HP e a arte de IA e dados para empresas

Jerome Gabryszewski, gerente de Desenvolvimento de Negócios em AI e Data Science da HP, concedeu entrevista antes do AI & Big Data Expo, previsto para ocorrer em San Jose nos dias 18 e 19 de maio, no San Jose McEnery Convention Center. O tema central é o processamento de dados para ingestão de IA, computação local versus nuvem e a maturidade de ambientes empresariais frente à IA.

A conversa aponta que organizações costumam subestimar a dívida organizacional e arquitetural ligada aos dados. Ownership fragmentado entre áreas, esquemas inconsistentes e infraestrutura legada dificultam a automação. O trecho enfatiza que o desafio maior é governança e integração, não apenas a engenharia de automação.

Em relação a modelos de IA que se atualizam sozinhos, a orientação é tratar atualizações de modelos como deploys de código. Detecção automática de drift com validação humana, pipelines de MLOps e gatilhos antes do retraining são sugeridos para evitar falhas na produção. A proveniência de dados também é tema crítico de segurança e governança.

No aspecto de hardware, HP destaca que não existe apenas uma máquina ideal. A linha Z da empresa é citada como referência para workloads profissionais. Equipamentos como ZBook Ultra e Z2 Mini atendem desde desenvolvedores locais até uso em estações de trabalho que executam LLMs localmente, sem depender da nuvem.

Entre as soluções de ponta, o ZGX Nano, um supercomputador de IA compacto, utiliza o NVIDIA GB10 Grace Blackwell e 128 GB de memória unificada, oferecendo até 1000 TOPS de desempenho. Uma unidade suporta modelos de até 200 bilhões de parâmetros; duas unidades conectadas ampliam para 405 bilhões, mantendo tudo on premises.

A família ZGX Fury e Z8 Fury amplia a capacidade para equipes que demandam maior poder de processamento na borda ou no local. O ZGX Fury utiliza o NVIDIA GB300 Grace com memória coerente elevada, para inferência de modelos de larga escala. A HP ressalta que a adopção de hardware alinhado à governança pode gerar economia significativa em prazos de 8 a 12 meses frente ao uso intenso de nuvem.

A empresa também aponta que o ecossistema Z pode ser instalado em racks para ambientes gerenciados de TI, mantendo segurança e residência de dados. O foco é reduzir gargalos de governança e latência, evitando o envio constante de dados sensíveis à nuvem durante atualizações de modelos.

Em termos de custos de computação para IA generativa, a entrevista registra aumento estrutural do gasto empresarial, com estimativas de 37 bilhões de dólares em 2025 e erros de previsão de custo por parte de 80% das organizações. O diagnóstico aponta que custos de inferência unitária caem, mas o volume de uso pressiona o orçamento global.

A solução prática defendida é separar claramente exploração e produção: prototipagem, ajuste fino e avaliação em hardware local, com nuvem reservada para treinamento de ponta ou acesso a modelos avançados já legitimados. Pequenas equipes devem priorizar infraestrutura on-premises para fases iniciais.

Para dados proprietários, a abordagem recomendada é Data Sovereignty com RAG em infraestrutura local, mantendo dados dentro da empresa. Um pipeline de RAG local com controle de acesso e recuperação de contexto evita exposição externa. O objetivo é manter dados sensíveis sob governança rígida, sem recorrer ao processamento remoto.

Sobre o papel da TI corporativa no futuro próximo, a visão é de mudança de função: menos foco em tarefas rotineiras e mais em governança de agentes de IA. Projeções indicam que parte relevante de aplicações terá agentes embarcados até o fim de 2026, elevando a exigência de governança sobre a arquitetura de IA.

O debate ressalta que apenas uma fração das empresas possui modelo de governança amadurecido para IA distribuída. Nesse cenário, a adoção de infraestrutura local ganha importância para observabilidade do comportamento de agentes. A tendência aponta para equipes responsáveis por design, governança e validação de operações de IA, em vez de simples execução de tarefas.