A proliferação dos LLM: uma infinidade de opções
Parece que a cada dois dias surge um novo modelo de IA. Entre meados de 2024 e meados de 2025, testemunhamos uma “impressionante explosão de inovação” em relação aos grandes modelos linguísticos (LLM). Novos modelos estão surgindo “quase semanalmente”. Tanto as gigantes da tecnologia quanto as comunidades de código aberto avançam a toda velocidade. A série GPT da OpenAI, a família de modelos Qwen da Alibaba, a série LLaMA da Meta, PaLM/Gemini do Google, Claude da Anthropic e xAI Grok de Elon Musk (entre muitos outros) competem pela atenção dos usuários.
Entre os modelos patenteados, o GPT-5 da OpenAI e o Gemini do Google (ambos modelos multimodais) ganharam destaque, enquanto as equipes de código aberto lançaram alternativas sólidas como o Llama e o Mistral da Meta. Somente em 2024, instituições sediadas nos Estados Unidos produziram 40 modelos notáveis de IA, contra 15 da China e 3 da Europa, o que ressalta quantas novas opções de LLM as empresas devem avaliar.
Cada modelo geralmente tem variações (tamanhos, versões otimizadas, iterações como GPT-4 versus GPT-5, Llama v2 versus v3, etc.), o que multiplica a complexidade da decisão. O ritmo é “vertiginoso”: os principais modelos atuais não são apenas de texto, mas multimodais (lidam com imagens, áudio e até vídeo) e contam com enormes janelas contextuais, o que marca uma “mudança fundamental na forma de utilizar esses sistemas”.
Tentar acompanhar o ritmo é um trabalho em tempo integral. Todas as manhãs surge uma nova manchete, uma nova função ou outra publicação de lançamento no Twitter/X. Para muitos líderes empresariais e tecnólogos, manter-se a par das atualizações da IA é uma tarefa titânica. O paradoxo da escolha é real: agora que todas as semanas surge um novo modelo de IA de “última geração”, as organizações lutam para decidir qual escolher.
O surgimento dos agentes e a nova “autonomia” da IA
Já não se trata apenas de modelos autônomos: 2024 e 2025 viram um aumento dos agentes de IA capazes de agir de forma autônoma. Um exemplo é o agente ChatGPT da OpenAI, lançado para usuários Pro, Plus e Team. Ele combina navegação, logins seguros, execução de código e criação de planilhas e slides em um “computador virtual” capaz de planejar viagens, gerenciar calendários, realizar pesquisas aprofundadas e executar fluxos de trabalho de várias etapas, tudo isso com pausas para confirmação humana das ações consequentes. Este passo coloca a OpenAI diretamente na corrida da IA agente (ao lado de ferramentas como Maginative e CrewAI), embora tanto os agentes da OpenAI quanto os de seus concorrentes ainda estejam em uma fase inicial e ainda exijam uma supervisão humana sólida. O surgimento da IA agente (orquestração multiagente com autonomia orientada para objetivos) está se acelerando em 2025, mas os verdadeiros sistemas autônomos de uso geral ainda estão em seus estágios iniciais.
Essa moda dos agentes sugeria um futuro em que a IA se encarrega de tarefas com várias etapas: planejar itinerários, marcar compromissos, gerenciar fluxos de trabalho etc., tudo sozinha. É uma visão empolgante. Muitos dos primeiros “agentes” acabaram se revelando frágeis ou meros chatbots glorificados que giravam em círculos. Mesmo assim, o impulso trouxe consigo o conceito de IA agêntica, ou seja, sistemas de IA que estabelecem seus próprios objetivos e coordenam vários agentes ou ferramentas.
Conectar agentes entre si: para se aproximar dessa visão, os desenvolvedores criaram diferentes sistemas para conectar os agentes. Um exemplo é o protocolo Agent-to-Agent (A2A), que facilita a comunicação e a colaboração entre vários agentes. Outro paradigma notável é o Model Context Protocol (MCP), um padrão aberto apresentado pela Anthropic em 2024 que permite que os agentes de IA utilizem ferramentas e serviços externos de forma eficaz.
