Financiamento Série A da Go.AI coloca US$ 85 milhões em IA on-premises, mas a execução agora é decisiva

A Go.AI levantou US$ 85 milhões em uma rodada Série A, fazendo uma grande aposta em sistemas de IA que permanecem dentro do perímetro de segurança do cliente. O financiamento Série A da Go.AI dá à startup de Chicago mais recursos para desenvolver seu hardware, software, organização de engenharia e operação de vendas. Também cria um teste exigente: se instituições reguladas querem um appliance de IA dedicado em vez de mais um serviço de nuvem.

A Updata Partners liderou a rodada, enquanto os investidores já existentes GFT Ventures e LAUNCH participaram. A Go.AI afirma que o financiamento eleva seu total captado para US$ 90 milhões. A empresa planeja expandir sua sede no centro de Chicago, ao mesmo tempo que avança além do setor bancário para saúde, aeroespacial, defesa, manufatura e outros mercados sensíveis a exigências de conformidade.

O financiamento importa porque a Go.AI não está tentando desenvolver o maior modelo de propósito geral. Ela vende controle sobre onde os modelos são executados, onde os dados institucionais permanecem e como a atividade de IA é registrada. Essa abordagem compete com o caminho centrado na nuvem promovido por grandes provedores de infraestrutura, mesmo quando esses provedores oferecem redes privadas e controles de segurança empresarial.

A empresa entra nessa disputa com um impulso autodeclarado marcante. A Go.AI afirma ter mais de 200 clientes, processar mais de 12,5 milhões de consultas por dia e ter aumentado a receita recorrente anual em mais de oito vezes na comparação anual. Essas alegações não foram auditadas de forma independente nos materiais públicos analisados para este artigo.

A rodada de financiamento, portanto, representa mais do que outro grande cheque para uma startup. Ela testa se localização dos dados, auditabilidade, implantação previsível e controle local podem se tornar uma categoria distinta de infraestrutura de IA.

O financiamento Série A da Go.AI apoia uma expansão completa de infraestrutura

O novo capital transforma a tese on-premises da Go.AI em um compromisso de execução em larga escala.

A Go.AI anunciou a rodada em 22 de setembro de 2026. Seu anúncio da Série A informa que a empresa expandirá a engenharia, acelerará o desenvolvimento de seu sistema operacional Go.OS e sua linha de hardware, além de ampliar sua atividade de entrada no mercado.

A rodada ocorreu menos de um ano após a empresa, então chamada Go Abacus, anunciar um investimento seed de US$ 5 milhões. Esse financiamento anterior focou em engenharia, infraestrutura de conformidade e expansão nos setores bancário, de seguros, saúde e cooperativas de crédito. Desde então, a empresa passou a se chamar Go.AI e colocou sua combinação de hardware e software no centro de sua identidade.

Seu produto principal, o Go1, é um appliance, ou seja, um sistema combinado de hardware e software instalado no ambiente do cliente. O Go.OS gerencia modelos, indexação de documentos, funções de agentes, aplicações e registros de auditoria nesse equipamento. A empresa afirma que as implantações podem operar sem enviar informações proprietárias a um provedor externo de modelos.

Esse projeto explica por que o financiamento é excepcionalmente importante para a história. Vender software por meio de uma nuvem pública pode permitir que uma startup adicione clientes sem instalar equipamento físico em cada organização. Uma empresa de appliances enfrenta responsabilidades de fabricação, implantação, suporte, atualizações, segurança e ciclo de vida do hardware, além do desenvolvimento de software convencional.

A Go.AI aceita esse ônus operacional porque acredita que compradores regulados valorizam suficientemente o controle direto para escolher um modelo de implantação diferente. Bancos e organizações de saúde frequentemente gerenciam registros confidenciais, políticas internas, comunicações com clientes e processos decisórios regulados. Um serviço externo de IA pode introduzir questões sobre tratamento e retenção de dados, acesso do fornecedor, atualizações de modelos e resposta a incidentes.

A implantação local não responde a todas essas questões. Ela pode, contudo, reduzir o número de sistemas pelos quais materiais sensíveis transitam. Também dá ao cliente mais autoridade direta sobre o acesso à rede e a configuração da infraestrutura.

O financiamento também apoia uma ambição de produto mais ampla. A Go.AI não apresenta o Go1 como um dispositivo fechado que executa um único modelo proprietário. Seus materiais de produto afirmam que o Go.OS pode executar o modelo da empresa juntamente com modelos abertos ou personalizados selecionados. Essa flexibilidade pode ajudar clientes a trocar de modelo sem substituir as camadas de governança e aplicações ao seu redor.

