Instituições compartilham dados sem centralizar e impulsionam IA

Geramos muitos dados, mas 80% dos industriais nunca são usados. Hospitais e empresas têm exames valiosos; aprendizado federado e acordos de compartilhamento permitem colaborar sem centralizar.

Nunca produzimos tantos dados, mas grande parte deles segue isolada em empresas, hospitais, universidades e centros de pesquisa. A Comissão Europeia já estimou que 80% dos dados industriais coletados nunca chegam a ser utilizados, o que mostra que o desafio não é só gerar mais informação, mas criar condições para que dados dispersos gerem conhecimento e inovação sem serem consolidados em um único repositório.

Essa fragmentação traz consequências práticas. Um hospital pode ter milhares de exames úteis para treinar um modelo de inteligência artificial, mas não pode simplesmente transferir sua base para uma empresa de tecnologia. Uma indústria farmacêutica pode dispor de resultados experimentais valiosos, cujo compartilhamento envolve propriedade intelectual, confidencialidade e regras regulatórias. Em outro ponto do ecossistema pode existir o algoritmo, a capacidade computacional ou o conhecimento científico necessários para resolver o problema.

O paradoxo é claro: os ativos existem, mas permanecem separados. É nesse cenário que a computação federada ganha relevo, mudando a pergunta de “como reunir todos os dados?” para outra abordagem centrada na colaboração.

“como reunir todos os dados?”

“como permitir que diferentes organizações colaborem mantendo maior controle sobre seus próprios ativos?”

Em muitas arquiteturas federadas, o processamento ou o modelo vai até o ambiente onde os dados estão, e são compartilhadas apenas informações, parâmetros ou resultados previamente autorizados. O aprendizado federado é uma técnica possível dentro dessa arquitetura, mas o princípio é mais amplo: colaborar não precisa significar centralizar.

Para setores como saúde e indústria farmacêutica, a diferença é decisiva. Não basta proteger os dados: é preciso definir quem pode acessá-los, onde podem ser processados, quais evidências serão registradas e quais regras valem para o produto ou tecnologia em desenvolvimento. Segurança, governança e regulação deixam de ser checagens finais e passam a orientar a arquitetura desde o início.

Além da fragmentação dos dados, há outra menos visível: a das competências. Quem conhece o problema nem sempre tem os dados; quem tem os dados pode não dispor do algoritmo; quem desenvolve o algoritmo pode depender de infraestrutura externa. O desafio passa a ser orquestrar organizações distintas em torno de um objetivo comum.

Essa discussão está no centro do framework 3C, desenvolvido pelo World Economic Forum com a Capgemini. A primeira etapa é combinar tecnologias e capacidades; a segunda é fazê-las convergir para gerar novas soluções; a terceira é criar um efeito cumulativo, no qual conhecimento, padrões e relações construídos em um projeto reduzem riscos e aceleram os seguintes. Em 2026, o próprio Fórum reforçou que orquestrar pessoas, dados e fluxos de trabalho é crítico para transformar combinações tecnológicas em impacto real.

O avanço da inteligência artificial tende a exigir menos concentração e mais coordenação: o valor estará em fazer tecnologias, dados e competências distribuídas trabalharem juntas com segurança, governança, validação científica e viabilidade regulatória. A próxima vantagem competitiva poderá não estar em possuir todos os ativos, mas na capacidade de conectá-los sem perder o controle sobre eles.

É essa lógica que orienta o ConvergeLab, que propõe criar condições para que capacidades distribuídas cooperem com segurança, governança e validação científica. Pesquisas indicam que a IA pode impactar até 37% dos trabalhadores e expor a lacuna digital no Brasil, reforçando a urgência de soluções que combine tecnologia, regras e competências.

Gostou? Compartilhe com quem precisa saber: