Alura no Vale do Silício: 5 aprendizados sobre inovação, IA e tecnologia

Quando pensamos no Vale do Silício, é comum imaginar grandes empresas de tecnologia, startups e algumas das principais inovações que chegaram ao mercado nos últimos anos.

Mas estar no meio desse ecossistema permite observar algo além das tecnologias que estão sendo desenvolvidas.

Durante uma imersão no Vale do Silício, Paulo Silveira, Fabrício Carraro e Marcus Mendes visitaram universidades, empresas e centros de inovação para entender como diferentes profissionais estão pensando sobre o futuro da tecnologia.

Entre as conversas em Stanford, visitas a empresas como Anthropic e Google, e encontros com profissionais do mercado, alguns aprendizados apareceram de forma recorrente e trouxemos para vocês um resumo dos principais insights abordados no vídeo!

1. Mapeie a estrutura: antes de usar a tecnologia, precisamos entender qual problema ela irá resolver

Um dos primeiros aprendizados apareceu logo em Stanford.

A cultura de inovação observada em Stanford está muito ligada à ideia de primeiro, encontrar um problema, e somente depois buscar uma solução utilizando engenharia, computação, robótica ou outras tecnologias.

Isso também apareceu na conversa com a Meta. Não basta ter novos modelos de Inteligência Artificial disponíveis: é preciso encontrar onde eles podem ser aplicados e quais problemas realmente fazem sentido para o negócio.

Ou seja, a tecnologia não é necessariamente o ponto de partida.

O problema vem primeiro. A tecnologia entra como parte da solução.

Essa lógica ajuda a evitar um cenário comum quando surgem novas ferramentas: tentar encontrar uma utilidade para uma tecnologia simplesmente porque ela existe.

2. Nem toda IA precisa estar na nuvem

Outro aprendizado veio da Liquid AI.

A empresa apresentou modelos menores desenvolvidos para funcionar diretamente em dispositivos, inclusive em situações nas quais não existe conexão com a internet. Um dos exemplos apresentados foi o uso de modelos em veículos, permitindo interações por voz mesmo quando o dispositivo está sem conexão.

Mais do que mostrar que existem modelos menores, a demonstração traz uma reflexão importante para quem pensa em aplicar IA: nem sempre a solução mais avançada ou mais robusta é a mais adequada para um determinado problema.

Imagine uma aplicação que precisa funcionar dentro de um carro, uma máquina agrícola ou outro dispositivo que pode ficar sem conexão. Nesse caso, depender constantemente de um servidor na nuvem pode não ser a melhor alternativa. Um modelo menor, capaz de funcionar localmente, pode atender melhor à necessidade.

Isso muda a forma de pensar sobre a escolha de uma solução de IA. Em vez de começar pela pergunta “qual é o modelo mais poderoso que posso usar?”, vale começar por “quais são as condições e necessidades desse problema?”

Para empresas, estudantes e profissionais que estão experimentando IA, essa mudança de perspectiva pode evitar escolhas desnecessariamente complexas e ajudar a encontrar soluções mais adequadas ao contexto de uso.

Na prática, escolher uma IA não é apenas escolher o modelo mais poderoso. É encontrar a solução que melhor combina capacidade, contexto e necessidade.

3. Conhecimento técnico e Inovação caminham juntos

Outro ponto observado em Stanford foi a relação entre academia e empreendedorismo.

Existe uma forte cultura de criação de empresas e busca por novas soluções, mas isso não significa falta de prestígio ou importância do conhecimento acadêmico.

Pelo contrário: a formação científica e técnica continua sendo valorizada como parte importante desse processo, e isso é visto durante a própria imersão, com backgrounds diversos.

A ideia de que grandes empreendedores simplesmente abandonam a faculdade e começam a construir empresas não funciona assim em todos os casos (e nem é indicado).

Na prática, muitas empresas continuam buscando profissionais dentro das universidades para desenvolver seus produtos e tecnologias.

Isso mostra que empreender e estudar não precisam ser caminhos opostos.

O conhecimento profundo pode servir como base para transformar uma ideia em uma solução capaz de funcionar no mundo real.

4. Organize sua empresa e seus dados antes de adotar IA. Sem isso, ela não irá muito longe

A visita à Snowflake trouxe outro ponto importante: antes de pensar em colocar Inteligência Artificial para trabalhar dentro de uma empresa, existe uma estrutura que precisa estar preparada.

