Executivos admitem falta de infraestrutura de IA nas empresas
Pesquisa da Dell mostra que a infraestrutura de IA nas empresas ainda não está pronta para a operação em muitas companhias brasileiras.

Neste artigo
A infraestrutura de IA nas empresas ainda não está pronta no Brasil, e a distância entre o piloto que funciona e a operação em escala é o principal obstáculo.
Uma pesquisa da Dell, conduzida pela Vanson Bourne em junho de 2026 com 100 tomadores de decisão brasileiros, aponta que 6 em cada 10 executivos afirmam que suas empresas não têm estrutura adequada para sustentar a IA.
O modelo responde bem nos testes, a diretoria aprova e a equipe recebe o sinal verde, mas é nesse momento que muitas companhias percebem que a base tecnológica não aguenta a carga.
Para entender esse cenário, vale olhar para o que separa a experimentação da operação. Em geral, o problema não está no algoritmo, e sim no ambiente que o cerca, dados dispersos, sistemas que não conversam entre si e processos que não foram desenhados para respostas em tempo real. Há mais contexto em Estrutura de controles comuns da Atlassian Atlassian.
Quando a IA sai do laboratório, cada uma dessas fragilidades aparece de uma vez. Há mais sobre isso em Inteligência artificial nas empresas.
Infraestrutura de IA nas empresas ainda não está pronta no Brasil
Segundo a pesquisa da Dell citada pela Exame, 6 em cada 10 executivos afirmam que suas empresas não têm estrutura pronta para IA. O dado indica que o problema não está na qualidade dos modelos, mas no que sustenta a sua execução no dia a dia.
Para a maioria dos entrevistados, o cenário de testes costuma ser controlado, com volumes pequenos e equipes reduzidas. Além disso, quando a aplicação cresce, surgem problemas de integração com sistemas antigos, de desempenho e de custo, que o piloto não havia revelado.
Esse descompasso mostra que levar a IA a toda a empresa exige planejamento específico. Além disso, sem uma base preparada, os ganhos prometidos pelos testes tendem a ficar restritos a áreas isoladas.
Na prática, a empresa precisa avaliar se sua arquitetura suporta cargas maiores, se há equipe capacitada para manter os sistemas e se os processos internos estão preparados para incorporar as respostas do modelo sem perder controle. O tema é detalhado em 1. Estrutura do processo de transferência - Ajuda.
Detalhes que importam
Vale notar que a pesquisa foi encomendada pela Dell e conduzida pela Vanson Bourne, com cem executivos ouvidos no Brasil. Por isso, o recorte nacional deve ser lido como indicação do cenário, e não como retrato definitivo de todo o mercado. Quem quiser ir além pode ler CoreWeave infraestrutura de IA, a nuvem de GPUs do setor.
Da pilotagem à operação: onde a IA trava
O gargalo da IA nas empresas raramente está no modelo. Está na infraestrutura de IA nas empresas, que precisa sustentar o uso diário depois que o piloto deixa o laboratório.
O cenário costuma se repetir. Também, o projeto-piloto funciona, o modelo responde bem nos testes e a diretoria aprova a expansão.
Quando a equipe de tecnologia tenta levar a solução a toda a companhia, porém, surgem limitações de rede, de armazenamento e de custo que não apareciam antes. Além disso, essa distância entre teste e operação é o ponto em que muitas iniciativas perdem fôlego.
Por que a operação em escala expõe fragilidades
Em ambientes de teste, poucos usuários consultam o sistema e os dados chegam de forma controlada. Também, na operação, milhares de consultas simultâneas exigem processamento contínuo e respostas rápidas. Sem uma base preparada, a ferramenta fica lenta, instável ou simplesmente indisponível nos momentos de maior demanda.
Data centers para inteligência artificial entram nesse debate como resposta a essa pressão. Além disso, eles concentram processadores especializados e sistemas de resfriamento capazes de sustentar cargas de trabalho intensas.
Ainda assim, para a maioria das empresas brasileiras, a questão não é apenas ter capacidade, mas saber onde ela deve estar e como será paga. Há um bom material de referência em GitHub - robson-alecio/ssbaseui, Estrutura para criacao.
A pesquisa foi encomendada pela própria Dell, fabricante de equipamentos, e conduzida pela Vanson Bourne em junho de 2026, com cem decisores no Brasil. Também, o recorte nacional é pequeno e os resultados refletem a percepção dos entrevistados, não uma medição técnica independente. O tema se conecta com Uber confirma acesso indevido a dados de motoristas.
O armazenamento e o acesso aos dados como principal gargalo
Quando a IA sai do laboratório e passa a rodar na rotina da empresa, a pergunta deixa de ser se o modelo funciona e passa a ser onde estão os dados e com que velocidade eles chegam até ele.