O MCP é como um “USB-C para ferramentas de IA”: padroniza a forma como um agente de IA se conecta a diversos recursos e se integra com outros agentes. Após a apresentação do MCP, A2A e protocolos semelhantes de conexão de agentes, os desenvolvedores de IA começaram a experimentar o encadeamento de agentes para criar sistemas que podem se tornar “totalmente autônomos”. Por enquanto, esses protocolos servem como “cola” para fluxos de trabalho multiagentes complexos, pois permitem que um agente passe tarefas para outro ou invoque ferramentas externas com segurança.
Por exemplo, um agente pode usar o MCP para acessar o banco de dados de uma empresa ou invocar uma pesquisa na Internet e, em seguida, enviar os resultados para outro agente para processamento posterior. Isso promete uma orquestração poderosa e recursos aprimorados, mas também apresenta novos desafios em torno da memória compartilhada, integração de ferramentas e segurança quando os agentes se comunicam entre si.
Em resumo, o ecossistema de IA não consiste apenas em muitos modelos, mas cada vez mais em redes de modelos e ferramentas que funcionam de forma coordenada, o que adiciona outra camada de complexidade que as organizações devem compreender.
Panorama fragmentado de ferramentas e estruturas
Além dos modelos e agentes, existe uma variedade impressionante de estruturas e ferramentas para construir algo útil com a IA. Os desenvolvedores de 2023 migraram em massa para bibliotecas como LangChain, uma estrutura de código aberto para orquestrar LLMs em aplicativos (por exemplo, gerenciamento de fluxos de consulta, chamadas para ferramentas, armazenamento em memória, etc.).
O surgimento da LangChain e de outros conjuntos de ferramentas semelhantes, como LlamaIndex, Haystack, Autogen, Semantic Kernel da Microsoft etc., destaca que a criação de aplicativos de IA no mundo real requer a união de muitas peças: o próprio modelo, a geração aumentada por recuperação (para basear a IA nos dados), a engenharia de prompts, a supervisão e a depuração, e assim por diante. Cada estrutura tenta simplificar o processo, mas escolher uma aumenta a carga de decisões.
É revelador que, mesmo depois de selecionar um modelo, as equipes tenham que lidar com “a integração do contexto adequado por meio da GAR para mitigar alucinações” e com “as diferenças nos resultados à medida que os modelos evoluem”. Há também o problema da rápida obsolescência: os fornecedores de IA atualizam os modelos ou APIs com frequência (por exemplo, um modelo fica obsoleto ou uma nova versão altera o comportamento), quebrando tudo o que você construiu.
Para complicar ainda mais as coisas, todos os fornecedores de nuvem e SaaS estão incorporando IA generativa em suas plataformas. Hiper Escaladores como AWS, Microsoft Azure e Google Cloud promovem seus próprios ecossistemas de IA (desde modelos patenteados até serviços de IA integrais) com o objetivo de criar uma experiência fluida para os usuários. Embora essa abordagem seja conveniente, ela também apresenta desafios para as empresas na hora de navegar pelas diversas opções disponíveis.
O serviço Bedrock da Amazon, por exemplo, foi lançado em 2023 para oferecer um menu de modelos básicos (desde o gerador de imagens Stability AI até o Claude 2 da Anthropic ou os próprios modelos Titan da Amazon) por meio de uma API. Nas palavras de um engenheiro da Amazon, “o mundo avança tão rápido em termos de [modelos de IA] que é bastante imprudente esperar que um modelo faça tudo bem… nosso objetivo é que o cliente escolha”. Em outras palavras, mesmo os provedores de serviços em nuvem reconhecem que não existe um único modelo que faça tudo, mas cada um deles reúne diferentes portfólios de modelos e ferramentas.
A Microsoft, por meio do Azure OpenAI, promove os modelos da OpenAI e suas integrações com o Teams/Copilot; o Google divulga sua plataforma Vertex AI com modelos PaLM e integrações com o Google Workspace; a AWS oferece o Bedrock com uma combinação de modelos de parceiros e enfatiza a personalização. Essa competição entre fornecedores significa que as empresas que avaliam a IA não enfrentam apenas o dilema de qual modelo escolher, mas também qual plataforma e qual estrutura de integração. O kit de ferramentas é fragmentado – a solução de uma empresa pode depender do LangChain + OpenAI no Azure, a de outra do Vertex AI + orquestração de API personalizada, etc. O resultado é um cenário confuso de opções e partes móveis.
