Até pouco tempo, IA era item de roadmap: um chatbot aqui, um modelo de recomendação ali, um piloto isolado dentro de um único departamento. Em 2026 essa lógica muda de figura. Os números globais de investimento e as decisões de arquitetura que empresas brasileiras vêm tomando nos últimos meses mostram um movimento de tratar IA como infraestrutura: uma camada tão permanente quanto banco de dados, rede ou nuvem, não mais uma funcionalidade adicional plugada por cima do sistema existente. Isso muda a pergunta que times de tecnologia precisam responder. Não é mais “qual modelo usar”, é “a base que sustenta a operação hoje aguenta o que vem depois”. Para boa parte das empresas médias e grandes do país, a resposta ainda é não.
O dinheiro parou de ir só para o modelo e passou a ir para a base
Segundo a Gartner, os gastos globais com IA devem chegar a US$ 2,52 trilhões em 2026, alta de 43,8% sobre os US$ 1,76 trilhão de 2025. O detalhe que importa para quem decide arquitetura: a maior fatia desse total, US$ 1,37 trilhão, vai para infraestrutura de IA, mais do que serviços e software somados. O gasto com modelo em si é a parte menor da conta.
Do lado da oferta, o mesmo padrão se repete. As cinco maiores hyperscalers (Amazon, Microsoft, Google, Meta e Oracle) devem investir US$ 602 bilhões em CAPEX em 2026, um salto de 36% sobre o ano anterior, com cerca de 75% desse valor direcionado a aceleradores, data centers, rede e energia, segundo levantamento do efagundes.com. Quando as empresas que mais lucram com IA apostam três quartos do orçamento em silício e concreto, fica difícil sustentar a ideia de que IA é só uma camada de software por cima da infraestrutura que já existe.
Aumentar investimento não resolve se a arquitetura continuar a mesma
A intenção de investir está dada: 92% dos executivos entrevistados pela McKinsey no relatório “Superagency in the Workplace” afirmam que vão aumentar os aportes em IA nos próximos três anos, e mais da metade espera um aumento de pelo menos 10% sobre o nível atual. O problema aparece quando esse dinheiro chega numa base que não foi desenhada para IA.
No Brasil, 82% dos executivos de TI admitem que a infraestrutura atual não está totalmente preparada para as cargas de trabalho de IA que a própria empresa planeja colocar em produção, e 59% esperam rodar cinco ou mais aplicações de IA dentro de três anos, segundo o Enterprise Cloud Index 2026, conduzido por Wakefield Research para a Nutanix e citado pelo Decision Report. Ou seja: o orçamento cresce mais rápido do que a capacidade real de absorver o que ele deveria comprar.
O Brasil quer ser polo de data center, mas a fundação interna também precisa ser refeita
Do lado da infraestrutura física, o país avança rápido: já concentra 48% da capacidade instalada de data centers da América Latina e 71% da capacidade em construção na região, e o avanço do regime especial de tributação para data centers (ReData) pode destravar um potencial de R$ 100 bilhões em investimentos por ano no setor, conforme apurou o InfoMoney.
Só que capacidade física em nuvem não resolve dívida técnica dentro da empresa. Um levantamento da ABES em parceria com a IDC, o “Mercado Brasileiro de Software — Panorama e Tendências 2026”, mostra que agentes de IA e IA generativa lideram as prioridades estratégicas de 53% das empresas de software para o ano, mas aponta a modernização de sistemas legados como um dos principais obstáculos à adoção, ao lado de qualidade de dados e escassez de profissionais especializados, segundo reportagem do Canaltech. É a distância entre ter data center perto e ter arquitetura interna pronta.
Infraestrutura de IA também é política de dados, não só GPU
Tratar IA como infraestrutura significa tratar governança como parte da arquitetura, não como etapa posterior. O mesmo Enterprise Cloud Index 2026 mostra que 74% dos executivos brasileiros já encontraram aplicações ou agentes de IA rodando fora da área de TI (o chamado Shadow AI) e 81% consideram esse uso não supervisionado um risco real para o negócio, segundo o mesmo levantamento.
Isso muda o escopo do problema. Uma empresa pode ter GPU sobrando e ainda assim estar exposta, porque ninguém mapeou onde os dados de IA trafegam, quem acessa o quê e sob qual política. Infraestrutura, nesse sentido, deixa de ser só capacidade computacional e passa a incluir controle de acesso, rastreabilidade e conformidade: peças que costumam ficar de fora quando o projeto de IA nasce como piloto de um único time.
O que fica dessa mudança de camada
O padrão que aparece nos números de 2026 é consistente: o dinheiro migrou do modelo para a base, a intenção de investir já não é o gargalo, e a diferença entre empresas que capturam valor com IA e as que ficam no piloto está na arquitetura que sustenta tudo isso, do silício ao software, passando pela governança de dados. Para empresas médias e grandes no Brasil que carregam stacks legados, essa é a virada de chave: decidir onde a infraestrutura precisa ser refeita antes de decidir qual modelo rodar em cima dela. É esse tipo de diagnóstico e estruturação de base, não a escolha de um modelo específico, que consultorias de tecnologia como a Luby costumam apoiar em projetos de modernização, ajudando a alinhar arquitetura, dados e infraestrutura antes que a conta de IA chegue maior do que a capacidade de pagá-la.