Principais tendências tecnológicas da Gartner para 2025

As tendências tecnológicas estratégicas estão moldando o futuro ao impulsionar a inovação, ao mesmo tempo em que mantêm a responsabilidade ética e a confiança.

Para CIOs e outros líderes seniores de TI, a verdadeira medida da liderança está na capacidade de antecipar e se preparar para o futuro — muito além do horizonte imediato. As Principais Tendências Tecnológicas Estratégicas da Gartner de 2025 servem como um mapa estelar vital para essa jornada, e as tendências se dividem em três grupos:

  • Riscos imperativos da IA: A ascensão dos agentes de IA exigirá avanços na governança de IA e novas tecnologias para combater a desinformação.
  • Novas fronteiras da computação: A computação quântica exigirá novos métodos criptográficos, enquanto sensores de baixo custo permitirão modelos de negócios inovadores.
  • Sinergia homem-máquina – Prepare-se para interações aprimoradas entre experiências físicas e virtuais, robôs se integrando à vida cotidiana e tecnologias que influenciam diretamente a cognição e o desempenho.

Segue um resumo das 10 principais tendências tecnológicas estratégicas apresentadas no relatório:

1 – Agente de IA

Agentes de IA se refere a programas de software que são projetados para tomar decisões e ações de forma independente para atingir objetivos específicos.

Esses programas combinam várias técnicas de IA com recursos como memória, planejamento, detecção do ambiente, uso de ferramentas e acompanhamento de diretrizes de segurança para realizar tarefas para atingir objetivos por conta própria.

Porque é uma tendência: A capacidade de um Agente IA de agir de forma autônoma ou semiautônoma tem o potencial de ajudar os CIOs a concretizar sua visão de IA generativa para aumentar a produtividade em toda a organização.

2 – Plataformas de governança de IA

As plataformas de governança de IA ajudam a gerenciar e controlar os sistemas de IA garantindo que sejam usados ​​de forma responsável e ética.

Elas permitem que os líderes de TI garantam que a IA seja confiável, transparente, justa e responsável, ao mesmo tempo em que atende aos padrões de segurança e éticos. Isso garante que a IA esteja alinhada aos valores da organização e às expectativas sociais mais amplas.

Porque é uma tendência: A IA está sendo usada em mais áreas, especialmente em indústrias com regulamentações rigorosas. À medida que a IA se espalha, também se espalham riscos como preconceito, questões de privacidade e a necessidade de se alinhar com valores humanos.

É crucial garantir que a IA não prejudique certos grupos, manipule mercados ou controle sistemas importantes.

3 – Segurança de desinformação

A segurança de desinformação é projetada para ajudar a identificar o que pode ser confiável.

O objetivo é criar sistemas que garantam que as informações sejam precisas, verifiquem a autenticidade, evitem a representação falsa e monitorem a disseminação de conteúdo prejudicial.

Porque é uma tendência: A desinformação é uma corrida armamentista digital: phishing, hacktivismo, fake news e engenharia social estão sendo turbinados por adversários que pretendem semear o medo, espalhar o caos e cometer fraudes. À medida que as ferramentas de IA e aprendizado de máquina se tornam mais avançadas e acessíveis, espera-se que a desinformação direcionada às empresas aumente, representando riscos significativos e duradouros se não for controlada.

4 – Criptografia Pós-Quântica

A criptografia pós-quântica (PQC) se refere a métodos criptográficos projetados para serem seguros contra as ameaças potenciais representadas por computadores quânticos.

Porque é uma tendência: A computação quântica logo se tornará uma realidade, potencialmente nesta década, e espera-se que torne muitos métodos criptográficos convencionais obsoletos, representando um risco significativo para a segurança de dados. Os criminosos já estão antecipando essa mudança, adotando estratégias como “colher agora, descriptografar depois”, onde eles filtram dados criptografados com a expectativa de que eventualmente serão capazes de descriptografá-los usando tecnologia quântica. Essa ameaça emergente acelerou a necessidade de se preparar para o PQC, que oferece proteção contra a descriptografia quântica.