O dilema da escolha para as empresas
Atualmente, há duas grandes corridas no mundo da IA. A primeira é a batalha para ver quem constrói os melhores modelos ou agentes básicos: os concorrentes incluem OpenAI, Anthropic, Meta, xAI e Google, entre outros. Mas essa não é a nossa corrida. A segunda corrida, a mais importante, é sobre quem implementa a IA melhor, mais rápido e com maior ROI. Esse é o verdadeiro campo de batalha para a maioria das empresas do mundo, e é onde as coisas se complicam.
Essa superabundância de opções de IA é ao mesmo tempo uma bênção e uma maldição. Por um lado, é provável que exista uma solução de IA para cada necessidade; por outro, é exponencialmente mais difícil identificar a solução adequada. A situação deu origem a um “paradoxo da escolha”, no qual as organizações se sentem presas e sobrecarregadas.
Conforme descrito em uma análise, “a explosão de ferramentas, modelos e sistemas de IA deixou as empresas com tantas opções… cada uma prometendo revolucionar os fluxos de trabalho ou desbloquear valor… que as empresas se veem incapazes de decidir qual solução é a adequada. Em vez de permitir a inovação, essa abundância de IA está gerando confusão, maus investimentos e desperdício de recursos”.
Equipes diferentes podem experimentar modelos ou plataformas diferentes, o que resulta em duplicações e sobreposições que dificultam a padronização de qualquer coisa. É comum ver silos de IA: um departamento cria um chatbot com o fornecedor X, outro cria um protótipo com a biblioteca Y, o que resulta em esforços fragmentados que não se expandem.
Além disso, a rentabilidade continua pouco transparente. Os vendedores exageram o potencial transformador, mas as empresas desconfiam sem provas claras de resultados tangíveis. Os problemas de integração são abundantes: muitas ferramentas de IA afirmam ser fáceis de integrar, mas na realidade requerem uma personalização e engenharia consideráveis para se adaptarem aos processos existentes.
Esta complexidade provoca paralisia na tomada de decisões. Um comentário no LinkedIn no final de 2024 observou que os fortes investimentos em IA muitas vezes “fracassam em sua implementação efetiva, o que se traduz em ferramentas não utilizadas e equipes frustradas… as empresas acabam se agarrando a sistemas obsoletos simplesmente porque as alternativas são muito complexas para avaliar ou implementar”. Em outras palavras, o medo de escolher a IA “errada” ou de estragar a implementação pode fazer com que uma organização simplesmente não escolha nenhuma.
O que falta em toda essa revolução é simplificação e orientação. O rápido crescimento do setor superou a capacidade de muitas empresas de compreendê-lo. Os especialistas sugerem que o que as empresas precisam não é perseguir cada novo brinquedo de IA que aparece, mas se concentrar em uma estratégia de IA mais inteligente. Nas palavras de Branislav Šmidt, “a solução não é necessariamente mais inovação, mas uma inovação mais inteligente. As empresas devem passar a perseguir tendências para construir uma estratégia de IA que funcione para elas”.
Na prática, isso significa se afastar e elaborar um roteiro claro: identificar casos de uso de grande impacto, selecionar uma pilha tecnológica sustentável (muitas vezes uma mistura de tecnologias) alinhada com esses objetivos e estabelecer uma governança para que a iniciativa de IA seja executada e adotada em toda a empresa. Isso é mais fácil dizer do que fazer e, muitas vezes, requer experiência imparcial para abrir caminho através do marketing dos vendedores e encontrar as ferramentas certas para o trabalho. No final, um plano eficaz de IA deve equilibrar as inovações que avançam rapidamente com as capacidades e necessidades reais da empresa. Em resumo, trata-se de encontrar o equilíbrio certo, em vez de seguir todas as tendências.
AI Pods e Enterprise AI da Globant: uma abordagem equilibrada que prioriza a estratégia
Neste cenário turbulento da IA, a Globant está se posicionando como guia e força estabilizadora para as empresas. Em vez de apostar em uma única tecnologia, a abordagem da Globant é continuar focada no cliente e combinar diferentes modelos. Isso ajuda os clientes a evitar ficarem presos em um ecossistema e garante que a solução utilize a ferramenta adequada para o trabalho.
