Um novo estudo da ACE Ventures, em parceria com a AWS Startups, revela um retrato ainda restrito da produção de inteligência artificial generativa no Brasil. Apesar do potencial técnico e da relevância dos dados locais, poucas startups assumem o papel de construtoras de tecnologia de base, com modelos próprios, arquiteturas exclusivas e soluções adaptadas à realidade nacional.

O relatório “Construindo IA no Brasil: o mapa dos producers de GenAI” ouviu 12 fundadores, investidores e pesquisadores para identificar as principais barreiras. Três fatores se destacam: a escassez de talentos especializados, o acesso limitado à infraestrutura computacional e os critérios tradicionais de avaliação de venture capital, que dificultam a viabilidade de negócios de longo ciclo.

A falta de mão de obra técnica em IA é apontada como o maior gargalo pelas startups, que relatam dificuldade em encontrar profissionais com experiência em treino de modelos, fine-tuning, compressão e orquestração de LLMs. “Formar é lento, mas é o único caminho. Não tem como esperar encontrar pronto no mercado brasileiro alguém que já treinou modelos e montou arquitetura própria”, afirmou em comunicado Gabriel Renault, fundador da Dharma AI, que desenvolve modelos jurídicos proprietários.

Infraestrutura cara e acesso limitado

Outro entrave é o custo elevado de acesso a GPUs de alto desempenho. Mesmo com programas de apoio de big techs, o custo continua alto e muitas empresas recorrem a arquiteturas próprias para reduzir a dependência de terceiros.

O levantamento mostra também que, embora 91% dos VCs latino-americanos declarem interesse em GenAI (segundo o estudo “The GenAI Impact in Latam”), a maioria ainda opera com frameworks tradicionais, focados em tração imediata. Para startups que criam tecnologia de base, o ciclo de maturação mais longo exige novos modelos de avaliação. “O desafio é que muitas dessas startups não se encaixam nos frameworks clássicos. Mas estão criando propriedade intelectual real. Precisamos aprender a avaliar isso melhor”, destacou em comunicado Nicole Martinho, da Indicator Capital.

Casos de destaque

Entre os exemplos mapeados estão a Neospace, que desenvolve arquiteturas proprietárias para o setor bancário; a Meliva.ai, focada em automação de campanhas de marketing; e a AICube, com agentes autônomos para tarefas corporativas. Essas empresas apostam em nichos específicos, uso de dados proprietários e maior controle da arquitetura técnica em contraste ao modelo de SaaS puro. Um caminho que vem sendo seguido pelas startsups é validar a tecnologia com grandes clientes e garantir receita inicial antes de produzir uma solução a ser vendida no mercado geral.

O estudo recomenda incentivos à infraestrutura de dados, investimentos mais qualificados e maior aproximação entre academia e mercado. Centros como o CEIA/UFG, com cerca de 800 pesquisadores aplicados em IA, são apontados como referência. Em sua conclusão, o relatório aponta que não há necessidade de competição direta com EUA ou China, mas que podemos nos tornar um polo global de aplicações especializadas de GenAI. “Construir tecnologia própria é mais difícil. Mas é o que garante autonomia, eficiência e valor real para o país”, finalizou também em comunicado Pedro Carneiro, da ACE.