5 – Inteligência Invisível Ambiental

A inteligência invisível ambiental se refere ao uso generalizado de pequenas etiquetas e sensores de baixo custo para rastrear a localização e o status de vários objetos e ambientes.

Essas informações são enviadas para a nuvem para análise e manutenção de registros. Essas tecnologias serão incorporadas a objetos do cotidiano, muitas vezes sem que o usuário as perceba.

Porque é uma tendência: A tecnologia para etiquetas e sensores de baixo custo se tornou mais acessível, tornando-a economicamente atraente. Ela oferece visibilidade em tempo real, o que é valioso para organizações e cadeias de suprimentos — e pode se expandir para ecossistemas mais amplos ao longo do tempo. Avanços em padrões sem fio como Bluetooth e redes celulares, bem como tecnologias emergentes como backscatter e eletrônicos impressos, darão suporte a novos casos de uso. Essa inteligência também se tornará uma fonte de dados essencial para IA e análise, melhorando produtos e processos.

6 – Computação com eficiência energética

A computação com eficiência energética se refere ao projeto e operação de computadores, data centers e outros sistemas digitais de maneiras que minimizem o consumo de energia e a pegada de carbono.

Porque é uma tendência: A sustentabilidade agora é um foco de nível de diretoria.

A TI contribui significativamente para pegadas ambientais, especialmente em setores como serviços financeiros e serviços de TI, pois IA e outras tecnologias geram maior consumo de energia. Enquanto as melhorias de processamento convencionais estão atingindo seus limites, espera-se que novas tecnologias de computação, como unidades de processamento gráfico (GPUs), computação neuromórfica e computação quântica, forneçam os ganhos substanciais de eficiência energética necessários nos próximos cinco a 10 anos.

7 – Computação Híbrida

A computação híbrida combina várias tecnologias — como CPUs, GPUs, dispositivos de ponta, ASICs e sistemas neuromórficos, quânticos e fotônicos — para resolver problemas computacionais complexos.

Ela cria um ambiente híbrido que usa os pontos fortes de cada tecnologia.

Porque é uma tendência: A computação híbrida permite que as empresas aproveitem novas tecnologias como sistemas fotônicos, biocomputacionais, neuromórficos e quânticos para impacto disruptivo. IA generativa é um exemplo importante, onde resolver problemas complexos requer computação avançada, rede e armazenamento em larga escala.

8 – Computação Espacial

A computação espacial aumenta o mundo físico ao “ancorar” o conteúdo digital no mundo real, permitindo que os usuários interajam com ele em uma experiência imersiva, realista e intuitiva.

Porque é uma tendência: A computação espacial está em alta devido aos avanços em realidade aumentada (RA), realidade mista (RM) e tecnologias de IA, permitindo ambientes digitais imersivos em jogos, saúde e comércio eletrônico. A proliferação do 5G e novos dispositivos como Apple Vision Pro e Meta Quest 3 estão impulsionando a demanda do consumidor e abrindo oportunidades para novos modelos de negócios.

Com grandes empresas como Nvidia e Qualcomm construindo ecossistemas, o mercado está projetado para crescer de US$ 110 bilhões em 2023 para US$ 1,7 trilhão até 2033.

9 – Robôs polifuncionais

Robôs polifuncionais são máquinas que podem executar múltiplas tarefas, seguindo instruções ou exemplos humanos.

Eles são flexíveis tanto no design quanto na forma como operam.

Porque é uma tendência: Robôs polifuncionais estão em alta devido aos crescentes custos de mão de obra e à demanda por ROI aprimorado em setores como armazenagem e manufatura. Os fornecedores estão atraindo a atenção da mídia com preços competitivos, tornando a robótica avançada mais acessível. Embora haja uma ampla variedade de preços e capacidades, os primeiros a adotar estão explorando o potencial desses robôs para lidar com múltiplas tarefas, prometendo flexibilidade e eficiência de custos nos negócios.

