66% das Empresas Repatriaram Cargas de IA da Nuvem Pública: O Que Aconteceu

A nuvem pública era a resposta óbvia para quem queria escalar inteligência artificial rápido. Modelo gerenciado, infraestrutura sem compromisso, pagamento por uso. Mas os números mais recentes mostram que a realidade é mais complicada. Uma pesquisa encomendada pela Cloudera, realizada com 1.500 arquitetos de enterprise e profissionais de infraestrutura em nove países, revelou que 66% das empresas moveram cargas de trabalho de IA da nuvem pública de volta para infraestrutura on-premises ou nuvens privadas nos últimos 12 meses.

O estudo, intitulado "The Great AI Re-Architecture", não descreve uma fuga da nuvem. Ele descreve uma redesign da arquitetura de dados em torno da IA. As empresas não estão abandonando a nuvem pública — elas estão aprendendo que a melhor solução depende de onde os dados estão, quais são os requisitos de governança, quanto custa rodar e qual é a latência aceitável.

Os 66% que repatriaram cargas não significam que abandonaram a nuvem. Significa que descobriram que nem toda carga de IA se beneficia de rodar em servidores compartilhados de terceiros. E essa descoberta está mudando a forma como as empresas planejam sua infraestrutura.

Os números que explicam a mudança

A pesquisa revelou que 77% das organizações já estão usando IA de alguma forma, e 72% consideram que sua arquitetura atual precisa de uma reformulação significativa para atender aos seus objetivos com IA. Três quartos disseram que as integrações de IA já mudaram suas práticas de armazenamento e arquitetura de dados.

O custo de infraestrutura é um fator central. 84% das empresas disseram que as cargas de IA aumentaram seus custos de infraestrutura. Quando perguntadas o que impulsionou as mudanças em suas práticas de armazenamento, 42% apontaram requisitos de segurança, governança e conformidade. Outros 35% citaram melhoria de desempenho ou redução de latência, e outros 35% mencionaram suporte a capacidades de IA em tempo real ou na borda (edge).

A repatriação não é uma fuga da nuvem — é uma redistribuição de cargas entre ambientes

Por que a governança é o maior obstáculo

O dado mais surpreendente da pesquisa talvez seja este: 95% das organizações disseram que adiaram ou cancelaram projetos de IA nos últimos 12 meses por causa de complexidade em governança, conformidade ou regulamentação. Mais da metade — 55% — adiou ou cancelou seis ou mais projetos.

Isso é enorme. A IA está sendo adotada em ritmo acelerado, mas a infraestrutura para governá-la ainda não acompanhou. E a governança em ambientes de IA é mais complexa do que em sistemas tradicionais porque os dados circulam entre múltiplos ambientes: nuvem pública, nuvem privada, on-premises e borda.

A pesquisa revelou que a governança é mais difícil em diferentes ambientes dependendo da empresa. 29% disseram que a nuvem privada é o ambiente mais difícil de governar, 24% apontaram ambientes híbridos e 20% escolheram a nuvem pública. Ambientes de borda foram citados por 14%, e sistemas on-premises por 9%.

Para empresas com operações em múltiplos países, a complexidade aumenta ainda mais. Regulamentações como o GDPR na Europa, a LGPD no Brasil e o Marco Legal da IA em discussão criam requisitos diferentes para onde os dados podem estar e como podem ser processados. Uma carga de IA que roda na nuvem pública pode violar regulamentações de residência de dados, enquanto a mesma carga em infraestrutura local pode atender a todos os requisitos.

Desempenho versus conveniência

A pesquisa também mostrou que a nuvem pública ainda lidera em desempenho para cargas de IA, mas a margem é pequena. 30% das empresas disseram que a nuvem pública oferece melhor desempenho, seguida por ambientes híbridos com 29%, nuvens privadas com 23% e on-premises com 9%.

Mas desempenho não é o único fator. Para muitas empresas, a decisão é mais sobre controle do que sobre velocidade. Uma carga de IA em nuvem pública pode ser rápida, mas se os dados sensíveis estão passando por servidores compartilhados, o risco de conformidade pode superar o benefício de desempenho.

