Por que as empresas querem uma IA própria

A maioria das empresas conhece a IA como um aluguel. Uma licença no ChatGPT ou no Claude, uma chave para uma interface, uma conta que cresce a cada usuário. Os modelos são excelentes e, para a maior parte do trabalho de uma empresa, esse arranjo é o certo. O nosso próprio cérebro da empresa trabalha no Claude e no ChatGPT todos os dias.

Alguns trabalhos são diferentes. Um contrato que ninguém de fora pode ler. Os relatórios de testes de um produto que ainda não foi anunciado. Décadas de know-how de engenharia, finalmente registradas em uma forma que um modelo consegue usar. Para esse trabalho, a pergunta muda. Deixa de ser qual modelo é o melhor e passa a ser em qual prédio o modelo roda, e quem aprende com o que ele lê.

O que as empresas dizem que as preocupa

A preocupação pode ser medida. Para seu estudo de benchmark de 2026, a Cisco ouviu 5'200 profissionais de TI, tecnologia e segurança em 12 mercados. Desses, 86 por cento disseram que dados armazenados localmente são intrinsecamente mais seguros, ante 90 por cento um ano antes, e 81 por cento relataram uma demanda maior por manter os dados no local. Três em cada quatro organizações tinham um órgão dedicado à governança de IA. Só 12 por cento consideravam o seu maduro.

O quadro suíço é parecido. Em uma pesquisa da EY com 604 empresas, publicada em maio de 2026, 89 por cento dos entrevistados disseram usar IA no trabalho do dia a dia. Para 51 por cento, era crítico para o negócio que os sistemas de IA cumprissem as exigências suíças ou europeias de proteção de dados.

Por trás dos números há algo mais simples. Clem Delangue, que comanda a Hugging Face, disse ao TechCrunch em julho: “você não quer terceirizar as suas capacidades essenciais para outra empresa.” Para a maioria das empresas, o know-how é o essencial. É a parte mais difícil de copiar, e a parte sobre a qual um modelo alugado menos sabe.

O que as condições corporativas já cobrem

Alugar ficou mais seguro do que era. A OpenAI afirma que os dados enviados à sua API não são usados para treinar seus modelos desde 1º de março de 2023, a menos que o cliente opte por isso. A Anthropic afirma que, por padrão, não usa entradas nem saídas dos seus produtos comerciais para treinamento.

É nos detalhes que está o trabalho. Na OpenAI, os registros guardados para monitoramento de abuso ficam retidos por até 30 dias por padrão. A retenção zero de dados existe para clientes elegíveis, mediante aprovação. Uma região europeia que abrange o EEE e a Suíça mantém o conteúdo dos clientes ali, e usá-la exige um dos controles de retenção aprovados. Dados de sistema, como os de conta, faturamento e uso, ainda podem ser tratados em outros lugares e, para modelos lançados desde 5 de março de 2026, os endpoints regionais custam 10 por cento a mais.

Nada disso é motivo para evitar os modelos alugados. É motivo para ler as condições como uma lista de requisitos. O contrato decide o que o fornecedor pode fazer com os seus dados. Ele não decide onde o fornecedor está, quando o modelo muda ou se o modelo um dia vai ficar melhor no seu trabalho. Essas são questões de arquitetura.

Os modelos de pesos abertos chegaram perto o bastante

Os modelos de pesos abertos, que uma empresa pode baixar e rodar por conta própria, chegaram perto dos melhores modelos fechados. O AI Index 2026 de Stanford constatou que, em março de 2026, o melhor modelo fechado estava 3,3 por cento à frente do melhor modelo aberto. Em agosto de 2024, a diferença era de 0,5 por cento, então ela voltou a se abrir, um pouco. Seis dos dez primeiros modelos no ranking da Arena são fechados.

Até os maiores laboratórios publicam pesos abertos. Em agosto de 2025, a OpenAI lançou dois modelos de pesos abertos sob a licença Apache 2.0. O maior roda em uma única GPU com 80 GB de memória, e o menor em 16 GB.