10 – Aprimoramento neurológico

Aprimoramento neurológico é o processo de melhorar as habilidades cognitivas de um ser humano usando tecnologias que leem e decodificam a atividade cerebral e, opcionalmente, escrevem no cérebro.

Porque é uma tendência: O aprimoramento neurológico está em alta devido ao seu potencial de permitir a transparência cerebral, revolucionando a assistência médica.

À medida que a IA evolui rapidamente, as empresas estão explorando interfaces cérebro-máquina para ajudar os trabalhadores a se qualificarem e permanecerem competitivos ao aprimorar as habilidades cognitivas. Também está sendo analisado para criar experiências e interações mais profundas e personalizadas para o consumidor por meio de táticas de marketing de última geração.

Fonte: Gartner – 2025 Top Strategic Technology Trends. Novembro de 2024.

Spotlight on 2024 Gartner Hype Cycle™ for Emerging Technologies

Gartner 2024 Hype Cycle for Emerging Technologies Highlights Developer Productivity, Total Experience, AI and Security. Outubro de 2024

O maior ecossistema de Agentes de IA para Empresas

A Microsoft construiu, sem muito alarde, o maior ecossistema de agentes de IA voltados para empresas. Mais de 100.000 organizações já criaram ou editaram agentes de IA usando o Copilot Studio desde o lançamento, um marco que posiciona a empresa como líder em um dos setores mais promissores e competitivos da tecnologia empresarial.

“Agentes de IA são sistemas inteligentes autônomos que realizam tarefas específicas sem intervenção humana. Organizações usam agentes de IA para atingir objetivos específicos e tomar decisões, planejar e se adaptar a novas informações em tempo real. Agentes de IA aprendem e aprimoram seu desempenho por meio de feedback, utilizando algoritmos avançados e entradas sensoriais para executar tarefas e se envolver com seus ambientes.”

“Isso aconteceu mais rápido do que imaginávamos e mais rápido do que qualquer outra tecnologia inovadora que lançamos”, disse Charles Lamanna, executivo da Microsoft responsável pela visão de agentes da empresa, em entrevista ao VentureBeat. “Esse crescimento foi o dobro em apenas um trimestre.”

Essa rápida adoção coincide com a expansão significativa dos recursos de agentes da Microsoft. Durante a conferência Ignite, que começa hoje, a empresa anunciou que permitirá às organizações usar qualquer um dos 1.800 modelos de linguagem grande (LLMs) disponíveis no Azure em seus agentes, indo além da dependência exclusiva dos modelos da OpenAI. Também foram apresentados agentes autônomos capazes de atuar de forma independente, identificando eventos e gerenciando fluxos de trabalho complexos com supervisão humana mínima.

Esses agentes de IA, que utilizam IA generativa para executar tarefas comerciais específicas, estão se tornando ferramentas poderosas para automação e produtividade nas empresas. A plataforma da Microsoft possibilita a criação de agentes para uma ampla gama de tarefas, desde atendimento ao cliente até automação de processos complexos, sempre com foco em segurança e governança de nível corporativo.

Uma Base Empresarial Sólida

O sucesso inicial da Microsoft nessa área vem de sua dedicação às necessidades específicas das empresas, muitas vezes negligenciadas no ciclo de hype da IA. Além dos novos agentes autônomos e da flexibilidade dos LLMs apresentados no Ignite, a verdadeira vantagem da empresa está em sua infraestrutura empresarial robusta.

A plataforma se integra a mais de 1.400 sistemas e fontes de dados corporativos, como SAP, ServiceNow e bancos de dados SQL. Isso permite que as empresas criem agentes capazes de acessar e agir sobre informações em seus ecossistemas de TI existentes. Além disso, a Microsoft lançou dez agentes autônomos pré-configurados, voltados para funções comerciais essenciais, como vendas, finanças e cadeias de suprimentos, acelerando sua implementação em casos de uso comuns.

