Tag: Tendências

Mais de três décadas atrás, a Red Hat viu o potencial do desenvolvimento e das licenças open source para criar melhores softwares e fomentar a inovação de TI. Trinta milhões de linhas de código depois, o Linux não apenas se desenvolveu a ponto de se tornar o software open source mais bem-sucedido, como também mantém essa posição até hoje. O compromisso com os princípios open source continua, não apenas no modelo de negócios corporativa, como também é parte cultura de trabalho. Na avaliação da empresa, esses conceitos têm o mesmo impacto na inteligência artificial (IA) se feitos da maneira correta, mas o mundo da tecnologia está dividido em relação ao que seria a “maneira certa”.

A IA, em especial os grandes modelos de linguagem (LLMs) por trás da IA generativa (gen AI), não pode ser vista da mesma forma como um programa aberto. Ao contrário do software, os modelos de IA consistem principalmente em modelos de parâmetros numéricos que determinam como um modelo processa inputs, assim como a conexão que faz entre vários data points. Parâmetros de modelos treinados são o resultado de um longo processo envolvendo vastas quantidades de dados de treinamento que são cuidadosamente preparados, misturados e processados.

Embora os parâmetros do modelo não sejam software, em alguns aspectos possuem uma função semelhante ao código. É fácil fazer a comparação de que os dados são o código-fonte do modelo, ou seriam muito próximos a ele. No open source, o código-fonte é comumente definido como a “forma preferida” para fazer modificações no software. Os dados de treinamento sozinhos não se encaixam nessa função, dado que seu tamanho difere e do seu complicado processo de pré-treinamento que resulta em uma conexão tênue e indireta que qualquer item dos dados usados no treinamento tem com os parâmetros treinados e o comportamento resultante do modelo.

A maioria das melhorias e aprimoramentos em modelos de IA que estão ocorrendo agora na comunidade não envolvem acesso ou manipulação dos dados originais de treinamento. Em vez disso, eles são o resultado de modificações nos parâmetros de modelo ou em um processo ou ajuste que também pode servir para ajustar a performance do modelo. A liberdade de fazer essas melhorias no modelo exige que os parâmetros sejam lançados com todas as permissões que os usuários recebem sob licenças open source.

Visão da Red Hat para a IA open source.

A Red Hat acredita que a base do IA open source se encontra nos parâmetros de modelo licenciados de forma open source combinados com componentes de software open source. Este é um ponto de partida da IA open source, mas não o último destino da filosofia. A Red Hat incentiva a comunidade open source, autoridades regulatórias e a indústria a continuarem se esforçando para obter maior transparência e alinhamento com os princípios de desenvolvimento open source ao treinar e ajustar modelos de IA.

Esta é a visão da Red Hat como empresa, que abrange um ecossistema de software open source, pode engajar de forma prática com a IA open source. Não é uma tentativa de definição formal, como a que a Open Source Initiative (OSI) está desenvolvendo com a sua Open Source AI Definition (OSAID). Esse é o ponto de vista da corporação faz da  IA open source factível e acessível para o maior conjunto de comunidades, organizações e fornecedores.

Esse ponto de vista em prática é posto em prático por meio do trabalho com as comunidades open source, destacado pelo projeto InstructLab, liderado pela Red Hat e do esforço com a IBM Research na família Granite de modelos open source licenciados. O InstructLab reduz significativamente as barreiras para que pessoas que não são cientistas de dados contribuam com modelos de IA. Com o InstructLab, especialistas de domínio de todas os setores podem acrescentar suas habilidades e conhecimento, tanto para uso interno como para ajudar um modelo open source IA compartilhado e amplamente acessível para comunidades upstream.

A família de modelos Granite 3.0 lida com uma ampla gama de casos de uso de IA, desde geração de código até processamento de linguagem natural para extrair insights de grandes datasets, tudo sob uma permissiva licença open source. Nós ajudamos a IBM Research a trazer a família de modelos de código Granite para o mundo open source e continuamos a oferecer suporte à família de modelos, tanto do ponto de vista open source como parte de nossa oferta Red Hat AI .

