Empresas não sabem como comprar IA, e esse é o maior obstáculo da adoção, diz executivo da HPE

A maioria das empresas que hoje investe em inteligência artificial não sabe exatamente quem deve tomar a decisão de compra. Não sabe quem controla o orçamento. E não sabe o que esperar como retorno em quanto tempo. Para Dale Brown, responsável global pelo crescimento de vendas de soluções de IA da Hewlett Packard Enterprise (HPE), esse é o problema central da adoção corporativa de IA, e ele não tem solução tecnológica.

“Não existe um modelo único para tomar essas decisões. Não existe um orçamento centralizado de IA”, afirma Brown, em entrevista ao IT Forum durante o HPE Discover Las Vegas 2026*. “O que se vê é uma área de negócio tentando se transformar com IA, e ela pode ser quem toma a decisão, mas geralmente não tem formação tecnológica. Ao mesmo tempo, o time de TI é chamado, mas não recebeu o contexto completo do que o negócio está tentando fazer.”

O resultado é um impasse que Brown compara a uma transição que o setor já viveu. “Isso me lembra a migração de times em silos para o DevOps. É o mesmo tipo de transformação. As empresas vão chegar lá: vão ter um time central de IA, um orçamento centralizado, uma forma estruturada de tomar decisões. Mas esse contexto ainda não foi estabelecido.”

O medo de errar paralisa mais do que a falta de tecnologia

Brown nomeia o que trava as empresas em uma palavra: medo. Não de tecnologia, mas de consequência. “O principal obstáculo é o medo de tomar uma decisão errada, uma decisão que não vai resistir ao futuro, uma decisão de alto risco”, diz. “E esses não são problemas tecnológicos. São situacionais.”

Esse medo tem um efeito colateral: empresas que tentam blindar a decisão do futuro acabam demorando tanto para agir que perdem terreno para concorrentes que optaram por começar com o que tinham. “Não se deve deixar o ótimo ser inimigo do bom. Se há pressão de tempo, a empresa decide o que faz sentido agora. Se não há, às vezes as organizações ficam tentando prever o futuro, e enquanto isso, os competidores estão avançando.”

Leia também: IA deixa fase de testes e ganha prioridade no mercado brasileiro de software, diz Abes

Seis meses para entregar, seis meses para provar

Ao ser questionado sobre o retorno sobre o investimento, Brown recorre à história recente do setor. Houve um tempo em que as empresas investiam em IA porque soava bem, e os cientistas de dados continuavam recebendo verba sem que nada emergisse do laboratório. Esse tempo acabou. “As empresas não têm mais apetite para isso”, diz.

O padrão que ele observa nas conversas com clientes é objetivo: seis meses para produzir algo e seis meses para ver sinais de retorno. “As empresas não estão pedindo utopia em seis meses. Estão pedindo indicadores que apontem na direção certa, não indicadores tardios, mas indicadores antecedentes.”

Esse calendário de um ano está mudando a forma como as empresas estruturam a compra. Em vez de grandes projetos de transformação, clientes chegam com dois ou três casos de uso concretos e pedem uma infraestrutura que permita ir do laboratório à produção sem reescrever tudo no caminho. “O que é construído no laboratório precisa estar pronto para ir ao ar. E as pessoas que constroem coisas hoje nem sempre entendem os requisitos tradicionais de durabilidade, segurança, conformidade regulatória.”

A volta para dentro

Uma das observações de Brown diz respeito a uma inversão de tendência. Segundo ele, as empresas estão recuando da nuvem pública para repatriar cargas de trabalho de IA para seus próprios ambientes.

A explicação é menos ideológica do que parece. “A maior parte dos dados do mundo está na rede dos clientes, não na nuvem. Se uma empresa vai monetizar esses dados ou rodar sistemas que os acessam, é prático trazer a IA até os dados, não o contrário”, diz.

Há também uma questão de custo que Brown ilustra com uma analogia: “Na nuvem, não existe nada que diga ‘pare a bomba nos cem dólares’. A conta vem depois. Com infraestrutura própria, há determinada capacidade por determinado custo. É um custo limitado e previsível.”

Regulação e segurança reforçam o movimento. Setores como governo, defesa e saúde têm restrições que tornam a nuvem pública inviável para determinados dados. Mas o movimento vai além desses casos: empresas que migraram para a nuvem nos últimos anos estão reavaliando o quanto transferiram, inclusive porque perderam internamente a capacidade técnica de gerenciar infraestrutura própria.

Quem está pronto para IA na borda

Questionado sobre quais setores estão prontos para inferência de IA em ambientes distribuídos, Brown cita petroquímica, agricultura, logística e varejo. O denominador comum é que já operam sistemas distribuídos com sensores e pontos de coleta de dados espalhados geograficamente. “São as mesmas indústrias que já usam IoT. A questão agora é como colocar o processamento e os pontos de decisão mais perto de onde as coisas estão acontecendo.”

Brown acrescenta um setor que raramente aparece nessas listas: o militar. “Todos os exércitos do mundo vão examinar como a inteligência artificial, seja para vigilância ou defesa ativa, vai ser levada para a borda. E os sistemas precisam ser portáteis também.”

Para os demais setores, a borda ainda é horizonte. O que falta não é tecnologia: é a combinação de casos de uso claros, dados organizados e disposição para operar fora do ambiente centralizado.

“Não estamos vendendo servidores com GPUs”

Brown encerra a conversa com uma distinção que resume a aposta da HPE. “Quando vendemos a Private Cloud AI, não estamos vendendo servidores com GPUs. Estamos vendendo a capacidade de chegar a um resultado”, afirma.

A diferença, segundo ele, é que a HPE entrega um ambiente já integrado e testado, com suporte técnico em aplicações de IA. “É como o conceito de engenheiro de confiabilidade de site que o Google e a Amazon criaram para a nuvem, mas aplicado a toda a camada de ferramentas de IA”, conclui.

Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!

*A jornalista viajou a convite da empresa