No centro dessa abordagem está a Globant Enterprise AI (GEAI), uma plataforma avançada que não só fornece acesso a todos os principais LLM, mas também garante rastreabilidade, auditabilidade e permissões de acesso granular em todas as interações. A GEAI inclui roteamento inteligente para selecionar a resposta ideal e se conecta perfeitamente aos principais serviços de hiper escaladores, permitindo que os AI Pods acelerem tudo, desde o desenvolvimento de software até a otimização de processos de negócios.
Possui recursos RAG e RAFT de última geração, coleta informações sem problemas, conecta-se aos principais sistemas empresariais, como SAP e Salesforce, e permite que as empresas contribuam com seus próprios agentes personalizados ou criem novos por meio de fluxos de trabalho assistidos por IA. Ele oferece total transparência: todos os meses, os clientes recebem um relatório mensal completo que cobre 100% dos tokens, interações e artefatos gerados pelos agentes sob supervisão humana. O GEAI pode ser implantado em qualquer hiper escalador (AWS, Azure, GCP, etc.), aproveitando ao máximo seus recursos e protegendo os clientes da complexidade subjacente. Os clientes não precisam se preocupar com qual modelo ou estrutura usar, pois o GEAI elimina essas opções.
Além disso, a Globant aproveita seu conhecimento do setor para criar estratégias que se alinham às necessidades específicas do negócio. À medida que as empresas se apressam em operacionalizar a IA generativa em grande escala, a demanda está passando de pilotos experimentais para componentes específicos do setor e de nível de produção que podem ser implementados rapidamente sem comprometer a segurança ou a conformidade com as regulamentações. Os AI Studios da Globant respondem a essa necessidade com um conjunto de produtos prontos para o mercado, extraídos de implementações no mundo real dentro da experiência da empresa no setor. Esses pacotes permitem que as organizações passem do conceito para um ROI mensurável em semanas, ao mesmo tempo em que mantêm o controle de seus próprios conhecimentos e fluxos de trabalho.
Além do GEAI, os AI Pods da Globant são projetados para navegar pelas complexidades da IA e aproveitar todo o seu potencial. Os AI Pods são as equipes virtuais da sua força de trabalho digital, impulsionadas por IA agêntica e guiadas, orquestradas e supervisionadas por especialistas humanos. Eles oferecem uma abordagem independente de qualquer modelo e orientada para resultados para controlar a complexidade da IA. Eles integram tecnologias de ponta (LLM, agentes, etc.) por meio do GEAI, mantendo-se independentes de qualquer fornecedor e focando, em vez disso, em oferecer resultados comerciais. Nossos AI Pods são oferecidos com preços baseados no consumo e alinhados aos resultados, o que proporciona economia de tempo e custos garantida e traduz a proposta de valor em resultados concretos.
Em termos simples, o que a Globant oferece é uma maneira de tornar sua estratégia de IA executável. Em vez de uma abordagem pouco sistemática ou de ficar preso na paralisia da análise, um AI Pod ajuda você a dar o primeiro passo. Ele oferece uma equipe dedicada e um conjunto de ferramentas de capacidades de IA, guiadas pelas melhores práticas que permitem às empresas obterem economias tangíveis com relação à IA (em eficiência, velocidade ou novas oportunidades de receita) em vez de se perderem na experimentação.
Em resumo, o mundo da IA pode ser tão complicado quanto uma novela da tarde, mas com o parceiro certo, você não precisa atravessá-lo sozinho. De fato, a complexidade do ecossistema é exponencial e abrange modelos, agentes, protocolos e plataformas difíceis de acompanhar para qualquer pessoa. O segredo é não dar ouvidos ao barulho e alinhar a adoção da IA com um valor empresarial claro. Os AI Pods e a plataforma de IA empresarial da Globant têm como objetivo fornecer essa orientação, trazendo clareza, equilíbrio e execução à sua experiência com IA, para que você possa combinar as tecnologias certas (e apenas as certas) com o seu negócio e começar a colher benefícios tangíveis da inovação em IA.
