. Uso-a como uma lente para enxergar uma relação de poder: quem captura dados e recursos locais, quem processa isso, quem controla a infraestrutura e quem transforma o resultado em valor.
No colonialismo clássico, territórios periféricos forneciam terra, matéria-prima e trabalho; os centros concentravam transformação, tecnologia, financiamento e preço. Na economia de IA, a divisão pode reaparecer de outra forma: a periferia fornece energia, água, usuários, território, conteúdo cultural e dados; o centro fica com chips, nuvem, modelos, plataformas, padrões técnicos, propriedade intelectual e monetização.
Essa não é uma fantasia brasileira. O Banco Mundial mostrou que países de alta renda concentravam 77% da capacidade mundial de data centers de colocation e 97% da capacidade dos 500 supercomputadores líderes em meados de 2025. O Brasil aparece nessa lista com nove sistemas, uma base existente, mas muito distante da escala dos centros de poder computacional.
O ponto não é nacionalizar todo dado, fabricar cada chip ou recusar a nuvem internacional. Isso seria caro, ineficiente e, em vários casos, impossível. Soberania tecnológica é ter poder de escolha e capacidade de resposta: poder mudar de fornecedor, operar cargas sensíveis sob regras brasileiras, auditar sistemas, adaptar modelos ao nosso contexto e formar gente que compreenda a infraestrutura que está usando.
Também não devemos chamar qualquer base de dados de “recurso nacional” disponível para extração. Dados pessoais têm direitos, finalidades e proteção legal. Conhecimentos de povos tradicionais exigem consentimento, governança e repartição de benefícios. Biodiversidade não é um estoque gratuito de treinamento para quem tem mais GPU. O Brasil abriga cerca de 15% das espécies conhecidas do planeta; transformar essa riqueza em pesquisa, conservação e bioeconomia pede mais responsabilidade, não menos.
A corrida já começa desigual
Países de alta renda concentravam 77% da capacidade global de data centers de colocation e 97% da capacidade dos 500 supercomputadores líderes em 2025. A resposta brasileira não é fingir que a escala é igual.
É escolher onde autonomia e aplicação local criam vantagem real.A IA brasileira começa antes do modelo
Existe uma tentação de procurar a grande resposta em um “modelo brasileiro”. Modelos em português importam. Ajuste fino, avaliação local, dados culturalmente relevantes e capacidade de inferência dentro do país também importam. O Plano Brasileiro de Inteligência Artificial reconhece isso e prevê R$ 23,03 bilhões entre 2024 e 2028, incluindo infraestrutura, formação, serviços públicos e inovação empresarial. Mas é importante ler a palavra certa: são investimentos previstos, não dinheiro já executado.
Ainda assim, o plano aponta na direção certa. O problema é que modelo sem substrato vira demonstração. IA confiável começa no registro: dado coletado com propósito legítimo, documentado, atualizado, interoperável, protegido e avaliado para o uso que se quer fazer.
Essa é a parte menos glamourosa da corrida. Não gera vídeo em dez segundos nem impressiona em uma apresentação de vendas. Mas é a parte que permite prever enchentes, organizar filas hospitalares, monitorar queimadas, planejar agricultura tropical, detectar fraudes, mapear déficit de infraestrutura e priorizar inspeções de risco.
O governo federal já criou instrumentos importantes. A Infraestrutura Nacional de Dados foi formalizada em 2024 para ampliar descoberta, interoperabilidade, uso estratégico, privacidade e segurança de dados do Executivo federal. Ela é uma boa notícia. Também é a prova de que não basta dizer que “o Brasil não tem dados”. Existem dados e existe uma arquitetura em construção. O desafio é torná-los encontráveis, compatíveis, mantidos e úteis além de uma apresentação institucional.
Meu projeto de áreas de risco ilustra isso. O país não precisa começar treinando um modelo de fronteira. Precisa tornar possível combinar, com governança, chuva, relevo, solo, ocupação, drenagem, alertas, ocorrências, danos e resposta pública. Antes de prometer uma IA que salva vidas, precisamos construir a camada que permite saber o que está acontecendo no território.
IA começa no registro
Uma IA pública útil não nasce de um modelo isolado. Ela depende de dados com origem conhecida, padrão compartilhado, histórico preservado, atualização definida, documentação e regras de acesso.
Sem isso, o país cria protótipos bonitos e sistemas que não respondem por uma decisão real.As ilhas de conhecimento também são um problema de engenharia
Parte desse atraso aparece no modo como discutimos tecnologia. De um lado, há desenvolvedores experientes que enxergam IA como ameaça pessoal. De outro, há gente nova que trata qualquer modelo como atalho para substituir anos de engenharia. As duas reações erram o alvo.