Segundo a reportagem da Exame sobre a pesquisa da Dell, esse é um dos pontos em que muitas companhias brasileiras descobrem que a estrutura não aguenta a carga.
Dados espalhados em sistemas legados, bases sem governança clara e repositórios que não conversam entre si fazem o modelo perder tempo buscando informação. Na prática, o acesso lento ou fragmentado transforma um piloto promissor em um serviço caro, instável e difícil de escalar para toda a operação.
- Dados armazenados em silos, sem uma camada comum de acesso.
- Permissões de acesso definidas caso a caso, o que atrasa projetos inteiros.
- Backups e políticas de retenção que não foram pensados para treinar ou consultar modelos.
Esse gargalo tende a ser mais visível em empresas que tratam o armazenamento como custo de manutenção, e não como ativo estratégico. Quando a infraestrutura de IA nas empresas é planejada sem considerar a qualidade e a disponibilidade dos dados, a capacidade de processamento contratada pode ficar ociosa enquanto o modelo espera pela informação certa.
Pontos de atenção
Há também um componente de segurança. Além disso, controlar quem acessa quais dados, e registrar esse acesso, exige processos que muitas organizações ainda não formalizaram. A Autoridade Nacional de Proteção de Dados, a ANPD, reforça a importância de governança sobre dados pessoais, e isso se aplica diretamente quando modelos passam a consumir essas bases.
Antes de ampliar o uso de IA, vale mapear onde estão os dados essenciais, quem os controla e quanto tempo leva para uma consulta chegar ao modelo. Também, esse diagnóstico costuma revelar que o problema não é falta de máquina, e sim de organização do acesso à informação.
Por que a capacidade de processamento não basta
Muitas empresas brasileiras já provaram que a IA funciona em testes controlados. Também, o problema começa quando a tecnologia precisa rodar todos os dias, com volume real de dados e usuários. Segundo a pesquisa da Dell citada pela Exame, 6 em cada 10 executivos afirmam que suas companhias ainda não têm estrutura pronta para esse salto.
Ter poder de processamento ajuda, mas não resolve sozinho. Além disso, uma máquina potente que não encontra os dados certos, no formato certo e no momento certo, entrega pouco valor. Por isso, a discussão sobre infraestrutura de IA nas empresas precisa olhar para o conjunto: rede, armazenamento, governança e capacidade de operação.
Esse conjunto costuma ser o ponto mais frágil. Equipes de tecnologia relatam dificuldade para conectar sistemas antigos aos modelos novos, e a manutenção de cada solução consome tempo que deveria ir para a melhoria do produto. O resultado é um piloto bem avaliado que não ganha escala.
Antes de comprar mais capacidade, vale mapear onde a operação realmente trava. Em geral, a resposta está na integração entre áreas e no acesso confiável aos dados, e não apenas no tamanho do modelo escolhido.
Eficiência energética e o custo de ampliar o uso de IA
A infraestrutura de IA nas empresas é o conjunto de servidores, armazenamento, rede e dados que sustenta a inteligência artificial depois que ela deixa o laboratório e passa a rodar na rotina do negócio. Além disso, para muitas companhias brasileiras, esse é o ponto em que o projeto deixa de funcionar bem.
Custo de ampliar o uso
Ampliar o uso de IA exige mais capacidade de processamento, e isso tem um custo direto de energia. Quando o modelo passa a responder milhares de consultas por dia, o consumo cresce de forma acelerada e pesa no orçamento de operação.
A eficiência energética, portanto, entra na conta logo cedo. Empresas que tratam a infraestrutura de IA apenas como compra de equipamento tendem a subestimar a despesa contínua de manter tudo ligado, refrigerado e disponível.
- Consumo de energia dos servidores em operação contínua
- Refrigeração necessária para manter os equipamentos estáveis
- Armazenamento e acesso rápido aos dados usados pelos modelos
Esses três itens formam a base do custo de ampliar a IA. Sem planejamento, a expansão do uso pode transformar um piloto barato em uma despesa difícil de sustentar no médio prazo.
Por isso, a eficiência energética deixa de ser um tema técnico restrito à área de tecnologia. Também, ela passa a influenciar decisões de orçamento, escolha de fornecedores e ritmo de implantação da inteligência artificial.
O que a pesquisa da Dell revela e seus limites
Os dados de uma pesquisa encomendada pela Dell ajudam a entender onde a infraestrutura de IA nas empresas falha. Segundo o estudo, conduzido pela Vanson Bourne em junho de 2026, com 2.950 entrevistados em 32 países e cem decisores no Brasil, muitas companhias já tiveram projetos-piloto bem-sucedidos, mas não conseguem levá-los à operação.
