A Tecnologia de 2025

Em março de 2023, escrevi um texto sobre as tendências tecnológicas que estavam moldando o mercado naquele momento. Agora, ao revisitar aquelas previsões em 2025, a pergunta é mais útil do que simplesmente contar acertos e erros: quais ideias mudaram decisões de produto, arquitetura ou segurança, e quais permaneceram como promessa?

A principal mudança que eu não havia destacado foi a entrada da IA generativa no centro da tecnologia. Ela alterou a forma de trabalhar com software, dados e atendimento e também mudou o critério para avaliar as outras tendências: uma ideia passou a valer mais quando conseguia chegar à operação.

O que se confirmou

Privacidade e segurança ganharam peso

Com a expansão da IA generativa, o controle sobre dados, a criptografia e a conformidade regulatória passaram a receber mais atenção. LGPD e GDPR deixaram de ser apenas referências jurídicas e entraram nas decisões sobre produtos, integrações e armazenamento.

Para mim, essa previsão se confirmou porque privacidade e segurança passaram a afetar diretamente a escolha de fornecedores, a arquitetura das aplicações e o local onde os dados podem ser processados.

Interfaces naturais mudaram de formato

A previsão acertou a direção, mas a forma foi diferente da imaginada. Assistentes de voz e realidade virtual avançaram de maneira mais lenta, enquanto interfaces conversacionais com IA se espalharam rapidamente.

O uso natural de tecnologia passou a acontecer principalmente por texto e contexto. Isso deslocou a discussão de gestos e dispositivos para a capacidade de expressar uma intenção e receber uma resposta útil.

A automação avançou mais do que a robótica física

Empresas automatizaram tarefas com IA, bots, RPA e modelos generativos. A robótica física também evoluiu, mas o impacto mais imediato veio da automação digital e de ferramentas que ajudam as pessoas a analisar, decidir e produzir.

Essa diferença importa porque automação digital costuma exigir menos investimento inicial e pode ser incorporada aos processos existentes de forma gradual.

Sustentabilidade entrou nas decisões técnicas

Sustentabilidade e impacto ambiental deixaram de ser assuntos restritos à comunicação institucional. Cloud, hardware, energia e arquitetura passaram a ser avaliados também por eficiência e consumo.

O movimento ainda é desigual, mas a eficiência energética dos chips e a forma de operar data centers já fazem parte da conversa técnica. O critério precisa ser aplicado ao custo real de executar um serviço, não apenas à sua intenção.

Computação quântica ainda não chegou à operação ampla

O interesse pela computação quântica continuou alto, mas a adoção prática em larga escala ainda não aconteceu. Para a maioria das equipes, ela continua sendo uma área de pesquisa e uma possibilidade de longo prazo, não uma tecnologia para resolver problemas cotidianos.

Blockchain fora das criptomoedas não encontrou escala

As aplicações de blockchain em saúde, logística e rastreabilidade não tiveram a adoção ampla que muitas previsões sugeriam. Houve experimentos e casos específicos, mas a tecnologia não se tornou uma camada padrão desses setores.

O resultado reforça um critério simples: uma tecnologia precisa resolver melhor um problema existente do que as alternativas já disponíveis. O uso de uma estrutura distribuída, por si só, não cria valor.

A previsão que ficou fora do centro

A chegada massiva da IA generativa foi a mudança mais relevante que não recebeu destaque suficiente no texto de 2023. A tecnologia saiu do espaço de demonstração e começou a aparecer em fluxos de trabalho, produtos, atendimento, análise de dados e desenvolvimento de software.

O impacto não veio somente da capacidade dos modelos. Veio da combinação entre modelos, dados, ferramentas, interfaces e processos de validação. Essa combinação também explica por que o mesmo modelo pode produzir resultados muito diferentes em projetos com contextos e restrições distintos.

Forças que eu acompanharia em 2025

IA generativa em produção

Modelos de linguagem passaram a ser incorporados a fluxos de trabalho, produtos e sistemas internos. O desafio deixou de ser demonstrar que um modelo consegue gerar uma resposta e passou a ser definir onde ele pode atuar, como sua saída será validada e qual custo a operação aceita.