IA não é “apenas uma ferramenta”, no sentido de ser uma IDE um pouco melhor. Ela é ferramenta de produção, camada de automação cognitiva, nova superfície de software e mudança de interface. Ela reduz o custo de implementar, pesquisar, documentar, testar e operar. Por isso muda o mercado. Mas ela não elimina o que sustenta sistemas reais: arquitetura, segurança, dados, contexto de negócio, limites, testes, observabilidade e responsabilidade quando algo falha.
O engenheiro que já conhece sistemas legados, bancos, redes, integração e produção deveria estar na frente dessa adoção. Não precisa abandonar engenharia para “virar IA”. Precisa incorporar modelos como uma nova camada da engenharia de software. Quem entra agora na tecnologia, por sua vez, deveria levar essa capacidade para saúde, clima, agricultura, direito, educação, cidades e serviços públicos, não apenas para mais uma interface genérica.
O problema brasileiro não é o autodidata não ter diploma. Nem é a universidade produzir conhecimento especializado. O problema aparece quando as duas coisas deixam de se encontrar com a realidade produtiva. A universidade pesquisa; a empresa compra uma solução pronta; o governo coleta informação sem conseguir reutilizá-la; a startup não acessa dados nem encontra um primeiro comprador. O conhecimento vira ilha.
A Organização para a Cooperação e Desenvolvimento Econômico identifica justamente a baixa conexão entre universidade e empresa como um desafio dos ecossistemas de inovação latino-americanos, ainda que reconheça polos brasileiros que fazem isso melhor.
O Brasil não precisa ganhar a corrida dos outros
Não vamos ultrapassar Estados Unidos ou China, no curto prazo, em fabricação de chips de ponta, capital de risco ou treinamento dos maiores modelos do mundo. Negar essa assimetria não é ambição; é planejamento ruim.
Mas essa não é a única corrida possível.
O Brasil pode construir sistemas de classe mundial para problemas em que possui território, conhecimento e urgência que poucos países combinam: agricultura tropical, biodiversidade, vigilância epidemiológica, energia renovável, português brasileiro, incêndios e desmatamento, logística continental, enchentes, deslizamentos e cidades que cresceram fora do mapa formal.
Isso exige uma escolha menos sedutora do que anunciar o maior modelo. Exige organizar o país para que ele se torne computável sem se tornar vigilante ou injusto.
Eu começaria por cinco compromissos simples de entender e difíceis de executar:
- Tratar dados públicos como infraestrutura. Metadados, APIs, padrões, qualidade, georreferenciamento, atualização e interoperabilidade precisam ser produto contínuo, não uma tarefa burocrática que termina quando o portal sobe.
- Reservar capacidade computacional para interesse público. Universidades, institutos, municípios e startups não podem depender apenas de crédito promocional de grandes plataformas para pesquisar, avaliar e operar aplicações estratégicas.
- Negociar contrapartidas nos data centers. Incentivo fiscal e acesso a energia precisam vir com transparência ambiental, formação técnica, ligação com pesquisa local, acesso competitivo a computação e fornecedores brasileiros.
- Usar compras públicas para testar soluções. O Marco Legal das Startups já permite contratação de soluções inovadoras e ambientes regulatórios experimentais. Falta usar esses instrumentos com problemas bem definidos, dados governados e métricas de resultado.
- Formar quem conecta domínios. Não precisamos de uma população inteira treinando modelos de fronteira. Precisamos de engenheiros, gestores públicos, profissionais de saúde, agrônomos, geógrafos e educadores capazes de decidir onde o sistema determinístico termina, onde o modelo entra e como se mede o resultado.
O plano existe. A execução é a disputa.
O PBIA prevê R$ 23,03 bilhões para 2024–2028: R$ 5,79 bilhões para infraestrutura e desenvolvimento de IA, R$ 1,15 bilhão para formação e R$ 13,79 bilhões para inovação empresarial.
O número importa, mas a pergunta decisiva é pública: o que foi contratado, entregue, usado e mantido?A escolha que ainda está aberta
O Brasil pode olhar para a IA e ver só mais uma onda de consumo: mais assinaturas, mais serviços hospedados fora, mais dados saindo, mais empregos de construção e mais apresentações falando em inovação.
Ou pode usá-la para organizar a própria capacidade: transformar registros fragmentados em dados utilizáveis, colocar capacidade computacional nas mãos de quem resolve problema público, conectar universidade a município, formar engenheiros que entendam modelos e negociar investimento externo sem entregar todo o valor de volta.
Data centers podem fazer parte dessa história. Modelos estrangeiros também. Parceria não é submissão. O risco começa quando o país aceita fornecer energia, território, biodiversidade, usuários e incentivos sem exigir, em troca, aprendizagem, infraestrutura compartilhada, governança e capacidade de criar.
Para mim, essa é a linha que separa modernização de dependência.
A tragédia não seria o Brasil ficar fora da corrida de IA. Seria entrar nela como sempre entrou em tantas outras: entregando a matéria-prima, comprando de volta o produto acabado e chamando isso de futuro.