Embora a Microsoft não tenha detalhado os tipos de agentes mais populares entre os clientes, Lamanna destacou duas categorias principais: os agentes criados por equipes de TI para tarefas essenciais e os agentes Copilot desenvolvidos pelos próprios funcionários para compartilhar documentos ou apresentações, permitindo interações e perguntas baseadas no conteúdo.

Os recursos de segurança e governança, muitas vezes negligenciados em implantações de IA, são elementos centrais da arquitetura da Microsoft. O sistema de controle garante que os agentes operem dentro das permissões e políticas de dados corporativos.

“Esperamos que isso seja amplamente adotado”, disse Lamanna, comparando o impacto dessa tecnologia à forma como a internet transformou a conectividade e a arquitetura de sistemas no passado.

Resultados Visíveis para os Primeiros Usuários

Empresas pioneiras já estão colhendo benefícios significativos. A McKinsey, por exemplo, reduziu o tempo de entrada de projetos de 20 dias para apenas 2 dias com agentes automatizados. A Pets at Home implantou agentes antifraude em menos de duas semanas, economizando milhões anualmente. Outras organizações, como Standard Bank, Zurich e Virgin Money, também adotaram o Copilot Studio.

A “Malha do Agente” da Microsoft

No coração da estratégia da Microsoft está a “malha do agente”, um sistema interconectado onde agentes de IA colaboram para resolver problemas complexos. Esses agentes podem coordenar tarefas, compartilhar conhecimento e agir de forma integrada em toda a organização. Por exemplo, um agente de vendas pode solicitar a um agente de inventário que verifique a disponibilidade de um produto, que por sua vez notifica um agente de atendimento ao cliente para atualizar o cliente em tempo real.

Essa abordagem inclui agentes autônomos que detectam eventos e agem automaticamente, uma camada de orquestração para coordenar múltiplos agentes especializados e ferramentas de monitoramento em tempo real para garantir transparência nos fluxos de trabalho.

A Microsoft também está desenvolvendo inovações como o sistema Magnetic-One, baseado na estrutura Autogen, que estabelece uma hierarquia de agentes para gerenciar tarefas abertas e complexas. Essa abordagem visa escalar de centenas para milhões de agentes, mantendo o controle operacional.

Imagem

Por fim, o modelo de preços da plataforma reflete essa abordagem empresarial, focando no número de mensagens trocadas em vez de cobrar por processamento bruto, enfatizando os resultados de negócios. Lamanna destacou que as empresas agora buscam exemplos práticos de valor comercial, sinalizando uma mudança significativa no mercado.

A corrida pelos agentes de IA empresarial

Enquanto diversos gigantes da tecnologia investem fortemente no desenvolvimento de agentes de IA, a Microsoft se destaca por sua combinação de recursos voltados ao ambiente corporativo e integrações amplas. Concorrentes como Salesforce, com sua plataforma Agentforce, que já registra 10.000 agentes criados, e a ServiceNow, com os Agents ServiceNow, ainda estão em fases iniciais e não possuem o alcance empresarial da Microsoft, cuja base inclui centenas de milhões de trabalhadores que utilizam seus produtos de produtividade.

Os concorrentes seguem abordagens variadas. A OpenAI, por exemplo, foca no acesso direto à API, mas ainda não estruturou uma solução para implantação empresarial de agentes de IA. Seu modelo mais recente, o o1-preview, oferece avanços em raciocínio, sugerindo um potencial para agentes mais inteligentes no futuro. Empresas emergentes como Crew apresentam estruturas experimentais, mas ainda não possuem escala corporativa. A LangChain, por sua vez, é popular entre desenvolvedores devido à sua modularidade, mas prioriza experimentação em vez de implementações de larga escala. Já a AWS, por meio do SageMaker, e o Google, com suas soluções de IA voltadas a setores específicos, não têm uma estrutura de agentes tão coesa quanto a da Microsoft.

A grande vantagem da Microsoft está na integração de segurança corporativa, ferramentas de baixo código, modelos prontos para uso e SDKs avançados para desenvolvedores. Além disso, a empresa trabalhou para unificar seus diversos bancos de dados analíticos e aplicativos, permitindo que os agentes de IA acessem dados corporativos nativamente, sem depender de chamadas adicionais para fins de geração aumentada de recuperação (RAG). Um exemplo disso é o recente anúncio da integração de bancos de dados transacionais com seus agentes.