A repercussão dos recentes anúncios da DeepSeek mostra como a inovação open source pode impactar a IA, tanto no nível do modelo como além. Obviamente há preocupações sobre a abordagem da plataforma chinesa, principalmente que a licença do modelo não explica como ele foi produzido, o que reforça a necessidade de transparência. Dito isso, a disrupção mencionada reforça a visão da Red Hat sobre o porvir da IA: um futuro aberto, focado em modelos menores, otimizados e abertos, que podem ser customizados para casos de uso de dados empresariais específicos em todo e qualquer local da nuvem híbrida. 

Expandindo modelos de IA para além do open source

O trabalho da Red Hat no espaço da IA open source vai muito além do InstructLab e da família de modelos Granite, indo até as ferramentas e plataformas necessárias para de fato consumir e produtivamente usar IA. A empresa se tornou muito ativa no fomento de projetos e comunidades de tecnologia, como por exemplo (mas não apenas):

●      RamaLama, um projeto open source que visa facilitar o gerenciamento e a disponibilização locais de modelos de IA;

●      TrustyAI, um toolkit open source para a construção de fluxos de trabalho de IA mais responsáveis;

●      Climatik, um projeto centrado em ajudar a tornar a IA mais sustentável quando se trata de consumo de energia;

●      Podman AI Lab, um toolkit de desenvolvedores focado em facilitar a experimentação com LLMs open source;

O recente anúncio sobre a Neural Magic amplia a visão corporativa sobre IA, fazendo com que seja possível para que organizações alinhem modelos de IA menores e otimizados, incluindo sistema open source licenciados, com seus dados, onde quer que vivam na nuvem híbrida. As organizações de TI podem, então, utilizar o servidor de inferência vLLM para impulsionar as decisões e a produção destes modelos, ajudando a construir uma pilha de IA baseada em tecnologias transparentes e com suporte.

Para a corporação, a IA open source AI vive e respira na nuvem híbrida. A nuvem híbrida fornece a flexibilidade necessária para escolher o melhor ambiente para cada carga de trabalho de IA, otimizando a performance, custo, escala e requerimentos de segurança. As plataformas, metas e organização da Red Hat apoiam estes esforços, juntamente com parceiros do setor, clientes e a comunidade open source, à medida que o código aberto na inteligência artificial seja impulsionado.

Há um imenso potencial para ampliar essa colaboração aberta no espaço da IA. A Red Hat enxerga um futuro que abrange trabalho transparente em modelos, assim como seu treinamento. Seja na próxima semana ou no próximo mês (ou até antes, dada a rapidez da evolução da IA), a empresa e comunidade aberta, como um todo, continuarão a poiar e adotar os esforços para democratizar e abrir o mundo da IA.

Mais de três décadas atrás, a Red Hat viu o potencial do desenvolvimento e das licenças open source para criar melhores softwares e fomentar a inovação de TI. Trinta milhões de linhas de código depois, o Linux não apenas se desenvolveu a ponto de se tornar o software open source mais bem-sucedido, como também mantém essa posição até hoje. O compromisso com os princípios open source continua, não apenas no modelo de negócios corporativa, como também é parte cultura de trabalho. Na avaliação da empresa, esses conceitos têm o mesmo impacto na inteligência artificial (IA) se feitos da maneira correta, mas o mundo da tecnologia está dividido em relação ao que seria a “maneira certa”.

A IA, em especial os grandes modelos de linguagem (LLMs) por trás da IA generativa (gen AI), não pode ser vista da mesma forma como um programa aberto. Ao contrário do software, os modelos de IA consistem principalmente em modelos de parâmetros numéricos que determinam como um modelo processa inputs, assim como a conexão que faz entre vários data points. Parâmetros de modelos treinados são o resultado de um longo processo envolvendo vastas quantidades de dados de treinamento que são cuidadosamente preparados, misturados e processados.