Além disso, o custo total de propriedade nem sempre favorece a nuvem pública para cargas pesadas de IA. Modelos de inferência que rodam continuamente podem ser mais econômicos em infraestrutura dedicada do que em servidores de nuvem pública cobrados por hora. Para empresas com volume previsível e alto de processamento, investir em hardware próprio pode ser mais vantajoso a longo prazo.

Desempenho, governança e custos criam um cálculo complexo para onde rodar cargas de IA

O modelo híbrido como resposta

A pesquisa da Cloudera não aponta para o fim da nuvem pública, mas para a ascensão do modelo híbrido. Quando perguntadas onde pretendem investir nos próximos dois anos, as respostas se distribuíram entre diferentes ambientes: 29% planejam maior gasto com nuvem pública, 25% vão focar em abordagem híbrida, 24% investirão mais em infraestrutura on-premises e 22% ampliarão investimentos em borda (edge).

A distribuição de cargas também reflete essa dispersão. Para inferência de IA — o processo de usar um modelo treinado para gerar respostas —, os ambientes híbridos lideram com 31%, seguidos por nuvem pública com 30%, nuvens privadas com 22% e on-premises com 8%.

Isso sugere que as empresas estão adotando uma abordagem pragmática: cada tipo de carga de IA vai para o ambiente que melhor atende seus requisitos. Dados sensíveis ficam em infraestrutura local. Modelos experimentais rodam na nuvem pública. Cargas de produção com requisitos de latência vão para a borda. E tudo isso é orquestrado por uma camada de gerenciamento que tenta manter visibilidade e controle sobre o todo.

As diferenças regionais

A pesquisa também revelou diferenças significativas entre regiões. A Europa, Oriente Médio e África (EMEA) apresentaram a maior taxa de uso generalizado de IA em operações core — 47% — comparada com 36% nas Américas e 30% na Ásia-Pacífico.

O uso de nuvem pública foi mais alto na EMEA com 38% e mais baixo nas Américas com 28%. Por outro lado, nuvens privadas foram mais populares nas Américas com 27%, seguidas pela Ásia-Pacífico com 26% e EMEA com 19%.

Essas diferenças refletem contextos regulatórios e culturais distintos. A Europa, com o GDPR e o AI Act, impõe requisitos mais rígidos sobre onde e como os dados podem ser processados. As Américas, com mercados mais fragmentados e regulamentações variadas, tendem a adotar abordagens mais flexíveis. A Ásia-Pacífico, com países como Japão, Índia e Singapura, busca um equilíbrio entre inovação e soberania de dados.

A disrupção de projetos de IA por questões de governança também variou: 60% na EMEA adiaram ou cancelaram pelo menos seis projetos, comparado com 54% nas Américas e 50% na Ásia-Pacífico. E 81% nas Américas concordaram que a integração de IA torna a governança mais complexa, comparado com 65% na EMEA e 61% na Ásia-Pacífico.

O que isso significa para o futuro da cloud

A pesquisa da Cloudera confirma uma tendência que vinha se desenhando há algum tempo: a era da nuvem pública como resposta universal está chegando ao fim. Não porque a nuvem pública falhou — ela continua sendo a melhor opção para muitos casos de uso. Mas porque a IA trouxe requisitos que a nuvem pública compartilhada nem sempre consegue atender de forma ideal.

Empresas não estão escolhendo entre nuvem pública e nuvens privadas. Elas estão aprendendo a combinar múltiplos ambientes, cada um com seus pontos fortes. A nuvem pública oferece escalabilidade e conveniência. A nuvem privada oferece controle e conformidade. O on-premises oferece desempenho e previsibilidade de custos. E a borda oferece latência mínima para aplicações em tempo real.

Para provedores de nuvem, isso significa que a proposta de valor não pode ser apenas "tudo na nuvem". A proposta precisa ser "o certo no lugar certo". Para empresas, isso significa investir em capacidade de gerenciamento híbrido, visibilidade multi-ambiente e governança quefuncione em diferentes plataformas.

O estudo da Cloudera mostra que a arquitetura de dados está sendo redesenhada não por uma tendência passageira, mas por uma necessidade prática. A IA exige mais do que apenas mais servidores. Ela exige mais controle, mais flexibilidade e mais inteligência na forma como as cargas são distribuídas. E esse redesign está apenas começando.