Dados organizados, pipelines e sistemas capazes de disponibilizar as informações corretas continuam sendo fundamentais para aplicações de IA.

A Inteligência Artificial pode analisar informações e participar de processos, mas isso depende da qualidade dos dados aos quais ela tem acesso.

Esse ainda é um desafio para muitas empresas que estão começando a adotar IA. Existe uma tendência de olhar primeiro para a ferramenta e pensar em como aplicá-la (e isso se conecta diretamente com o primeiro tópico deste artigo), sem necessariamente avaliar se a organização possui os dados e a estrutura necessários para que ela funcione bem.

Na prática, isso significa que a transformação causada pela IA não elimina os fundamentos de dados.

Ela torna esses fundamentos ainda mais importantes.

5. Usar IA também exige segurança e governança (e isso é mais urgente do que parece).

Para quem já utiliza IA com frequência, falar sobre segurança e uso responsável pode parecer batido. Mas ouvir esses temas sendo reforçados durante diferentes momentos da imersão mostra que a discussão está longe de estar resolvida (especialmente entre empresas que estão na fronteira do desenvolvimento da tecnologia.)

Durante a imersão, o professor Cláudio Honor falou justamente sobre riscos, mitigação e uso responsável da Inteligência Artificial.

A ideia central é que não basta perguntar o que uma IA consegue fazer: também é necessário entender quais riscos ela traz, como eles podem ser reduzidos e se aquela aplicação realmente faz sentido para o problema que se pretende resolver.

E essa preocupação ganha ainda mais relevância conforme a IA deixa de ser apenas uma ferramenta para gerar textos ou responder perguntas e passa a ter acesso a dados, sistemas e processos.

Um agente capaz de consultar informações, abrir chamados ou executar tarefas, por exemplo, também pode causar um impacto muito maior caso tenha permissões inadequadas ou tome uma decisão errada.

E não se trata apenas de uma preocupação teórica. Um caso recente envolvendo a OpenAI e agentes de IA que acessaram sem permissão sistemas e exploraram vulnerabilidades mostram como a discussão sobre segurança acompanha a evolução dessas tecnologias.

Por isso, para empresas que estão adotando IA, segurança não deveria aparecer somente depois que a ferramenta já está integrada à operação.

Antes de colocar uma IA para acessar informações ou executar tarefas, é importante pensar em quais dados ela poderá acessar, quais ações poderá realizar, quais limites terá e como suas atividades serão acompanhadas.

6. Criar uma cultura de experimentação pode ser tão importante quanto implementar a tecnologia

Outro ponto interessante da imersão apareceu na visita ao Google: a adoção de IA não depende apenas de disponibilizar ferramentas para os funcionários.

Durante a apresentação, foram citadas algumas iniciativas utilizadas para estimular esse movimento dentro da empresa. Entre elas, estão apresentações semanais em que equipes compartilham soluções de IA com participação de lideranças.

A lógica por trás dessas iniciativas é simples: em vez de esperar que as pessoas descubram sozinhas como utilizar uma nova tecnologia, a empresa cria espaços para experimentar, compartilhar aprendizados e transformar essas experiências em novas aplicações.

Esse ponto pode ser especialmente relevante para empresas que estão começando a incorporar IA aos seus processos. Comprar ferramentas ou liberar acesso a modelos não significa, necessariamente, que a tecnologia será bem aproveitada.

É preciso criar oportunidades para que as pessoas testem possibilidades, descubram o que funciona e compartilhem essas descobertas com o restante da organização.

O que podemos trazer do Vale do Silício?

A experiência mostrou que inovação não está apenas em criar uma tecnologia inédita.

Ela também está em identificar problemas, combinar conhecimento técnico e acadêmico, organizar dados, experimentar novas formas de utilizar software e entender os limites de cada solução.

E agora vai o mais importante aprendizado da viagem: não é preciso estar no Vale do Silício para começar a pensar e idealizar esses insights.

As tecnologias apresentadas por lá já estão chegando às empresas e ao nosso dia a dia.

O próximo passo é entender onde elas realmente fazem sentido, e como podemos utilizá-las para resolver problemas de forma mais eficiente.

E você? Qual será o seu próximo passo para identificar problemas, experimentar novas possibilidades e transformar tecnologia em soluções que realmente façam sentido?