Embora os parâmetros do modelo não sejam software, em alguns aspectos possuem uma função semelhante ao código. É fácil fazer a comparação de que os dados são o código-fonte do modelo, ou seriam muito próximos a ele. No open source, o código-fonte é comumente definido como a “forma preferida” para fazer modificações no software. Os dados de treinamento sozinhos não se encaixam nessa função, dado que seu tamanho difere e do seu complicado processo de pré-treinamento que resulta em uma conexão tênue e indireta que qualquer item dos dados usados no treinamento tem com os parâmetros treinados e o comportamento resultante do modelo.

A maioria das melhorias e aprimoramentos em modelos de IA que estão ocorrendo agora na comunidade não envolvem acesso ou manipulação dos dados originais de treinamento. Em vez disso, eles são o resultado de modificações nos parâmetros de modelo ou em um processo ou ajuste que também pode servir para ajustar a performance do modelo. A liberdade de fazer essas melhorias no modelo exige que os parâmetros sejam lançados com todas as permissões que os usuários recebem sob licenças open source.

Visão da Red Hat para a IA open source.

A Red Hat acredita que a base do IA open source se encontra nos parâmetros de modelo licenciados de forma open source combinados com componentes de software open source. Este é um ponto de partida da IA open source, mas não o último destino da filosofia. A Red Hat incentiva a comunidade open source, autoridades regulatórias e a indústria a continuarem se esforçando para obter maior transparência e alinhamento com os princípios de desenvolvimento open source ao treinar e ajustar modelos de IA.

Esta é a visão da Red Hat como empresa, que abrange um ecossistema de software open source, pode engajar de forma prática com a IA open source. Não é uma tentativa de definição formal, como a que a Open Source Initiative (OSI) está desenvolvendo com a sua Open Source AI Definition (OSAID). Esse é o ponto de vista da corporação faz da  IA open source factível e acessível para o maior conjunto de comunidades, organizações e fornecedores.

Esse ponto de vista em prática é posto em prático por meio do trabalho com as comunidades open source, destacado pelo projeto InstructLab, liderado pela Red Hat e do esforço com a IBM Research na família Granite de modelos open source licenciados. O InstructLab reduz significativamente as barreiras para que pessoas que não são cientistas de dados contribuam com modelos de IA. Com o InstructLab, especialistas de domínio de todas os setores podem acrescentar suas habilidades e conhecimento, tanto para uso interno como para ajudar um modelo open source IA compartilhado e amplamente acessível para comunidades upstream.

A família de modelos Granite 3.0 lida com uma ampla gama de casos de uso de IA, desde geração de código até processamento de linguagem natural para extrair insights de grandes datasets, tudo sob uma permissiva licença open source. Nós ajudamos a IBM Research a trazer a família de modelos de código Granite para o mundo open source e continuamos a oferecer suporte à família de modelos, tanto do ponto de vista open source como parte de nossa oferta Red Hat AI .

A repercussão dos recentes anúncios da DeepSeek mostra como a inovação open source pode impactar a IA, tanto no nível do modelo como além. Obviamente há preocupações sobre a abordagem da plataforma chinesa, principalmente que a licença do modelo não explica como ele foi produzido, o que reforça a necessidade de transparência. Dito isso, a disrupção mencionada reforça a visão da Red Hat sobre o porvir da IA: um futuro aberto, focado em modelos menores, otimizados e abertos, que podem ser customizados para casos de uso de dados empresariais específicos em todo e qualquer local da nuvem híbrida. 