Esse é o ponto mais revelador do levantamento. Os números mostram que a maior parte dos executivos entrevistados considera que sua estrutura atual não está preparada para sustentar a IA em escala, o que confirma a distância entre testes controlados e a rotina diária das empresas.
Limites que merecem atenção
Pesquisas encomendadas por fabricantes de equipamentos precisam ser lidas com cuidado. Como a Dell vende servidores, armazenamento e soluções de rede, é natural que o diagnóstico aponte para essas áreas. Isso não invalida os dados, mas exige cruzá-los com outras fontes antes de tirar conclusões sobre o mercado brasileiro como um todo.
Outro cuidado é o tamanho da amostra no Brasil, com 100 entrevistados. Trata-se de um recorte útil para tendências, mas insuficiente para medir com precisão o estado da infraestrutura de IA em cada setor da economia.
Mesmo assim, o levantamento organiza uma discussão importante. Ele sugere que o investimento em modelos já não é o principal gargalo, e que decisões sobre dados, armazenamento e acesso merecem atenção tão grande quanto a escolha da tecnologia.
Metodologia e alcance dos dados
Isso significa que a amostra brasileira é pequena diante do total. Também, os resultados servem como indicação de tendência, não como retrato estatístico de todas as companhias do país. Vale considerar também que o levantamento foi encomendado por uma fabricante de equipamentos, o que pode influenciar o recorte das perguntas.
Mesmo assim, a pesquisa aponta um padrão que aparece em outros relatos do setor: a maioria dos executivos diz que a estrutura da empresa não está pronta para sustentar a IA em escala. Além disso, o dado mais forte é esse diagnóstico compartilhado, e não uma medição precisa de cada gargalo.
Ao ler esses números, convém separar o que foi medido do que foi interpretado. Também, a pesquisa mede percepções de quem decide, e não o desempenho técnico dos ambientes. Para entender a infraestrutura de IA nas empresas com mais precisão, seria preciso cruzar esses relatos com dados operacionais das próprias organizações.
Conclusão
A pesquisa encomendada pela Dell e conduzida pela Vanson Bourne deixa claro que a infraestrutura de IA nas empresas ainda não acompanha a ambição dos projetos. Quando o modelo sai do teste e precisa rodar na rotina, a diferença entre o que funciona em laboratório e o que sustenta a operação aparece com força.
O ponto central não é apenas a potência de processamento. Empresas que querem ampliar o uso de inteligência artificial precisam organizar dados, armazenamento, acesso e governança antes de escalar. Sem isso, o piloto bem-sucedido vira um custo difícil de sustentar.
O que fazer a partir daqui
Os dados da Dell são úteis para orientar esse diagnóstico, mas têm limites, como o recorte de cem decisores no Brasil. Ainda assim, o recado para gestores é direto, a infraestrutura de IA nas empresas precisa ser tratada como condição para a operação, e não como detalhe que se resolve depois do piloto.
Informativo. Os percentuais refletem a percepção de 100 executivos ouvidos no Brasil e não medem a infraestrutura de todas as empresas do país.
Principais pontos
- 59% dos executivos brasileiros dizem que data centers e infraestrutura não estão totalmente prontos para IA em produção.
- Para 74%, o armazenamento e a velocidade de acesso aos dados já são gargalos maiores que a capacidade computacional.
- Para 86%, a eficiência energética é essencial na compra de infraestrutura.
- Os dados refletem a percepção de 100 executivos brasileiros, não uma medição direta.
Fatos
Perguntas frequentes
- As empresas brasileiras estão preparadas para a IA?
- Segundo a pesquisa da Dell, 59% dos executivos ouvidos no Brasil dizem que a infraestrutura ainda não está totalmente pronta para IA em produção.
- Qual é o principal gargalo da IA nas empresas?
- Para 74% dos executivos brasileiros ouvidos, o armazenamento e a velocidade de acesso aos dados pesam mais que a capacidade de processamento.
- A energia influencia o uso de IA nas empresas?
- Sim. Para 86% dos executivos, a eficiência energética é essencial na compra de infraestrutura, e 67% só ampliariam o uso de IA sem aumento significativo de consumo.
- Como a pesquisa foi feita?
- Foi encomendada pela Dell e conduzida pela Vanson Bourne em junho de 2026, com 2.950 entrevistados em 32 países, incluindo 100 no Brasil.
Fontes
- Fonte original
- 1. Estrutura do processo de transferência - Ajuda do Administrad…
- GitHub - robson-alecio/ssbaseui: Estrutura para criacao das tela…
- Editor e executivos equatorianos sentenciados à prisão - Committ…
- Estrutura de controles comuns da Atlassian | Atlassian
- Exame: pesquisa Dell sobre infraestrutura de IA nas empresas brasileiras


