Modelos de IA menores são alternativa segura para governo

Governos e instituições públicas brasileiras enfrentam um desafio crescente: como adotar inteligência artificial (IA) sem comprometer a segurança de dados sensíveis ou violar regulamentações rigorosas. Enquanto empresas privadas podem terceirizar soluções de IA para a nuvem com relativa facilidade, órgãos públicos precisam de abordagens distintas — especialmente quando operam com infraestrutura limitada, conexões instáveis ou legislações como a LGPD (Lei Geral de Proteção de Dados). Nesse contexto, os modelos de linguagem pequenos (SLMs, na sigla em inglês) surgem como uma solução prática e segura, permitindo que a IA seja implementada de forma controlada e eficiente.

Uma pesquisa da Capgemini revelou que 79% dos executivos do setor público global têm receios quanto à segurança de dados em projetos de IA — uma preocupação justificada, considerando a natureza confidencial das informações governamentais e as obrigações legais envolvidas. Han Xiao, vice-presidente de IA da Elastic, destaca que as agências governamentais precisam restringir rigorosamente quais dados podem ser enviados à nuvem. “Isso impõe limites significativos na forma como gerenciam e processam suas informações”, afirma. Enquanto empresas privadas podem arcar com os riscos de modelos complexos e centralizados, o setor público não tem essa flexibilidade.

As barreiras operacionais do setor público são inúmeras. Empresas do setor privado, ao adotar IA, geralmente contam com infraestrutura robusta, como conectividade constante à nuvem, servidores centralizados e tolerância a eventuais falhas de transparência nos modelos. Já os órgãos governamentais operam sob condições completamente distintas: dados devem permanecer sob controle local, informações precisam ser auditáveis, e interrupções nos serviços podem ter consequências graves. Além disso, muitos governos enfrentam limitações de conectividade, com redes instáveis ou até mesmo inexistentes em regiões remotas.

Um levantamento da Elastic com líderes do setor público identificou que 65% deles têm dificuldade em usar dados em tempo real e em larga escala — um problema que inviabiliza muitos projetos-piloto de IA. A escassez de recursos também é um obstáculo: enquanto empresas privadas investem em GPUs (unidades de processamento gráfico) para treinar modelos avançados, órgãos governamentais raramente priorizam essa infraestrutura. “O governo não costuma comprar GPUs como o setor privado. Gerenciar essa tecnologia já é um gargalo por si só”, explica Xiao. Sem hardware adequado, a implementação de modelos grandes se torna inviável.

É nesse cenário que os SLMs se destacam. Diferentemente dos modelos de linguagem gigantes (LLMs), que exigem centenas de bilhões de parâmetros e recursos computacionais massivos, os SLMs são projetados para operar localmente, com uma fração da complexidade. Estudos empíricos mostram que eles podem oferecer desempenho igual ou superior aos LLMs em tarefas específicas — e sem os custos operacionais ou riscos de segurança associados a modelos centralizados. “É fácil usar o ChatGPT para revisar um texto, mas rodar um LLM próprio em um ambiente sem internet é um desafio”, compara Xiao.

Os SLMs também permitem maior personalização. Ao contrário dos modelos genéricos, que respondem com base em dados treinados até uma data específica (gerando o problema das “alucinações” em informações recentes), os SLMs podem ser ajustados para trabalhar com fontes verificadas e atualizadas. Isso reduz erros, vieses e respostas incorretas — um ponto crítico para governos, que precisam de precisão absoluta em documentos legais ou decisões administrativas. “LLMs geram texto com base no que aprenderam até certo ponto. Se você perguntar algo após essa data, ele inventará a resposta. Nós resolvemos isso forçando o modelo a usar apenas informações confiáveis”, esclarece Xiao.

Outra vantagem dos SLMs é a capacidade de busca avançada. Enquanto muitas pessoas associam IA a ferramentas como o ChatGPT, o verdadeiro potencial da tecnologia no setor público está em revolucionar a forma como os órgãos governamentais pesquisam e gerenciam suas vastas bases de dados. Relatórios técnicos, atas de reuniões, contratos e até gravações de áudio podem ser indexados e analisados por SLMs, que extraem insights de múltiplos formatos e em diversos idiomas. “O setor público tem uma quantidade imensa de dados, mas muitas vezes não sabe como utilizá-los ou quais possibilidades existem”, observa Xiao.

Essa capacidade vai além da simples busca: SLMs podem interpretar normas legais, analisar resultados de consultas públicas ou apoiar decisões executivas com base em dados. Por exemplo, um governo poderia usar IA para identificar padrões em reclamações de cidadãos, otimizar a alocação de recursos ou até mesmo automatizar a redação de relatórios complexos — tudo de forma transparente e auditável. “Hoje, a IA pode oferecer uma visão completamente nova de como aproveitar esses dados”, afirma Xiao. A tecnologia também facilita o acesso do público a serviços e informações administrativas, melhorando a eficiência e a transparência governamental.

Do ponto de vista financeiro e ambiental, os SLMs são mais viáveis que os LLMs. Embora exijam algum investimento inicial, eles são menos intensivos em recursos computacionais e, consequentemente, mais baratos para implementar e manter. Além disso, seu consumo de energia é significativamente menor, alinhando-se aos esforços de governos para reduzir a pegada de carbono. Para agências sujeitas a auditorias rigorosas — como as europeias, obrigadas a seguir o GDPR — os SLMs oferecem outra vantagem: a possibilidade de documentar e certificar seus algoritmos como transparentes e conformes com a legislação.

A adoção de SLMs também minimiza riscos cibernéticos. Ao manter os dados armazenados localmente ou em dispositivos específicos, em vez de enviá-los para servidores externos, os órgãos governamentais reduzem a exposição a ataques ou vazamentos. Essa estratégia não se trata de isolamento tecnológico, mas de garantir autonomia operacional e confiança na IA. “Não comece com um chatbot. Comece com uma ferramenta de busca”, recomenda Xiao. “Grande parte do que chamamos de ‘inteligência’ em IA, na verdade, resume-se a encontrar a informação certa no momento certo.”

O futuro da IA no setor público parece promissor com os SLMs. Segundo projeções da Gartner, até 2027, modelos especializados e menores serão três vezes mais utilizados do que os LLMs em ambientes governamentais. Essa tendência reflete uma mudança de paradigma: em vez de enviar dados para a nuvem, os órgãos públicos estão levando a IA até os dados. Com isso, é possível construir capacidades duradouras de IA que apoiem decisões reais, sem comprometer a segurança ou a conformidade legal.

Para governos brasileiros, a lição é clara: a IA não precisa ser sinônimo de riscos ou complexidade. Com modelos menores e personalizados, é possível modernizar processos internos, melhorar a prestação de serviços e, acima de tudo, manter o controle sobre informações críticas. A tecnologia já está disponível — cabe aos gestores públicos adaptá-la às suas necessidades específicas, garantindo que a inovação caminhe lado a lado com a responsabilidade.