A Suíça tem o seu. O Apertus, construído pela EPFL, pela ETH Zurich e pelo Centro Nacional Suíço de Supercomputação, saiu na versão 1.5 em julho de 2026, agora com compreensão de imagem e áudio, sob Apache 2.0 e aberto ao uso em pesquisa e comercial. Seus criadores citam o Cantão do Ticino, que opera um serviço de tradução próprio sobre o Apertus, para que documentos sensíveis do governo sejam traduzidos sem depender de fornecedores comerciais.

Para uma tarefa específica dentro de uma empresa, o ranking importa menos do que saber se o modelo conhece os termos, as regras e as decisões passadas da empresa. Isso é algo que uma empresa pode ensinar a um modelo que é dela.

Onde um modelo privado pode rodar

Privado abrange três lugares. A conta de nuvem da própria empresa, com as suas próprias chaves. Servidores no próprio prédio ou data center. E redes fechadas que nunca tocam a internet.

Cada um tem um preço. Ter um modelo próprio significa assumir a operação dele: o hardware ou o contrato de nuvem, as atualizações, a segurança, os testes de cada nova versão e uma pessoa responsável por tudo isso. Alugar significa uma conta que cresce a cada licença e a cada consulta, e um modelo que o fornecedor pode mudar em qualquer dia.

Para a maioria das empresas, a resposta honesta é as duas coisas. O melhor modelo alugado para o trabalho aberto, em que a amplitude é o que mais importa, e um modelo próprio para o trabalho que precisa ficar dentro de casa. Delangue espera que a maioria das cargas de trabalho em produção rode em modelos privados dentro das empresas ou em modelos abertos. Nós dizemos isso com mais modéstia. A linha entre os dois é a primeira decisão, e vale a pena traçá-la de propósito.

O que privado deveria significar

Privado é uma palavra fácil de reivindicar. Estas são as perguntas que fazemos antes de usá-la.

Onde roda. Uma conta de nuvem identificada ou um prédio identificado, em um país identificado. Uma região no mapa é um começo, e nada mais.

Quem pode ler. Prompts, arquivos, logs e backups, cada um com um prazo de retenção e uma lista das pessoas e dos suboperadores que podem vê-los.

Com o que aprende. Os seus dados não treinam nada fora da sua empresa. O ideal é que treinem o modelo que trabalha para você.

Quem o altera. Uma versão permanece até que você decida substituí-la, e uma nova pode ser desfeita em um único passo.

Como é testado. Cada nova versão é medida em relação à anterior, nas suas próprias tarefas, antes de entrar no ar.

Quem pode sair. O modelo, as adaptações dele e os seus dados podem ir com você se você trocar de fornecedor.

Quem responde por ele. Uma pessoa designada responde pelo modelo, pelas regras dele e pelos seus pontos de controle. Um modelo pode ler todos os contratos do arquivo. Decidir qual cláusula a empresa aceita fica com uma pessoa, e a responsabilidade por isso também.

Por que trabalhamos com o Eigna

O Eigna é desenvolvido pelo nosso parceiro Eigna Labs e responde à maior parte dessa lista por concepção. Cada empresa recebe um modelo privado e próprio: um modelo aberto, adaptado ao seu domínio e treinado nos seus próprios arquivos, regras e linguagem. Ele roda na nuvem da própria empresa ou nos seus próprios servidores, e foi projetado para funcionar totalmente offline em redes fechadas. Os dados da empresa nunca saem dessa nuvem.

As equipes trabalham com especialistas locais para as suas próprias tarefas, do jurídico e do risco às operações e ao suporte. As correções delas ficam dentro de casa, o modelo é retreinado ali em etapas, e uma nova versão só entra no ar quando se sai melhor nos testes do que a anterior. Caso contrário, fica de fora.

A crue foi uma das primeiras empresas a testar o Eigna, e nós o usamos no nosso próprio trabalho. Quando o trabalho no Twin de uma empresa se torna confidencial ou crítico, o Twin roda no Eigna em vez de em um modelo alugado.

O Eigna está em acesso antecipado, e dizemos isso abertamente. Se o trabalho é sensível, a arquitetura deve começar por aí.