O último Hype Cycle da Gartner sobre Inteligência Artificial 2025 revela uma mudança de prioridades na indústria de tecnologia. A empolgação inicial pela IA generativa (GenAI) continua presente, mas agora dá espaço a dois pilares que moldarão o futuro imediato: os agentes de IA (AI agents) e os dados prontos para IA (AI-ready data). Ambos se encontram no “Pico de Expectativas Inflacionadas”, onde a inovação se mistura à especulação e promessas ainda não concretizadas.
Esta mudança reflete uma tendência clara: as empresas desejam que a IA deixe de ser um mero experimento para se tornar uma infraestrutura confiável, escalável e com impacto real nos negócios.
Agentes de IA: além dos chatbots
Os AI agents representam a evolução natural dos assistentes virtuais. Enquanto os chatbots tradicionais limitam-se a responder perguntas, os agentes autônomos percebem o ambiente, tomam decisões e executam ações.
Exemplos práticos estão em operação:
- Finanças: agentes que analisam riscos em tempo real e recomendam operações.
- Saúde: assistentes médicos que cruzam dados clínicos com imagens diagnósticas.
- TI corporativa: agentes que monitoram servidores e aplicam patches automaticamente.
O desafio está em identificar os casos de uso apropriados, visto que nem todos os processos se beneficiam da delegação a um agente autônomo. A Gartner alerta que o sucesso dependerá da definição clara de limites e responsabilidades.
Dados prontos: o combustível da IA
Outro protagonista é o AI-ready data. Ter conjuntos de dados preparados para IA significa dispor de informações limpas, estruturadas, contextualizadas e em conformidade com a legislação.
Atualmente, os problemas mais frequentes em projetos de IA não decorrem dos modelos, mas sim dos dados: viés, ruído, duplicidades e falta de rastreabilidade. A Gartner indica que investir em governança e qualidade de dados não é mais opcional, mas a única forma de evitar erros de inferência e cumprir regulamentações como a Lei de IA europeia.
Para o setor tecnológico, isso abre oportunidades em ferramentas de ETL inteligente, catálogos de dados, dados sintéticos e plataformas que garantem a rastreabilidade e a segurança da informação.
IA multimodal: em direção a uma compreensão mais humana
Outra tecnologia destacada no relatório é a IA multimodal, que combina texto, áudio, imagens e vídeo em um único modelo. Essa abordagem amplia as possibilidades de integração em sistemas.
Exemplos incluem:
- Segurança: detecção de ameaças que cruzam imagens de câmeras com registros de áudio.
- Educação: tutores digitais que processam tanto perguntas escritas quanto respostas faladas.
- Indústria 4.0: análises em fábricas que integram leituras de sensores, plantas visuais e relatórios técnicos.
De acordo com a Gartner, a multimodalidade se tornará um padrão em praticamente todos os produtos digitais nos próximos cinco anos.
AI TRiSM: segurança e confiança na era da IA
O quarto grande eixo é o AI TRiSM (Trust, Risk and Security Management). Trata-se de um framework que agrupa as capacidades necessárias para garantir que a IA seja segura, justa, confiável e transparente.
O crescimento da IA acarreta riscos, como manipulação de modelos, vazamentos de dados sensíveis e viés discriminatório. O AI TRiSM busca estabelecer controles constantes para mitigar esses problemas, apontando para um mercado emergente de soluções de auditoria e governança de IA.
O que isso significa para o setor tecnológico?
O Hype Cycle da Gartner 2025 confirma um ponto de inflexão: já não se trata de impressionar o mercado com demonstrações espetaculares, mas de construir infraestruturas sólidas que permitam escalar a IA.
- Provedores de nuvem veem uma oportunidade para oferecer ambientes otimizados para agentes autônomos e dados prontos para IA.
- Startups têm um terreno fértil em setores específicos, como saúde, legaltech, fintech e educação.
- Empresas de software precisam integrar IA multimodal e controles de AI TRiSM em seus produtos para não ficarem para trás.
O foco, portanto, se desloca da criatividade generativa para a sustentabilidade operacional.
Guia prático para profissionais do setor
- Explore casos de uso viáveis para agentes de IA: priorize processos repetitivos de alto custo onde a autonomia pode liberar tempo humano.
- Invista em qualidade de dados: estabeleça pipelines de limpeza, normalização e governança do dado antes de escalar projetos de IA.
- Adote a multimodalidade passo a passo: considere pilotos que integrem texto + imagem ou áudio + texto.
- Avalie soluções de AI TRiSM desde agora: antecipar-se à regulamentação pode evitar sanções e perda de confiança.
Este panorama é uma chamada à ação para que as empresas do setor se adaptem às novas demandas e construam um futuro mais sustentável e responsável em relação à inteligência artificial.