Chicago é outra parte visível da expansão. A empresa informa que sua sede fica na 111 South Wacker Drive, no Loop. A expansão no centro reportada pelo Chicago Business Journal conecta o anúncio do financiamento a contratações locais e ao crescimento do escritório, não apenas ao desenvolvimento remoto de software.

A questão decisiva é o que a Go.AI construirá com o dinheiro. O crescimento da engenharia precisa se traduzir em implantações confiáveis, atualizações gerenciáveis, aplicações úteis e suporte que satisfaça clientes avessos a riscos. Um escritório e uma equipe maiores só importarão se melhorarem esses resultados.

Por que instituições reguladas querem IA dentro de suas próprias paredes

A Go.AI aposta que controle e auditabilidade importam mais do que acesso imediato a cada novo modelo de nuvem.

Organizações reguladas enfrentam um problema de adoção de IA diferente do enfrentado por consumidores individuais. Um consumidor pode colar texto em um chatbot e avaliar a resposta. Um banco também precisa considerar para onde o texto foi, quem pode acessá-lo, por quanto tempo ele permanece disponível e se a instituição consegue reconstruir a interação posteriormente.

Essas preocupações aumentam quando a IA se conecta a documentos internos ou executa ações em sistemas corporativos. Um assistente útil pode pesquisar políticas, resumir arquivos de clientes, preparar análises internas ou orientar um funcionário em um fluxo de trabalho regulado. Cada conexão adicional amplia a necessidade de controles de permissão, registros de atividade, testes e propriedade claramente definida.

O Federal Reserve, a Federal Deposit Insurance Corporation e o Office of the Comptroller of the Currency já enfatizaram a gestão do ciclo de vida de relacionamentos com terceiros. Suas orientações sobre risco de fornecedores abrangem planejamento, diligência prévia, contratação, monitoramento e encerramento. Não se trata de uma lista de verificação para produtos de IA, mas mostra por que os bancos examinam atentamente provedores externos de tecnologia.

A IA em nuvem pode atender a requisitos rígidos de segurança quando configurada e governada corretamente. O problema não é que a implantação em nuvem seja inerentemente não compatível. O problema é que cada provedor, local de processamento, contrato e dependência técnica adicional se torna parte da análise de risco da instituição.

A Go.AI enfrenta esse atrito com uma resposta intencionalmente física. O modelo, o índice de documentos, as aplicações e as funções de auditoria podem operar em hardware pertencente ao cliente. Uma implantação isolada da internet pode funcionar sem conexão com a internet, embora ambientes desconectados criem seus próprios desafios de atualização e manutenção.

A documentação para desenvolvedores da empresa descreve quatro superfícies principais no Go.OS: acesso a modelos locais, indexação de documentos, uma cadeia de auditoria somente para acréscimos e ações de agentes. A arquitetura do Go.OS informa que chamadas de aplicações podem ser registradas automaticamente enquanto o software opera dentro do perímetro do cliente.

Essa combinação é importante. Manter os dados localmente é apenas uma parte da governança. As instituições também precisam saber qual modelo processou as informações, quais documentos influenciaram uma resposta, qual usuário iniciou a solicitação e que ação se seguiu.

O perfil de risco de IA voluntário do NIST identifica governança, testes antes da implantação, proveniência de conteúdo e divulgação de incidentes como considerações importantes para a IA generativa. Um appliance não atende automaticamente a esses requisitos. Ele pode oferecer um ambiente controlado no qual uma instituição os implementa.

Os casos de uso imediatos são menos dramáticos do que serviços bancários totalmente autônomos. Funcionários podem pesquisar procedimentos internos, resumir documentos aprovados, recuperar informações de conformidade e redigir materiais para revisão humana. Essas tarefas podem economizar tempo, mantendo a responsabilização com profissionais treinados.

Um sistema local também se adequa a trabalhos intensivos em conhecimento nos quais o material de origem muda com menos frequência do que os modelos de ponta. Uma instituição pode se importar mais com a recuperação confiável de suas próprias políticas aprovadas do que com o acesso a um recurso recém-lançado de chatbot para consumidores. Essa preferência cria espaço para um provedor de infraestrutura especializado.

Isso também explica a ênfase da Go.AI em treinamento e consultoria para clientes. A instalação técnica por si só não pode determinar quais documentos devem entrar em um índice, quais funcionários recebem acesso ou quando a aprovação humana é obrigatória. Essas são decisões de governança, e os clientes precisam assumi-las.

