*Por Bruno Lobo // O universo de Pokémon Go pode parecer distante da rotina corporativa, mas oferece um exemplo interessante de como os caminhos da inteligência artificial nem sempre são previsíveis. Um jogo criado para entretenimento acabou ajudando a treinar sistemas de navegação usados por robôs de entrega, mostrando como o valor de uma base de dados pode levar anos para se revelar. Nesse contexto, entender, organizar e controlar dados ao longo de todo o seu ciclo de vida passa a ser essencial.

Não quer perder as últimas notícias de tecnologia? Siga o perfil do 33Giga no Instagram e no Bluesky

Um caso recente ajuda a ilustrar isso. A startup Coco Robotics desenvolve robôs de entrega que já operam em cidades dos Estados Unidos e da Europa, inclusive para transportar pizzas. Para circular com precisão por áreas urbanas, esses robôs contam com dados visuais fornecidos pela Niantic Spatial, empresa originada a partir da Niantic, criadora do aplicativo Pokémon Go.

A lógica por trás dessa tecnologia é simples de entender: em muitos cenários urbanos, o GPS sozinho não oferece precisão suficiente. Por isso, os robôs precisam de uma leitura visual muito mais detalhada do ambiente ao redor. E é justamente aí que entra o enorme volume de imagens coletadas ao longo dos anos por jogadores do Pokémon Go.

Quando o aplicativo foi lançado, em julho de 2016, 500 milhões de pessoas o instalaram nos primeiros 60 dias. Ao circular pelas cidades em busca de personagens virtuais, esses usuários também registraram bilhões de imagens de ruas, monumentos e outros pontos de referência, sob diferentes ângulos e com dados precisos de localização. Em 2024, oito anos após o lançamento, o jogo ainda reunia mais de 100 milhões de jogadores.

A partir dessa base massiva, a Niantic Spatial passou a construir um modelo digital do mundo real. Segundo o texto original, 30 bilhões de imagens foram analisadas com uso de IA para compor esse mapeamento tridimensional com precisão milimétrica.

Um ativo valioso que levou anos para ganhar aplicação comercial

Esse caso deixa clara uma característica importante dos projetos de IA: nem sempre o retorno aparece no curto prazo. No exemplo citado, foram necessários quase 10 anos até que essa base de dados e os parâmetros extraídos dela começassem a ser aproveitados em um modelo de negócio licenciado a terceiros.

Ao longo desse período, a estrutura de dados gerada foi gigantesca. As imagens capturadas seguiam formatos típicos de smartphones, com arquivos comprimidos entre 1 MB e 2 MB, sempre associados a coordenadas geográficas, orientação da câmera e dados de movimento do aparelho. Dependendo do dia da semana, o volume enviado aos servidores centrais chegava a variar entre 5 e 10 terabytes por dia nos momentos de pico.

Todo esse conteúdo foi direcionado para plataformas como Google BigQuery e BigTable, usadas para análise e armazenamento de longo prazo. A IA precisou processar esse volume massivo para formar o modelo digital do mundo, em um treinamento que envolveu milhões de nós de rede neural e trilhões de parâmetros.

Mais do que um caso curioso, esse exemplo mostra como dados acumulados ao longo do tempo podem se transformar em uma vantagem competitiva difícil de replicar.

Com IA, cresce a urgência de proteger dados e controlar acessos

O desafio é grande porque a IA tende a gerar grandes volumes de informação, muitas vezes distribuídos por diferentes ambientes. Em projetos mais avançados, especialmente aqueles baseados em IA agêntica, dados e modelos passam a circular por múltiplos sistemas, aplicações e fontes externas, o que aumenta a superfície de risco.

Por isso, monitorar a atividade da IA, registrar suas ações e proteger centralmente as fontes de dados passa a ser uma medida básica de segurança. Em ambientes distribuídos, essa visibilidade central é ainda mais importante para evitar que arquivos sejam comprometidos ou alterados sem controle.

Outro ponto crítico é o processo de implantação e governança. O avanço da IA nas empresas exige coordenação entre áreas como DevOps, SecOps e ITOps para garantir que o uso da tecnologia permaneça sob controle. O risco é que usuários passem a alimentar agentes de IA com dados corporativos sem autorização adequada, repetindo um movimento já visto no início da computação em nuvem, quando serviços eram adotados de forma descentralizada e sem supervisão.

Para mitigar esses riscos, entram em cena tecnologias como detecção de anomalias, identificação de ameaças, saneamento de dados, governança, conformidade e políticas de proteção. Em última instância, a proteção de dados se consolida como a base da segurança em projetos de IA.

No pior cenário, as empresas também precisam estar preparadas para recuperar rapidamente seus agentes e dados críticos após um incidente. Isso significa incluir esses ativos no núcleo mínimo necessário para restabelecer a operação do negócio de forma limpa e segura.

Em termos práticos, um modelo sólido de ciber-resiliência para IA precisa reunir três frentes: proteção dos sistemas de identidade, segurança e detecção de anomalias nas fontes de dados de IA, e mecanismos de recuperação cibernética capazes de restaurar dados eventualmente corrompidos. De preferência, tudo isso com gestão centralizada, em uma única interface.

O caso do Pokémon Go aplicado à robótica de entrega mostra que a inteligência artificial pode seguir caminhos improváveis. E justamente por isso, empresas que investem em IA precisam pensar não apenas em inovação, mas também em estrutura, proteção e resiliência desde o início.

*Bruno Lobo é diretor-geral da Commvault para América Latina, empresa de software especializada em soluções de resiliência cibernética, proteção de dados e gerenciamento de nuvem

Quer ficar por dentro do mundo da tecnologia e ainda baixar gratuitamente nosso e-book Manual de Segurança na Internet? Clique aqui e assine a newsletter do 33Giga