O uso de plataformas internas para desenvolvimento e operação de software se tornou quase universal nas empresas. Segundo o relatório DORA 2025 do Google, citado pelo The Register, 90% das organizações já adotam alguma forma de plataforma interna, e 76% contam com equipes dedicadas a esse ecossistema. No entanto, a ascensão acelerada da inteligência artificial (IA) está expondo limitações profundas nessas infraestruturas, exigindo uma reavaliação urgente das estratégias de TI corporativas.

O novo cenário: IA amplia a pressão sobre plataformas internas

A principal mudança de paradigma apontada pelo The Register é que as plataformas construídas nos últimos anos foram desenhadas para atender desenvolvedores humanos, focados em aplicações conteinerizadas e ciclos de entrega compatíveis com o ritmo humano. Esse modelo, que já era desafiado pelo aumento do volume de software, agora se revela insuficiente diante do crescimento exponencial de workloads de IA.

O uso massivo de assistentes de programação baseados em IA, hoje já considerado mainstream, alterou o perfil do trabalho dos desenvolvedores. O gargalo deixou de ser a escrita do código e passou a ser a entrega, ou seja, a capacidade dos pipelines e da infraestrutura de absorver e processar um volume muito maior de artefatos gerados por máquinas. O papel do desenvolvedor migra de autor para revisor e orquestrador de entregas automatizadas.

Além disso, surge uma nova classe de usuários: os agentes de IA. Diferentemente dos humanos, esses agentes exigem mecanismos específicos de autenticação, controle de tokens, gerenciamento de identidades não-humanas, alocação dinâmica de GPUs, restrições de permissões e trilhas de auditoria robustas. A maioria das plataformas internas atuais não foi projetada para lidar com essas demandas, criando lacunas operacionais e de segurança.

Custo sob pressão: desperdício em nuvem se agrava com IA

Outro ponto crítico destacado pelo estudo Private Cloud Outlook 2026 da Broadcom, também citado pelo The Register, é o aumento do desperdício de recursos na nuvem. Para 97% dos líderes de TI entrevistados, parte do orçamento de cloud é desperdiçado, e 52% acreditam que esse desperdício supera 25% do total investido. A infraestrutura de IA agrava o cenário: instâncias de GPU, endpoints de inferência e jobs de treinamento consomem recursos em escala muito superior à de workloads tradicionais.

O problema é agravado pela dificuldade das ferramentas de FinOps (gestão financeira de operações em nuvem) em rastrear custos específicos de IA, como o consumo de tokens por prompt ou tentativas de execução. O modelo tradicional de revisão mensal ou trimestral não consegue capturar rapidamente desvios provocados por workloads de IA mal configurados, que podem consumir grandes volumes de recursos em poucas horas.

Segurança e compliance: novos riscos e requisitos regulatórios

A expansão das aplicações de IA também amplia a superfície de ataque e os riscos de compliance. O The Register alerta para ameaças como shadow AI (uso não autorizado de IA), injeção de prompts maliciosos, envenenamento de modelos e vazamentos de dados durante inferências, riscos para os quais as ferramentas tradicionais de segurança de aplicações (SAST/DAST) não foram preparadas.

Além dos riscos técnicos, cresce o volume de exigências regulatórias, como o EU AI Act na Europa, ordens executivas nos Estados Unidos e regras de residência de dados em vários países. Esses requisitos impõem desafios adicionais para equipes de plataforma, que precisam garantir controles de privacidade, rastreabilidade e governança sobre agentes não-humanos e dados sensíveis.

O que muda na engenharia de plataformas: cinco pilares para a era da IA

Segundo análise da Broadcom publicada no The Register, a resposta não está em reconstruir tudo do zero, mas sim em evoluir as bases existentes. O conceito de Platform Engineering 2.0 propõe cinco pilares para essa transição:

• Plataforma AI-nativa: transformar a Internal Developer Platform (IDP) em um ambiente que trate workloads e agentes de IA como cidadãos de primeira classe, com suporte a GPUs e identidades não-humanas.
• Experiência multi-persona: expandir o foco além do desenvolvedor, oferecendo interfaces e APIs adequadas para times de segurança, cientistas de dados, engenheiros de ML, analistas de FinOps, líderes de negócio e agentes automatizados.
• FinOps embarcado: migrar do modelo de revisão retroativa para decisões de custo tomadas no momento do provisionamento, tornando todos os usuários praticantes de FinOps por padrão.
• Segurança embutida: mover os controles de segurança para as camadas de plataforma e runtime, tornando-os invisíveis e imutáveis para os desenvolvedores.
• Componibilidade: adotar arquitetura API-first e componentes intercambiáveis, permitindo evolução modular sem impactos sistêmicos.

O consenso entre as fontes é que a evolução é inevitável, mas não há um roteiro único. O ponto de partida recomendado é auditar a plataforma atual em busca de três lacunas: suporte a GPUs, gestão de identidades não-humanas e atribuição de custos em tempo real. Se essas capacidades estiverem ausentes, a plataforma já está defasada para a realidade da IA.

Implicações para empresas: riscos operacionais e oportunidades

Para empresas que operam em setores altamente regulados, manufatura avançada ou serviços críticos, como as do Polo Industrial de Manaus, os desafios descritos têm impacto direto na operação. A ausência de infraestrutura AI-nativa pode gerar gargalos que atrasam entregas, aumentam custos inesperados e expõem a organização a riscos de compliance e segurança. O desperdício de recursos em nuvem, especialmente com workloads de IA, pode comprometer a previsibilidade orçamentária e a competitividade.

Por outro lado, a transição para plataformas evoluídas abre oportunidades de automação, aceleração de inovação e integração de múltiplos perfis profissionais no ciclo de desenvolvimento. Empresas que conseguirem adaptar rapidamente suas plataformas internas para suportar agentes de IA, provisionamento dinâmico de GPUs e controles de custo e segurança integrados estarão melhor posicionadas para capturar valor na nova onda tecnológica.

Próximos passos: infraestrutura como fator decisivo

A análise dos dados do The Register e da Broadcom deixa claro que a infraestrutura de TI, especialmente a conectividade de alta performance e disponibilidade, é o alicerce para qualquer evolução de plataforma. Sem links empresariais robustos, capazes de suportar tráfego intenso e latência estável para workloads de IA e integração entre múltiplos sistemas, as iniciativas de Platform Engineering 2.0 tendem a esbarrar em limitações físicas e operacionais.

Para organizações de Manaus e região, onde a conectividade pode ser um diferencial competitivo, a escolha de parceiros de infraestrutura que ofereçam banda garantida, suporte local e recursos como IP fixo se torna ainda mais estratégica. O desafio não é apenas atualizar o software, mas garantir que a base física acompanhe a velocidade das demandas de IA e automação corporativa.

Em resumo, a pressão da IA sobre plataformas internas é um teste de maturidade para a TI corporativa. Quem investir agora em infraestrutura alinhada aos novos requisitos, de GPU a segurança e FinOps, estará menos exposto a desperdícios, riscos e gargalos, e mais apto a liderar a próxima fase da transformação digital.