IA local ou cloud: para onde vão os dados da empresa

A 2 de maio de 2023, a Samsung Electronics proibiu os seus colaboradores de usar o ChatGPT e os outros assistentes de IA generativa nos computadores, telemóveis e tablets da empresa, bem como na sua rede interna. Algumas semanas antes, engenheiros tinham colado código-fonte interno no ChatGPT. Ninguém tinha pirateado coisa alguma. O código tinha seguido para um terceiro pelo caminho previsto, o que cada pedido enviado a um assistente em linha percorre.

O caminho de um pedido enviado a um assistente em linha

Um modelo de linguagem é um programa treinado com quantidades muito grandes de texto, que calcula a sequência de palavras mais provável a partir do que lhe é submetido. Fazê-lo responder chama-se inferência. Exige processadores gráficos, ou GPU, chips concebidos para encadear milhares de milhões de multiplicações, e esses chips custam caro.

Uma empresa tem duas formas de lhes aceder. Pode alugar a capacidade de um fornecedor através da Internet: é a cloud. O texto do pedido, os anexos e o histórico da conversa saem então da sua rede, são tratados num centro de dados que pertence ao fornecedor, e depois a resposta regressa. Pode também instalar o modelo numa máquina que possui, nas suas instalações. Fala-se então de IA local, ou de implementação «on-premise». O pedido não sai do edifício.

Para quem escreve a pergunta, as duas parecem iguais: uma janela, um texto, uma resposta em alguns segundos. A diferença está no que acontece depois ao texto. Na cloud, o seu destino depende das condições gerais do fornecedor, da sua nacionalidade, dos seus subcontratantes e dos tribunais perante os quais pode ser convocado. Em local, depende das regras que a empresa a si própria impôs.

O que os fornecedores conservam, e quem o pode reclamar

Os fornecedores guardam registo das trocas, pelo menos durante algum tempo, para detetar abusos, faturar ou melhorar o seu serviço. Consoante a oferta subscrita, essas trocas podem também servir para treinar os modelos seguintes. Os contratos destinados a empresas excluem em geral esta utilização, mas o prazo de conservação e a lista de subcontratantes constam dos anexos do contrato, não da página inicial.

O processo que opõe o New York Times à OpenAI perante o tribunal federal do distrito sul de Nova Iorque mostrou até onde pode ir essa conservação. No início de dezembro de 2025, a juíza Ona Wang recusou revogar a sua decisão que obrigava a OpenAI a entregar às editoras de imprensa 20 milhões de conversas do ChatGPT desidentificadas. Segundo o relato da eWeek, observou que esta amostra representava apenas uma pequena fração das dezenas de milhares de milhões de conversas de particulares conservadas pela empresa. Os dados foram desidentificados e colocados sob uma ordem de proteção que reserva a sua leitura aos advogados.

Os utilizadores cujas conversas figuram nesta amostra não eram partes no processo. As suas trocas tornaram-se peças num litígio sobre direitos de autor por uma única razão: estavam armazenadas no fornecedor. Para uma empresa, a conclusão prática cabe numa frase. Tudo o que um terceiro conserva pode um dia ser pedido por um juiz ou por uma autoridade, num processo que não lhe diz respeito.

O Cloud Act segue a nacionalidade do fornecedor, não a morada do servidor

O Cloud Act é uma lei americana adotada em março de 2018. A sua disposição mais comentada, codificada na secção 2713 do título 18 do código federal, obriga os fornecedores de serviços de comunicação eletrónica e de armazenamento remoto a conservar ou a comunicar os dados dos seus clientes que estejam na sua posse, à sua guarda ou sob o seu controlo. O texto precisa que esta obrigação vale quer os dados se encontrem nos Estados Unidos quer no estrangeiro.

Um servidor instalado em Paris por uma sociedade sujeita ao direito americano continua, portanto, no âmbito da lei. A 10 de junho de 2025, perante a comissão de inquérito do Senado francês sobre a contratação pública, o senador Dany Wattebled perguntou ao diretor dos assuntos públicos e jurídicos da Microsoft França, Anton Carniaux, se podia garantir sob juramento que os dados de cidadãos franceses confiados à Microsoft nunca seriam transmitidos por ordem do governo americano sem o acordo das autoridades francesas. Anton Carniaux respondeu que não o podia garantir, acrescentando que tal nunca tinha acontecido.

O Departamento de Justiça americano apresenta o texto como um instrumento de investigação de crimes graves, completado por acordos bilaterais com países parceiros. Esta descrição é exata, e nada indica que os dados de uma PME francesa sejam um alvo corrente. Mas a exposição jurídica existe, diz respeito a todos os clientes de um fornecedor sujeito ao direito americano, e um dos maiores declarou sob juramento que não a podia afastar. Um fornecedor que escape à jurisdição americana não está sujeito a esta obrigação. Um modelo instalado nas instalações da empresa também não, pois nenhum terceiro detém os dados.