Expandindo modelos de IA para além do open source

O trabalho da Red Hat no espaço da IA open source vai muito além do InstructLab e da família de modelos Granite, indo até as ferramentas e plataformas necessárias para de fato consumir e produtivamente usar IA. A empresa se tornou muito ativa no fomento de projetos e comunidades de tecnologia, como por exemplo (mas não apenas):

●      RamaLama, um projeto open source que visa facilitar o gerenciamento e a disponibilização locais de modelos de IA;

●      TrustyAI, um toolkit open source para a construção de fluxos de trabalho de IA mais responsáveis;

●      Climatik, um projeto centrado em ajudar a tornar a IA mais sustentável quando se trata de consumo de energia;

●      Podman AI Lab, um toolkit de desenvolvedores focado em facilitar a experimentação com LLMs open source;

O recente anúncio sobre a Neural Magic amplia a visão corporativa sobre IA, fazendo com que seja possível para que organizações alinhem modelos de IA menores e otimizados, incluindo sistema open source licenciados, com seus dados, onde quer que vivam na nuvem híbrida. As organizações de TI podem, então, utilizar o servidor de inferência vLLM para impulsionar as decisões e a produção destes modelos, ajudando a construir uma pilha de IA baseada em tecnologias transparentes e com suporte.

Para a corporação, a IA open source AI vive e respira na nuvem híbrida. A nuvem híbrida fornece a flexibilidade necessária para escolher o melhor ambiente para cada carga de trabalho de IA, otimizando a performance, custo, escala e requerimentos de segurança. As plataformas, metas e organização da Red Hat apoiam estes esforços, juntamente com parceiros do setor, clientes e a comunidade open source, à medida que o código aberto na inteligência artificial seja impulsionado.

Há um imenso potencial para ampliar essa colaboração aberta no espaço da IA. A Red Hat enxerga um futuro que abrange trabalho transparente em modelos, assim como seu treinamento. Seja na próxima semana ou no próximo mês (ou até antes, dada a rapidez da evolução da IA), a empresa e comunidade aberta, como um todo, continuarão a poiar e adotar os esforços para democratizar e abrir o mundo da IA.

Um dia desses desisti de pegar um avião para Nova Iorque. Na verdade, todo início de janeiro, há anos, eu desisto de pegar um avião para Nova Iorque. Tão certo quanto todo início de dezembro eu planejo pegá-lo em janeiro. NRF. National Retail Federation. A grande feira mundial do varejo.  

É período de férias escolares e acabo sempre priorizando a família, sol e calor. Mas nem por isso deixo de ler, ver e ouvir as tendências que chegam fresquinhas da Big Apple. Esse ano chamou demais a minha atenção o podcast #boravarejo do Alfredo Soares com o Mariano Gomide, co-CEO da Vtex. O cara deu uma aula sobre empreendedorismo, varejo, gestão e e-commerce em 40 min. E sobre NY.  

Mas eu acabei por me fixar num ponto. Que vem ao encontro do novo momento da minha empresa, especialmente pós-pandemia. Mariano falou da importância de as marcas terem algum tipo de interlocução direta com seu público, com sua base. Nos últimos anos, acompanhamos o aumento do custo de anunciar nas bigtechs, especialmente Google e Meta. Um desafio cada vez maior para os marketeiros digitais é gerar leads nessas grandes plataformas de comunicação. É difícil converter no orgânico, mas ainda mais no pago.  

Em paralelo, os algoritmos das redes sociais evoluíram muito nesse mesmo período e é fato que as redes entregam cada vez menos conteúdo para os seguidores da marca. Também está, portanto, cada vez mais difícil gerar engajamento. Mariano falou da necessidade imperativa das marcas falarem direto com seu consumidor, sem intermediários. Os demais presentes no estúdio fizeram coro. Também ressaltaram a importância da frequência da comunicação.  

Há basicamente três formas de uma empresa se comunicar diretamente com seu público. Telefone, mensagem direta, e-mail. Não vou perder tempo com o telefone que, se ainda é muito utilizado e mediamente eficaz para telemarketing, certamente não se presta a uma comunicação tão frequente quanto não invasiva. Sim, a empresa precisa se comunicar várias vezes por semana, mas sem invadir/incomodar seu lead/cliente/prospect.   