A oportunidade da Go.AI vem de organizar essas decisões em uma implantação mais gerenciável. Seu risco é que os clientes ainda prefiram a amplitude de integração, a familiaridade de aquisição e o alcance de suporte das plataformas de nuvem estabelecidas.

A verdadeira disputa é entre IA on-premises empacotada e a pilha de nuvem

A Go.AI precisa provar que um appliance especializado reduz a complexidade, em vez de transferi-la para o prédio do cliente.

O principal concorrente da empresa não é outra startup de Chicago. É o método centrado na nuvem que a maioria das empresas já utiliza para adquirir recursos de computação e serviços de IA.

Grandes provedores de nuvem oferecem aos clientes modelos gerenciados, sistemas de identidade, ferramentas de monitoramento, bancos de dados, controles de segurança e amplas redes de parceiros. Suas plataformas permitem que empresas testem vários modelos sem comprar equipamento dedicado para cada local. Elas também podem fornecer melhorias de modelos por meio de serviços gerenciados.

A Go.AI oferece um pacote diferente. Ela combina computação local, disponibilização de modelos, indexação de documentos, aplicações, orquestração de agentes e recursos de auditoria. Os clientes recebem um ambiente operacional único projetado para implantação privada.

Isso pode simplificar a aquisição para uma instituição que, de outra forma, reuniria diversos fornecedores. O cliente não precisa integrar separadamente um endpoint de modelo, banco de dados vetorial, serviço de auditoria, framework de agentes e plataforma de hardware. A Go.AI afirma que esses elementos estão incluídos no Go.OS e na família de produtos Go1.

No entanto, a integração em um único appliance também pode criar risco de concentração. Um cliente passa a depender da Go.AI quanto à compatibilidade de hardware, atualizações do sistema operacional, interfaces de aplicações, suporte e partes de seu registro de governança. A propriedade local do hardware não elimina a dependência do fornecedor que mantém seu software.

A escolha de modelos apresenta outra troca. Provedores públicos de IA lançam frequentemente sistemas atualizados e novos recursos. Um modelo hospedado localmente precisa se adequar ao hardware disponível e aos limites operacionais do cliente. Modelos maiores podem exigir mais memória, energia, refrigeração e manutenção.

A Go.AI tenta reduzir essa limitação ao oferecer suporte a seu modelo e a outros pesos compatíveis no mesmo ambiente. Ainda assim, a documentação pública não estabelece com que rapidez cada modelo de terceiros desejado se torna disponível, como o desempenho se compara entre tarefas ou como as atualizações afetam as aplicações existentes.

A rota pela nuvem também tem fragilidades. Os custos baseados no uso podem se tornar difíceis de prever, enquanto o processamento externo pode complicar a governança. Interrupções de serviço ou mudanças de política podem afetar clientes que dependem fortemente de um único provedor. As instituições também podem ter dificuldade para determinar quais dados podem entrar em um modelo gerenciado e quais precisam permanecer isolados.

O mercado mais realista não escolherá uma única rota de forma universal. Um banco pode executar ferramentas de produtividade de baixo risco na nuvem enquanto mantém cargas de trabalho sensíveis de recuperação de informações ou suporte à decisão em infraestrutura local. Um fabricante poderia isolar propriedade intelectual enquanto usa serviços de nuvem para conteúdo público de marketing.

A adoção híbrida muda o desafio comercial da Go.AI. A empresa não precisa substituir todas as cargas de trabalho de IA na nuvem. Ela precisa identificar aplicações em que a execução local oferece valor suficiente para justificar uma infraestrutura separada.

É nesse ponto que os números reportados pela Go.AI sobre clientes e uso ganham significado. Mais de 200 clientes e 12,5 milhões de consultas diárias sugeririam uso recorrente, em vez de uma coleção de testes de laboratório. A empresa não divulgou publicamente uma divisão detalhada de clientes em produção, pilotos, categorias de cargas de trabalho ou definições de consulta.

Uma consulta pode representar uma análise complexa ou uma pequena solicitação em segundo plano. A contagem não revela qualidade das respostas, valor para o negócio, usuários ativos, retenção ou concentração de receita. Esses detalhes ausentes não invalidam a métrica, mas limitam o que observadores externos podem concluir a partir dela.

O aumento de oito vezes na receita recorrente anual traz a mesma ressalva. O crescimento a partir de uma base pequena pode produzir uma porcentagem elevada. A Go.AI afirma continuar lucrativa, mas não divulgou demonstrações financeiras que estabeleçam de forma independente receita, margens, fluxo de caixa ou o custo de apoiar implantações de hardware.