As transferências para os Estados Unidos assentam num acordo contestado

O RGPD, o regulamento europeu sobre a proteção dos dados pessoais, só autoriza o envio desses dados para fora da União se o país de destino oferecer uma proteção considerada equivalente, ou se forem estabelecidas garantias contratuais. Para os Estados Unidos, essa equivalência assenta desde julho de 2023 no quadro de proteção de dados entre a União Europeia e os Estados Unidos, chamado Data Privacy Framework.

Os seus dois antecessores foram anulados pelo Tribunal de Justiça da União Europeia, o Safe Harbor em outubro de 2015 e o Privacy Shield em julho de 2020, de cada vez na sequência de um processo instaurado pelo ativista austríaco Maximilian Schrems. O terceiro mantém-se por enquanto. A 3 de setembro de 2025, o Tribunal Geral da União Europeia rejeitou o recurso do deputado francês Philippe Latombe e confirmou a validade do quadro. A 31 de outubro de 2025, Philippe Latombe interpôs recurso para o Tribunal de Justiça. Tanto quanto sabemos, à data de publicação deste artigo, o Tribunal ainda não se pronunciou.

Uma empresa que confia dados pessoais a um assistente alojado por um fornecedor americano apoia-se, portanto, num mecanismo cujas duas versões anteriores foram invalidadas. Se o terceiro cair, será preciso rever os contratos, reavaliar as transferências e por vezes suspender utilizações com urgência. Um tratamento realizado numa máquina instalada na empresa não implica nenhuma transferência e não é abrangido.

O que a CNIL recomenda para a IA generativa

A CNIL publicou a 18 de julho de 2024 uma série de perguntas e respostas sobre a utilização dos sistemas de IA generativa. O documento não prescreve nenhuma tecnologia, mas é claro num ponto. Quando uma organização conta fornecer ao sistema dados pessoais de clientes ou de colaboradores, ou documentação sensível ou estratégica, parece-lhe «geralmente mais oportuno e mais seguro» privilegiar uma implementação nas instalações, que limita os riscos de extração de dados por um terceiro.

A CNIL reconhece também o custo desta opção. Instalar e fazer funcionar um sistema nas instalações representa uma despesa importante, e o recurso a uma infraestrutura remota será muitas vezes mais simples. Acrescenta que nada impede as pequenas empresas ou as autarquias de partilhar uma infraestrutura mutualizada, desde que enquadrem as transferências de dados e assegurem a sua segurança.

Para um serviço em linha, pede que se verifique se as condições gerais do fornecedor o autorizam a reutilizar os dados introduzidos. Se for o caso, a organização deve decidir caso a caso se é preciso proibir certas categorias de informações, por exemplo as abrangidas pelo segredo comercial. O prestador deve ser enquadrado por um contrato de subcontratação que fixe as suas responsabilidades e os acessos autorizados. Na aceção do RGPD, um subcontratante é a empresa que trata dados pessoais por conta de outra.

Alojar o modelo nas instalações não dispensa nenhuma obrigação do RGPD. Continua a ser preciso definir uma finalidade, limitar os dados ao que é necessário, fixar um prazo de conservação e proteger a máquina. O local reduz, em contrapartida, o número de contratos a gerir e de intervenientes a auditar.

O calendário do AI Act após o omnibus de julho de 2026

O regulamento europeu sobre a inteligência artificial, chamado AI Act, entrou em vigor a 1 de agosto de 2024. Classifica os sistemas segundo o risco que apresentam e impõe obrigações a duas categorias de intervenientes: os fornecedores, que concebem os sistemas, e os responsáveis pela implantação, que os utilizam na sua atividade. Uma PME que disponibiliza um assistente às suas equipas é um responsável pela implantação.

As práticas proibidas, como a classificação social das pessoas, estão proibidas desde 2 de fevereiro de 2025. As obrigações próprias dos modelos de IA de uso geral, de que fazem parte os grandes modelos de linguagem, aplicam-se desde 2 de agosto de 2025, e a Comissão Europeia dispõe dos seus poderes de controlo sobre esses modelos desde 2 de agosto de 2026. As regras de transparência, que impõem por exemplo informar uma pessoa de que está a interagir com uma IA, aplicam-se desde a mesma data.