Apesar do progresso, a tecnologia de agentes de IA ainda enfrenta desafios. Modelos de linguagem podem gerar respostas incorretas (as chamadas “alucinações”) e exigem configurações cuidadosas para evitar problemas como loops infinitos ou custos excessivos. Alguns clientes têm expressado preocupações com os desafios relacionados ao custo e à implementação do Copilot.

O mercado também tende a permanecer fragmentado. Muitas empresas da Fortune 500 podem adotar abordagens híbridas, combinando os agentes Copilot da Microsoft para produtividade interna com outras plataformas para aplicações críticas e confidenciais.

Conclusão: Rumo à empresa orientada por agentes

A liderança da Microsoft na implantação de agentes de IA empresariais não se deve a um único diferencial, mas a uma abordagem abrangente que combina infraestrutura robusta, integrações extensivas e foco em resultados comerciais tangíveis, em vez de apenas capacidades técnicas.

O próximo ano será decisivo para consolidar essa liderança. Concorrentes estão aprimorando suas plataformas, enquanto as empresas começam a sair da fase de testes para adotar a tecnologia em larga escala. O que é certo é que os agentes de IA estão ultrapassando o estágio de hype e se tornando parte integrante da arquitetura de TI corporativa, trazendo desafios e oportunidades.

Para líderes técnicos, este é o momento de explorar como os agentes de IA podem transformar processos, desde a automação de tarefas rotineiras até a criação de novas formas de colaboração. Comece com projetos menores, priorize resultados mensuráveis e considere agentes pré-configurados para acelerar a implementação.

Para mais detalhes, assista à entrevista completa com Charles Lamanna, onde ele aborda como a Microsoft está liderando essa revolução, a relevância dos agentes de IA na arquitetura empresarial e a evolução de práticas como o ContentOps no contexto corporativo.

Este post foi postado originalmente no LinkedIn em O maior ecossistema de Agentes de IA para Empresas

Fonte: ‘VentureBeat: Microsoft quietly assembles the largest AI agent ecosystem—and no one else is close‘, 19 de novembro de 2024.

Robôs Humanoides, da ficção para a realidade

Photo. http://www.freepik.com

A Inteligência Artificial (IA) pode ser a inovação que permite aos robôs humanóides saltar da ficção científica para a realidade.

Robôs humanóides sempre foram um marco na ficção científica, mas agora, avanços reais estão sendo alcançados. Diversos novos modelos, desenvolvidos por empresas como Boston Dynamics, Tesla e OpenAI, possuem a capacidade de se locomover de maneira semelhante aos humanos, além de executar movimentos ágeis e precisos.

No entanto, é a integração da inteligência artificial (IA) nesses robôs que pode realmente levá-los a se tornarem parte da nossa rotina. A IA poderia aprimorar significativamente a interação entre robôs humanóides, pessoas e o ambiente ao redor. Isso poderia ser comparado ao “momento iPhone” dos robôs, marcando sua chegada em massa ao mercado.

Os grandes modelos de linguagem, a base tecnológica dos chatbots como o ChatGPT, têm demonstrado eficiência em aprender com grandes volumes de dados, aplicando essas informações para raciocinar de forma lógica. Eles são fundamentais para o conceito de “inteligência incorporada”.

Um exemplo disso é o robô humanóide do vídeo abaixo, que tem o apoio da OpenAI, mesma empresa criadora do ChatGPT.

A inteligência incorporada consiste na fusão dos processos cognitivos com as ações físicas, semelhante ao que ocorre no cérebro humano ao controlar nossos movimentos. Esse conceito visa permitir que os robôs ajam no mundo de maneira semelhante às pessoas. Ele depende de grandes modelos de linguagem e sistemas visuais de IA para entender objetos em imagens e vídeos, estabelecendo uma lógica sobre a relação entre observador e objetos, auxiliando os robôs a interagirem adequadamente.