Passamos então às mensagens diretas. SMS, WhatsApp e as mensagens diretas em redes sociais. Se o WhatsApp se consagrou a partir da pandemia como canal direto de venda, e de fato é surpreendente a eficácia desse canal para o momento da compra (isso foi muito ressaltado pelo Alfredo Soares no pós NRF em São Paulo), ele certamente não se presta para o dia a dia da comunicação entre a marca e seu consumidor. Se torna dessa forma invasivo também.  

Chegamos ao patinho feio da comunicação digital, o “tio da sukita” da internet, o velho, chato e lento e-mail. Engano. O e-mail jamais morreu; e o e-mail marketing não apenas não morreu com ele como cresceu muito em paralelo ao crescimento do e-commerce e a esse mundo pós-pandêmico. Ele é a ponte perfeita que sua empresa pode não estar pegando. De todos os meios acima é o mais barato. Mas mais do que isso é o mais eficaz.   

Com a evolução da automação de marketing digital, hoje é possível criar réguas de relacionamento com uma base que fará a comunicação de acordo com o comportamento do consumidor. E o grande barato (com o perdão do trocadilho) é que o e-mail é a comunicação central, mas ela é automatizada também com SMS e WhatsApp. Tudo integrado.   

Se seu visitante do site abandona o carrinho de compras ele recebe um e-mail, se ele visita a sua loja, recebe um e-mail de boas-vindas. No seu aniversário? Um e-mail. Ele comprou? Que tal um WhatsApp com um cashback? Se ele clicou no blog do site, quem sabe um e-mail com mais conteúdo? Pronto, está estabelecida uma comunicação direta entre marca e público. Ela não depende de algoritmo, mas do próprio trabalho da marca. Ela representa o próprio veículo da marca. Também por meio dela a empresa pode aumentar exponencialmente sua base de dados, enriquecendo-a e assim gerando automações ainda mais certeiras.  

O e-mail marketing segue sendo o maior “roi” (retorno sobre investimento) do digital nos EUA e UK, e aqui no Brasil uma das mídias de maior resultado para o e-commerce, segundo especialistas como Rafael Kiso.  

E a sua empresa? Já usa essa ponte ou segue à mercê das águas turbulentas das poderosas bigtechs? 

Um dia desses desisti de pegar um avião para Nova Iorque. Na verdade, todo início de janeiro, há anos, eu desisto de pegar um avião para Nova Iorque. Tão certo quanto todo início de dezembro eu planejo pegá-lo em janeiro. NRF. National Retail Federation. A grande feira mundial do varejo.  

É período de férias escolares e acabo sempre priorizando a família, sol e calor. Mas nem por isso deixo de ler, ver e ouvir as tendências que chegam fresquinhas da Big Apple. Esse ano chamou demais a minha atenção o podcast #boravarejo do Alfredo Soares com o Mariano Gomide, co-CEO da Vtex. O cara deu uma aula sobre empreendedorismo, varejo, gestão e e-commerce em 40 min. E sobre NY.  

Mas eu acabei por me fixar num ponto. Que vem ao encontro do novo momento da minha empresa, especialmente pós-pandemia. Mariano falou da importância de as marcas terem algum tipo de interlocução direta com seu público, com sua base. Nos últimos anos, acompanhamos o aumento do custo de anunciar nas bigtechs, especialmente Google e Meta. Um desafio cada vez maior para os marketeiros digitais é gerar leads nessas grandes plataformas de comunicação. É difícil converter no orgânico, mas ainda mais no pago.  

Em paralelo, os algoritmos das redes sociais evoluíram muito nesse mesmo período e é fato que as redes entregam cada vez menos conteúdo para os seguidores da marca. Também está, portanto, cada vez mais difícil gerar engajamento. Mariano falou da necessidade imperativa das marcas falarem direto com seu consumidor, sem intermediários. Os demais presentes no estúdio fizeram coro. Também ressaltaram a importância da frequência da comunicação.  