Eu começaria por uma tarefa delimitada, com resultado mensurável e possibilidade de revisão humana. Aumentaria o escopo somente depois de observar qualidade, latência, custo e taxa de falha.

IA privada e focada

Modelos menores, execução local e treinamento com dados internos fazem sentido quando privacidade, latência ou custo são mais importantes do que a capacidade geral do maior modelo disponível.

Gateways privados, modelos especializados e ajustes internos podem reduzir a dependência de APIs públicas. Essa escolha exige medir a qualidade obtida e o custo de manter a infraestrutura, não apenas assumir que o controle adicional será vantajoso.

Observabilidade como rastreabilidade

Logs, métricas e tracing continuam necessários, mas não explicam sozinhos por que um sistema baseado em IA tomou determinada decisão. Em aplicações desse tipo, eu também registraria o contexto utilizado, as ferramentas chamadas, a versão do modelo, a latência, o custo e as ações executadas.

OpenTelemetry, Jaeger e Grafana podem fazer parte dessa estrutura. O ponto central é conseguir reconstruir uma execução e identificar se o problema veio do modelo, dos dados, da integração ou da própria aplicação.

Arquiteturas orientadas a eventos e componíveis

Plataformas modulares, comunicação por eventos e serviços componíveis ajudam a separar responsabilidades e substituir partes do sistema. Kafka, NATS, Prefect e Airflow são exemplos de ferramentas que podem apoiar essa abordagem, dependendo do tipo de fluxo e da capacidade operacional da equipe.

O ganho de flexibilidade vem acompanhado de mais pontos de falha. Contratos, versionamento, idempotência, observabilidade e tratamento de erros precisam ser definidos antes que o desacoplamento vire apenas complexidade distribuída.

Tecnologia com responsabilidade

Sustentabilidade, impacto social e ética digital precisam entrar na arquitetura desde o início. Em sistemas de IA, isso inclui avaliar consumo de energia, qualidade e origem dos dados, possibilidade de auditoria e efeitos sobre as pessoas afetadas pelas decisões do sistema.

Esses critérios não substituem desempenho e custo. Eles ampliam a avaliação para que uma solução tecnicamente eficiente também seja operável e defensável no contexto em que será utilizada.

Segurança por padrão

Zero Trust, MFA, criptografia e proteção de dados sensíveis continuam sendo fundamentos. A diferença é que sistemas com IA também introduzem identidades não humanas capazes de consultar bancos de dados, abrir arquivos, chamar APIs e alterar registros.

Eu trataria cada agente como uma identidade própria, com credenciais específicas, privilégios mínimos, limites de ação, registro das atividades e supervisão nos pontos críticos. Uma falha de configuração ou autorização precisa ser reversível antes de chegar à operação inteira.

Interfaces invisíveis

Interfaces conversacionais e contextuais podem desaparecer dentro dos produtos quando o usuário consegue expressar uma intenção sem navegar por muitas telas. Esse modelo funciona melhor quando as ações são previsíveis, o resultado pode ser confirmado e existe uma alternativa clara para corrigir um erro.

Por isso, a interface invisível não elimina a interface visual. Em operações de maior risco, a aplicação ainda precisa mostrar o que será alterado, pedir confirmação e permitir auditoria posterior.

O que eu levaria para as decisões

As previsões de 2023 foram úteis quando ajudaram a identificar problemas concretos e orientar escolhas. Para avaliar uma tecnologia em 2025, eu começaria por cinco perguntas:

qual restrição do produto ou da operação ela reduz;
como o resultado será medido;
quais dados e permissões serão necessários;
qual custo de operação e de manutenção a equipe consegue absorver;
como interromper ou reverter o comportamento quando algo der errado.

Essa abordagem mantém a curiosidade sobre novas tecnologias, mas impede que o interesse pela novidade substitua a avaliação da utilidade. Para mim, uma tecnologia entra no roadmap quando reduz uma restrição observável, cabe na capacidade de operação da equipe e permite revisar a decisão com evidências.