Uma estação de trabalho que está lenta devido a um agente de IA mal configurado, um firewall contornado por um simples cookie de sessão roubado, uma fatura de nuvem que explode porque ninguém previu o consumo dos modelos de linguagem: os problemas concretos mudam de natureza. As tendências e novidades em tecnologia da informação deste ano não se resumem a anúncios de marketing. Elas modificam diretamente a forma como administramos, seguramos e orçamentamos nossos ambientes.
Roubo de tokens de autenticação: a ameaça que substitui a senha
Proteger contas com MFA, endurecer as políticas de senhas, e mesmo assim as compromissos continuam. O problema vem de outro lugar. Desde o início do ano, vários atores da cibersegurança (Sekoia, Microsoft) observam uma mudança maciça para o roubo de tokens de autenticação: tokens OAuth, cookies de sessão, tokens de acesso temporários.
Concretamente, um atacante que intercepta um token válido não precisa mais da senha nem do segundo fator. Ele se conecta diretamente ao ambiente de nuvem ou Microsoft 365 da vítima. O FBI relatou em maio de 2026 o crescimento de uma plataforma de Phishing-as-a-Service chamada Kali365, especializada nesse tipo de roubo em contas Microsoft 365.
Para acompanhar as informações de tecnologia da informação no Geek Newz permite manter um olho nesse tipo de alerta sem esperar os boletins oficiais.
O que isso muda no campo:
- As políticas de rotação de senhas tornam-se secundárias em relação ao endurecimento da duração de vida dos tokens e à vigilância de conexões anormais.
- O controle condicional (geolocalização, impressão do navegador, conformidade da estação) passa do status de recomendação para a necessidade operacional.
- As equipes de segurança devem treinar os usuários não apenas sobre phishing clássico, mas sobre páginas de consentimento OAuth fraudulentas, um vetor muito menos identificado.
IA nas empresas: o custo real de um deployment no campo
A maioria das apresentações sobre IA nas empresas se limita à demonstração. No campo, o primeiro obstáculo não é técnico nem cultural: é a fatura. Cada chamada a um modelo de linguagem consome recursos de computação, e o consumo de GPU de um assistente de IA interno pode superar o de dezenas de estações clássicas.
Quando se integra um agente de IA em um fluxo de trabalho (suporte ao cliente, triagem de tickets, geração de relatórios), é preciso antecipar três itens de despesa que os editores raramente mencionam: o custo de inferência por solicitação, o armazenamento dos contextos de conversa, e a largura de banda entre o modelo e os sistemas internos.
Governança e conformidade RGPD dos modelos
A CNIL e várias autoridades europeias reforçaram sua vigilância sobre o uso de modelos de IA que tratam de dados pessoais. A Anthropic (editora do Claude) é, por exemplo, alvo de análises de conformidade RGPD documentadas. Todo deployment de um LLM em dados internos exige uma análise de impacto (AIPD) antes da produção.
Os retornos variam nesse ponto de acordo com o tamanho da organização: uma PME de cinquenta pessoas não tem as mesmas obrigações documentais que um grupo listado. O desafio permanece o mesmo: rastrear quais dados transitam pelo modelo, onde estão armazenados e quem tem acesso a eles.
Soberania digital e nuvem: o que está mudando na infraestrutura
Bercy recentemente desconectou o teste de um LLM chinês em uma infraestrutura pública. Esse tipo de decisão ilustra um movimento mais amplo: a questão da soberania não diz respeito apenas aos dados, mas aos próprios modelos. Hospedar seus dados na França não é suficiente se o motor de inferência depende de um editor sujeito a uma jurisdição extra-europeia.
Vários pontos merecem a atenção das empresas que desejam manter o controle sobre sua cadeia de processamento:
- Priorizar modelos de código aberto auditáveis em vez de APIs proprietárias opacas, mesmo que o desempenho bruto seja ligeiramente inferior.
- Verificar se o provedor de nuvem garante contratualmente a ausência de transferência fora da UE, incluindo para os logs de solicitações de IA.
- Mapear a dependência real de cada fornecedor: uma mudança na política de preços ou nas condições de uso pode tornar um projeto inviável em poucas semanas.
Arquitetura de chips e informática pós-silício: os sinais concretos
A IBM revelou uma arquitetura de chip de 0,7 nm. Nessa escala, estamos nos aproximando dos limites físicos do transistor clássico. Isso não é uma curiosidade de laboratório: cada ganho de precisão de gravação se traduz em uma redução do consumo energético por operação, um parâmetro direto para os datacenters que alimentam as cargas de IA.
Paralelamente, a computação fotônica (que utiliza luz em vez de eletricidade para transferir informações) e a computação neuromórfica (arquiteturas inspiradas no cérebro) estão avançando. Essas abordagens não substituirão os processadores clássicos a curto prazo, mas começam a aparecer em casos de uso específicos: otimização de roteamento de rede, simulação molecular, processamento de fluxos de vídeo em tempo real.
Consumo energético dos datacenters
O crescimento do mercado de datacenters acelera, impulsionado pela demanda de IA. A computação eficiente em energia não é mais um argumento de marketing, mas uma restrição operacional. As novas arquiteturas de resfriamento líquido e os chips de gravação muito baixa participam do mesmo objetivo: manter a capacidade de cálculo sem fazer a fatura elétrica explodir.
O assunto continua técnico, mas impacta diretamente os orçamentos de TI de toda organização que consome nuvem. Monitorar a evolução das arquiteturas de hardware ajuda a antecipar as reduções de custos de inferência e a planejar as renovações de infraestrutura no momento certo.