Há basicamente três formas de uma empresa se comunicar diretamente com seu público. Telefone, mensagem direta, e-mail. Não vou perder tempo com o telefone que, se ainda é muito utilizado e mediamente eficaz para telemarketing, certamente não se presta a uma comunicação tão frequente quanto não invasiva. Sim, a empresa precisa se comunicar várias vezes por semana, mas sem invadir/incomodar seu lead/cliente/prospect.   

Passamos então às mensagens diretas. SMS, WhatsApp e as mensagens diretas em redes sociais. Se o WhatsApp se consagrou a partir da pandemia como canal direto de venda, e de fato é surpreendente a eficácia desse canal para o momento da compra (isso foi muito ressaltado pelo Alfredo Soares no pós NRF em São Paulo), ele certamente não se presta para o dia a dia da comunicação entre a marca e seu consumidor. Se torna dessa forma invasivo também.  

Chegamos ao patinho feio da comunicação digital, o “tio da sukita” da internet, o velho, chato e lento e-mail. Engano. O e-mail jamais morreu; e o e-mail marketing não apenas não morreu com ele como cresceu muito em paralelo ao crescimento do e-commerce e a esse mundo pós-pandêmico. Ele é a ponte perfeita que sua empresa pode não estar pegando. De todos os meios acima é o mais barato. Mas mais do que isso é o mais eficaz.   

Com a evolução da automação de marketing digital, hoje é possível criar réguas de relacionamento com uma base que fará a comunicação de acordo com o comportamento do consumidor. E o grande barato (com o perdão do trocadilho) é que o e-mail é a comunicação central, mas ela é automatizada também com SMS e WhatsApp. Tudo integrado.   

Se seu visitante do site abandona o carrinho de compras ele recebe um e-mail, se ele visita a sua loja, recebe um e-mail de boas-vindas. No seu aniversário? Um e-mail. Ele comprou? Que tal um WhatsApp com um cashback? Se ele clicou no blog do site, quem sabe um e-mail com mais conteúdo? Pronto, está estabelecida uma comunicação direta entre marca e público. Ela não depende de algoritmo, mas do próprio trabalho da marca. Ela representa o próprio veículo da marca. Também por meio dela a empresa pode aumentar exponencialmente sua base de dados, enriquecendo-a e assim gerando automações ainda mais certeiras.  

O e-mail marketing segue sendo o maior “roi” (retorno sobre investimento) do digital nos EUA e UK, e aqui no Brasil uma das mídias de maior resultado para o e-commerce, segundo especialistas como Rafael Kiso.  

E a sua empresa? Já usa essa ponte ou segue à mercê das águas turbulentas das poderosas bigtechs? 

Em um mundo corporativo cada vez mais dinâmico e competitivo, a colaboração entre o CEO e o Board (Conselho de Administração) tem se tornado um fator crítico para impulsionar o crescimento e garantir a criação de valor a longo prazo. Um estudo recente revelou que conselhos que trabalham de forma estreita com seus CEOs têm o dobro das chances de gerar impacto significativo para suas organizações. No contexto brasileiro, onde a adoção da Inteligência Artificial (IA) se acelera, essa sinergia se torna ainda mais crucial para impulsionar o crescimento, a inovação e a governança estratégica.

A integração de IA na estratégia corporativa exige que os Boards não apenas compreendam as oportunidades e riscos dessa tecnologia, mas também forneçam direção estratégica para sua implementação eficaz. No entanto, pesquisas indicam que a maioria dos conselhos ainda tem pouca experiência com IA, e apenas 14% discutem esse tema em todas as reuniões. Esse vácuo pode comprometer decisões críticas sobre segurança, ética e impacto regulatório, retardando o crescimento e a competitividade das organizações. No entanto, o cenário está mudando, com 59% dos membros de conselhos afirmando que estão fortalecendo a colaboração com as equipes de gestão, especialmente com o CEO, em resposta a desafios como a IA Generativa, a segurança cibernética e a transição para o net zero.

No Brasil, onde multinacionais tecnológicas enfrentam desafios específicos, como a regulação da IA, transformação digital acelerada e escassez de talentos qualificados, a colaboração eficaz entre CEO e Board pode ser um diferencial competitivo. Conforme apontou um estudo, a maioria dos CEOs brasileiros de organizações de alto desempenho prioriza o crescimento, mesmo em um cenário econômico desafiador. Por isso, a tomada de decisão precisa ser rápida e assertiva, levando em conta aspectos como escalabilidade da IA, cibersegurança e governança digital. Os CEOs que contam com um conselho engajado e bem-informado conseguem antever tendências, mitigar riscos e explorar oportunidades de expansão para novos mercados com mais eficácia.

Para o CEO de uma empresa de tecnologia no Brasil, a colaboração com o Conselho de Administração é fundamental para navegar nesse cenário em constante mudança. O Board, com sua visão estratégica e experiência diversificada, pode fornecer insights valiosos sobre as oportunidades e os desafios da adoção da IA, bem como sobre as melhores práticas de governança e gestão de riscos. Juntos, o CEO e o Conselho podem definir uma estratégia de IA alinhada com os objetivos de negócios da empresa, identificar os investimentos prioritários e garantir que a organização esteja preparada para aproveitar ao máximo o potencial da IA.

A implementação de IA em escala também exige que o conselho e o CEO adotem processos de comunicação transparentes e eficientes. Segundo um levantamento, Boards que mantêm uma colaboração próxima ao CEO têm 2,4 vezes mais chances de realizar reuniões produtivas e de alto impacto. Essa comunicação frequente permite que o conselho compreenda melhor as necessidades operacionais da companhia, garantindo que as decisões sejam alinhadas à estratégia corporativa e que os investimentos em IA sejam direcionados de forma a gerar retorno real.

Uma governança eficaz também requer que os Boards invistam na sua própria educação em IA. Organizações que introduzem programas de capacitação para seus conselheiros ou contam com especialistas externos para assessorar a tomada de decisão demonstram maior capacidade de adotar IA de maneira segura e inovadora. Essa abordagem contribui para reduzir resistências internas e fortalecer a confiança no uso da tecnologia como impulsionadora de novos negócios.

A adoção da IA no Brasil apresenta desafios e oportunidades únicas. O país possui um grande potencial de crescimento nesse campo, impulsionado por uma população jovem e conectada, um ecossistema de startups vibrante e um crescente investimento em tecnologia. No entanto, também enfrenta desafios como a falta de talentos especializados, a necessidade de regulamentação e a preocupação com os impactos éticos e sociais da IA.

No cenário global, no qual as grandes potências econômicas ajustam suas políticas comerciais e tecnológicas, as multinacionais precisam equilibrar agilidade e segurança na adoção de IA. Por isso, os CEOs no Brasil devem garantir que seus conselhos estejam preparados para navegar em um ambiente regulatório cada vez mais complexo e para explorar modelos de negócio baseados em IA que possam escalar globalmente. Aquelas organizações que conseguem estruturar essa parceria entre CEO e conselho de forma eficaz tendem a se destacar, transformando desafios em oportunidades de crescimento sustentável.

Em 2025, o CEO brasileiro de sucesso será aquele que conseguir combinar visão estratégica, conhecimento técnico e habilidades de liderança para transformar a IA em um motor de crescimento e criação de valor para a empresa. O sucesso nesta era não depende mais apenas de tecnologia de ponta, mas da capacidade das lideranças de atuarem de forma coordenada e visionária. Neste sentido, a parceria com um Board engajado e colaborativo será um diferencial fundamental para alcançar esse objetivo, promovendo uma cultura de aprendizado contínuo e decisão ágil. Desta forma é possível estar mais bem posicionado para capturar valor e criar um futuro de crescimento sustentável e inovação constante.