O regulamento (UE) 2026/1744, dito omnibus digital sobre a IA, publicado no Jornal Oficial em julho de 2026, adiou dois prazos. Os sistemas de risco elevado do anexo III, que abrange nomeadamente o recrutamento, a avaliação de crédito e a educação, deverão estar conformes a 2 de dezembro de 2027. Os do anexo I, integrados em produtos já regulamentados como as máquinas ou os dispositivos médicos, a 2 de agosto de 2028.

O texto não distingue a cloud do local. Pede, em contrapartida, que a empresa saiba que sistema utiliza, para que uso e com que dados, e que o possa documentar. Esta documentação é mais fácil de manter quando a versão do modelo não muda sem o conhecimento de quem o utiliza, um ponto em que as duas opções diferem nitidamente.

O custo: pagar por pedido ou comprar uma capacidade

Os serviços em linha faturam consoante a utilização, em geral pelo número de tokens tratados. Um token é um fragmento de palavra, a unidade que o modelo lê e produz. Enquanto alguns colaboradores fazem ensaios, a fatura continua modesta. Quando a ferramenta lê todos os dias centenas de documentos ou responde a cada pedido de cliente, acompanha o volume, a uma tarifa fixada pelo fornecedor e que ele pode rever.

Uma máquina instalada no local inverte o cálculo. A maior parte da despesa é feita na compra, e depois cada pedido adicional custa apenas a eletricidade e o desgaste do hardware. Para uma utilização ocasional, o aluguer continua a ser mais barato. Para uma utilização diária e sustentada, a compra acaba por compensar. O ponto de viragem depende dos volumes de cada empresa e calcula-se com os seus próprios números.

Duas medições publicadas pelo AI Index da Universidade de Stanford pesam neste cálculo. Segundo a edição de 2025, o custo de inferência de um sistema do nível do GPT-3.5 foi dividido por mais de 280 entre novembro de 2022 e outubro de 2024. A mesma edição indicava que os modelos de pesos abertos, que se podem transferir e executar na própria máquina, tinham reduzido o seu atraso face aos modelos fechados de 8 % para 1,7 % em certos testes, num ano.

A edição de 2026 matiza este segundo número. Em março de 2026, na classificação Arena, estabelecida a partir de votos de utilizadores que comparam respostas às cegas, o melhor modelo fechado superava o melhor modelo aberto em 3,4 %, contra 0,5 % em agosto de 2024. O atraso continua pequeno, mas não diminui em linha reta: aumenta a cada lançamento de um novo modelo fechado e depois volta a estreitar-se.

Avarias e latência: o preço da distância

Na noite de 19 para 20 de outubro de 2025, a região da Virgínia do Norte da Amazon Web Services sofreu uma avaria em cadeia. Segundo o relatório publicado pela AWS, uma falha de sincronização entre dois processos automáticos do sistema que gere os endereços da sua base de dados DynamoDB produziu um registo DNS vazio. O DNS é o diretório que traduz o nome de um serviço num endereço de rede. Sem esta entrada, as aplicações já não encontravam o DynamoDB. Esta primeira fase durou das 23h48 às 2h40, hora do Pacífico, ou seja, 2 horas e 52 minutos.

A sequência durou muito mais tempo. Vários serviços internos da AWS que dependem do DynamoDB foram afetados em cascata, e os clientes do serviço de cálculo EC2 sofreram erros, lentidão e falhas no arranque de máquinas até às 13h50 de 20 de outubro, cerca de catorze horas após o início do incidente. As aplicações construídas sobre esses serviços foram por sua vez interrompidas.

Uma infraestrutura instalada na empresa também avaria. Um disco cede, uma fonte de alimentação queima, uma atualização corre mal. A diferença está em quem diagnostica e em quem decide a ordem de reposição do serviço. Está também na ligação à Internet, que se torna um ponto de falha adicional logo que a ferramenta diária das equipas se encontra num terceiro.

A latência, ou seja, o atraso entre o envio de um pedido e o início da resposta, segue a mesma lógica. Numa conversa, um segundo a mais passa despercebido. Para um software de gestão que interroga o modelo centenas de vezes por hora, as idas e voltas somam-se, e a sua duração varia com a carga do fornecedor. Na rede interna, o atraso é mais estável, desde que a máquina esteja dimensionada para o número de utilizadores.

Quando o fornecedor muda de modelo

A 7 de agosto de 2025, a OpenAI lançou o GPT-5 e tornou-o o modelo predefinido do ChatGPT, retirando da interface os modelos anteriores, entre os quais o GPT-4o. Os protestos foram imediatos e, nos dias seguintes, Sam Altman anunciou que os assinantes Plus poderiam voltar a escolher o GPT-4o. O episódio dizia sobretudo respeito a particulares apegados ao tom do modelo antigo. Numa empresa, o mesmo mecanismo tem consequências mais concretas.

Um processo afinado com uma versão precisa de um modelo, por exemplo a extração automática de montantes e datas em faturas, pode comportar-se de outra maneira com a versão seguinte. É então preciso refazer os testes, reescrever as instruções dadas ao modelo, por vezes retomar a documentação fornecida a um cliente ou a um auditor. As tarifas e as condições de utilização evoluem da mesma maneira, por iniciativa do fornecedor. Quanto mais integrada está a ferramenta, mais custa sair. Os economistas chamam-lhe custo de saída, e os informáticos falam de dependência de um fornecedor.

Um modelo aberto instalado no local não muda enquanto a empresa não o substituir. As mesmas instruções, aplicadas ao mesmo modelo com as mesmas definições, dão resultados comparáveis de um mês para o outro, o que permite documentar uma utilização e defendê-la. A substituição continua possível quando sai um modelo melhor, no momento escolhido e após testes nos documentos da empresa.

Os casos em que a cloud continua preferível

Os modelos mais potentes só são acessíveis por API, ou seja, por uma interface que permite a um software interrogar o serviço à distância, e alguns não caberiam de qualquer modo numa máquina de secretária. Para raciocínios muito longos, programação em grandes projetos ou tarefas que encadeiam dezenas de etapas sem supervisão, mantêm uma vantagem mensurável. Se a necessidade exigir exatamente este nível, a cloud é muitas vezes a única opção razoável.

A cloud convém também a projetos curtos, como uma demonstração ou um piloto de algumas semanas antes de investir. Convém a cargas muito irregulares, quando uma máquina dimensionada para o pico ficaria inativa no resto do mês. E convém a textos sem sensibilidade: reformular um anúncio já público ou procurar um título de artigo não expõe nada.

A escolha faz-se, portanto, após uma triagem dos dados. Uma informação pública pode seguir para um fornecedor. Os dados pessoais, os contratos, os números não publicados e o saber-fazer técnico justificam ou um tratamento no local, ou um prestador cujo contrato se leu, cuja jurisdição se verificou e cuja segurança se controlou.

Tratar no local por omissão, sair por decisão

Uma regra simples permite combinar as duas abordagens. Os pedidos são tratados por omissão numa máquina da empresa. O envio para um serviço externo torna-se uma decisão explícita, tomada para uma tarefa precisa, registada, e que um responsável pode recusar. A maioria dos pedidos correntes, como resumir um processo, redigir uma resposta ou encontrar uma cláusula num lote de contratos, está ao alcance de modelos de tamanho médio que funcionam em hardware de escritório. Os outros seguem para o exterior, com conhecimento de causa.

Para cada ferramenta de IA já em serviço, três verificações dão uma imagem bastante nítida da situação: onde o texto é tratado, quem o conserva e durante quanto tempo, e o que acontece se o serviço for interrompido durante um dia. As respostas constam dos contratos, dos anexos de subcontratação e das páginas de estado dos fornecedores.

É com base neste princípio que a HOMN concebe as suas caixas: um modelo instalado nas instalações, que trabalha sobre os documentos da empresa sem os transmitir, e que só se liga a um serviço externo quando o seu proprietário o decidiu.

Qual é a diferença entre uma IA local e uma IA na cloud?

Uma IA na cloud funciona nos servidores de um fornecedor: cada pedido sai da empresa, é tratado num centro de dados externo e depois a resposta regressa. Uma IA local funciona numa máquina instalada nas instalações da empresa, e os pedidos não saem da sua rede.

O Cloud Act aplica-se aos dados armazenados em França?

Sim, quando o fornecedor está sujeito ao direito americano. A lei visa os dados na sua posse, à sua guarda ou sob o seu controlo, onde quer que estejam armazenados. A 10 de junho de 2025, o diretor dos assuntos públicos e jurídicos da Microsoft França declarou sob juramento perante o Senado não poder garantir que esses dados nunca seriam transmitidos às autoridades americanas.

Pode usar-se o ChatGPT numa empresa respeitando o RGPD?

É possível com um contrato de subcontratação, garantias para as transferências para fora da União e uma regra interna sobre os dados autorizados. A CNIL pede que se verifique se o fornecedor pode reutilizar os dados introduzidos, e considera geralmente preferível uma implementação nas instalações para os dados pessoais ou sensíveis.

Quando é que uma IA local é mais rentável do que a cloud?

Quando a utilização é diária e sustentada. A cloud é faturada pelo volume de texto tratado, enquanto uma máquina local se paga na compra e depois só custa eletricidade e manutenção. Para uma utilização pontual ou muito irregular, o aluguer continua em geral a ser mais barato.