A computação em nuvem centralizou o processamento de dados em grandes datacenters. No entanto, de acordo com Jean Pierre Lessa e Santos Ferreira, diretor de tecnologia e especialista em software e inteligência artificial, nem todas as aplicações podem aguardar a ida e volta das informações pela internet. Para esses casos, a computação de borda, ou edge computing, é uma solução que processa os dados próximo à sua origem.
Câmeras em linhas de produção, sensores em equipamentos agrícolas, terminais em lojas e veículos conectados geram grandes volumes de dados que, muitas vezes, precisam ser analisados em milissegundos. Encaminhar tudo para a nuvem é custoso e pode gerar atrasos.
O avanço da inteligência artificial aplicada reforçou essa tendência, uma vez que modelos menores podem ser executados em dispositivos locais. Entenda a seguir quando a computação de borda faz sentido, quais desafios ela traz para as equipes de tecnologia e como se integra à nuvem.
A escolha entre computação de borda e nuvem conforme a necessidade do negócio
A latência é o mais importante dos critérios. Aplicações que dependem de resposta imediata não podem depender do envio de dados para um servidor distante. O processamento local permite decisões rápidas mesmo com instabilidade na rede.
O volume de dados é outro fator a ser considerado. Ao observar o cenário, Jean Pierre Lessa e Santos Ferreira, CTO, identificou que câmeras e sensores de alta frequência geram um volume de informações que tornaria a transmissão contínua cara e pouco eficiente. Na borda, os dados são filtrados, resumidos ou analisados, e apenas resultados relevantes são enviados para a nuvem, reduzindo consumo de banda e custos.
Há também questões de privacidade e conformidade. Imagens de pessoas, dados de saúde ou informações industriais sensíveis podem ser processadas no próprio local, sem que seja necessário sair do ambiente controlado. De acordo com a avaliação de Jean Pierre Lessa e Santos Ferreira, especialista em tecnologia, tal característica facilita o atendimento à LGPD e às políticas internas de proteção de dados.
Os desafios operacionais da computação de borda
A distribuição do projeto é complexa. Em vez de administrar alguns datacenters, as equipes passam a gerenciar centenas ou milhares de dispositivos espalhados por fábricas, lojas, fazendas ou veículos. A atualização do software, o monitoramento do desempenho e a correção de falhas nesse ambiente exigem ferramentas de gestão centralizada, automação e padronização dos equipamentos instalados.
A segurança da informação exige medidas como criptografia e autenticação de dispositivos, atualizações frequentes e segmentação de redes, pois dispositivos esquecidos tendem a permanecer sem correções de segurança por longos períodos. Além disso, o inventário atualizado de todos os equipamentos em campo também se torna necessário.
Conforme destacado por Jean Pierre Lessa e Santos Ferreira, que atua como diretor de tecnologia, a arquitetura híbrida é a mais comum no momento. A borda é responsável pelas decisões imediatas e pelo pré-processamento, enquanto a nuvem concentra o armazenamento de longo prazo, o treinamento de modelos de IA e as análises que dependem da visão consolidada de todos os pontos.
Borda e nuvem como partes da mesma estratégia
A computação de borda, por sua vez, complementa a nuvem ao resolver questões que a centralização não atende de maneira eficaz, como latência, volume de dados e privacidade. A escolha de onde processar cada informação passa a integrar o escopo do projeto arquitetural de sistemas, impactando diretamente os custos de transmissão, o tempo de resposta e a exposição de dados sensíveis.
A experiência de Jean Pierre Lessa e Santos Ferreira como CTO contribui para a compreensão de que a decisão deve partir das necessidades de cada aplicação. A processação local, que demanda celeridade, deve ser realizada de forma concomitante à transferência de dados para a nuvem, quando a escalabilidade for um fator preponderante. Tal estratégia permite equilibrar desempenho, custo e segurança de maneira consistente, com uma infraestrutura preparada para a expansão da inteligência artificial em dispositivos conectados.