Embora os LLMs (modelos de linguagem) não sejam, por si só, o “cérebro” dos robôs, eles podem melhorar substancialmente como esses robôs percebem e respondem ao mundo. Um exemplo é o sistema PaLM-E, desenvolvido pelo Google, que foi treinado para interpretar dados brutos de sensores robóticos, resultando em um aprendizado mais eficaz.

O ritmo de progresso é tão rápido que, enquanto este texto é escrito, um novo modelo de IA ou um paradigma inovador pode ser lançado. Avanços como o PaLM-E estão dotando os robôs humanóides de inteligência visual-espacial, permitindo que eles compreendam o mundo de forma mais eficiente, sem necessidade de programação detalhada.

A nova versão do robô Atlas da Boston Dynamics é outro exemplo.

Das fábricas para as casas

As possíveis aplicações dos robôs humanóides são vastas. As pesquisas iniciais focaram em robôs capazes de operar em ambientes extremos e perigosos para humanos, como o robô Valkyrie da NASA, projetado para a exploração espacial. Entretanto, os primeiros robôs humanóides comerciais provavelmente serão usados em ambientes controlados, como fábricas.

Modelos como o Optimus da Tesla podem transformar indústrias ao realizar tarefas que exigem precisão e resistência, colaborando com funcionários humanos para aumentar a produtividade e melhorar a segurança. Na indústria, o Optimus pode manipular materiais perigosos, fazer inspeções de qualidade e participar de processos de montagem. O Atlas da Boston Dynamics, anunciado recentemente, já está mostrando exemplos de uso, como levantar e armazenar componentes pesados.

O robô Aloha, desenvolvido pela Universidade de Stanford, mostrou-se capaz de preparar pratos chineses, carregar a máquina de lavar louças, arrumar camas e até guardar roupas sozinho.

Além da indústria, robôs humanóides também podem chegar às residências. No futuro, o Optimus poderá ajudar em tarefas domésticas, como limpar, cozinhar e até cuidar de idosos.

Com o tempo, robôs humanóides podem também ser integrados em hospitais ou na segurança pública, desempenhando funções que exigem conhecimentos específicos e ganhando aceitação entre o público.

Viabilidade no mercado

Apesar do grande potencial, a viabilidade comercial desses robôs ainda é incerta. Fatores como custo, confiabilidade e a aceitação do público influenciarão seu sucesso.

A adoção de novas tecnologias geralmente enfrenta desafios, como a confiança do consumidor e a acessibilidade. Para que o Optimus, por exemplo, tenha sucesso, ele precisará demonstrar benefícios claros que justifiquem seu custo.

Questões éticas também surgem. Quem terá acesso aos dados coletados pelos robôs em interações privadas com humanos? Além disso, há o risco de robôs substituírem empregos, como no setor de cuidados a idosos.

Essas considerações éticas serão fundamentais para moldar a opinião pública e os regulamentos. As Três Leis da Robótica de Isaac Asimov ainda podem ser aplicáveis, já que discutimos como os robôs podem interagir com humanos sem causar danos.

No entanto, a IA de hoje está longe de atingir o nível de inteligência real que vemos em filmes como “AI: Inteligência Artificial” ou “Eu, Robô”. Assim, esses cenários ainda não são realidade.

Especialistas de diversas áreas, como robótica, ética e economia, serão essenciais para garantir que os robôs humanóides sejam desenvolvidos de maneira segura e benéfica para a sociedade. Ao cruzarmos essa fronteira tecnológica, é importante refletir não apenas sobre o que é possível, mas também sobre o que é desejável para o nosso futuro coletivo.

Enquanto isso, posso imaginar um robô humanóide aparando a grama do jardim e, quem sabe, preparando uma xícara de chá relaxante para mim depois.

Fonte: The Conversation – AI could be the breakthrough that allows humanoid robots to jump from science fiction to reality

#robótica #humanoides #inteligênciaartificial #LLMs #IA #futuro #realidade