Portanto, essa disputa será decidida pelas operações dos clientes, e não por métricas de manchete. Os compradores perguntarão se as implantações terminam dentro do prazo, se os funcionários continuam usando o sistema e se as auditorias se tornam mais simples. Eles também avaliarão se a infraestrutura local oferece desempenho aceitável sem criar uma nova carga administrativa.

A Rodada de US$ 85 Milhões Eleva o Padrão de Comprovação

Uma grande Série A valida o interesse dos investidores, mas não valida todas as alegações sobre produto, crescimento ou conformidade.

O financiamento da Go.AI é um voto externo de confiança da Updata Partners e de seus investidores atuais. O investimento dá à empresa tempo e recursos para contratar, expandir produtos e buscar clientes além de seu foco original em serviços financeiros.

Os investidores podem examinar informações financeiras e operacionais privadas que o público não pode ver. Sua participação é, portanto, relevante. Ela não substitui estudos de caso de clientes, dados de desempenho auditados ou avaliações técnicas independentes.

A empresa descreve sua plataforma como pronta para examinadores. Essa expressão sugere que o sistema foi projetado para apoiar a revisão regulatória por meio de implantação controlada e registros detalhados. Ela não deve ser interpretada como aprovação regulatória universal.

Os reguladores examinam instituições, atividades e controles em contextos específicos. Um produto de tecnologia não consegue tornar cada implementação compatível por si só. Configuração, comportamento dos funcionários, seleção de dados, direitos de acesso, monitoramento, validação e resposta a incidentes continuam sendo responsabilidade do cliente.

A distinção importa à medida que a Go.AI se expande além de seu mercado inicial. Um banco comunitário, hospital, contratante de defesa e fabricante têm obrigações legais e ambientes operacionais diferentes. Uma plataforma comum pode fornecer infraestrutura compartilhada, mas os controles ao redor precisam corresponder a cada cliente.

O suporte a hardware introduz outra incerteza. Appliances exigem logística, procedimentos de substituição, planejamento de capacidade e descarte seguro. Os clientes precisam decidir com que frequência atualizar aceleradores e como migrar dados ou modelos entre gerações.

Sistemas desconectados criam trabalho adicional. Air gaps podem reduzir a exposição a redes externas, mas tornam a distribuição de software e as atualizações de segurança mais deliberadas. Os clientes precisam de processos confiáveis para transferir atualizações assinadas e monitorar sistemas que não podem reportar continuamente a um serviço remoto.

A Go.AI também precisa demonstrar que sua cadeia de auditoria captura evidências úteis. Registrar eventos não basta se os logs não conseguem responder às perguntas de um examinador ou conectar a atividade aos sistemas de governança existentes. Os dados de auditoria devem permanecer compreensíveis, exportáveis, protegidos e disponíveis durante todo o período de retenção exigido.

A empresa também enfrenta pressão organizacional. Seu anúncio afirma que a equipe cresceu para mais de 50 pessoas. Adicionar capital e funcionários rapidamente pode pressionar a disciplina de produto, o suporte ao cliente e a comunicação interna. As equipes de hardware, software, vendas, conformidade e consultoria precisam se coordenar em torno de cada implantação.

A expansão para organizações menos reguladas, mas ainda atentas à conformidade, acrescenta outro teste. Esses compradores podem valorizar a privacidade, mas sentir menos pressão para instalar infraestrutura dedicada. A Go.AI precisará demonstrar benefícios além de evitar o processamento em nuvem pública.

Esses benefícios podem incluir custos operacionais previsíveis, menor dependência de rede, acesso mais rápido a documentos locais ou maior controle sobre a seleção de modelos. Cada alegação exige evidências específicas para a carga de trabalho. O desempenho em um piloto de busca de documentos não estabelece desempenho para um sistema de agentes de alto volume.

O histórico da empresa oferece um ponto de referência útil. A Go Abacus anunciou seu financiamento seed em novembro de 2025 e disse ter implantações em diversos setores regulados. A nova rodada chegou aproximadamente dez meses depois, acompanhada de alegações de crescimento muito maiores e de uma estratégia de produto mais ampla.

Esse ritmo é impressionante se os resultados reportados representarem uso duradouro em produção. É também por isso que evidências independentes de clientes agora importam mais. A Série A leva a Go.AI de uma especialista promissora a uma empresa da qual se espera suporte a infraestrutura sensível à missão em escala.

O Que a Expansão da Go.AI Significa para Compradores e Desenvolvedores

A empresa está transformando a IA privada de um projeto de infraestrutura customizado em uma categoria de produto empacotada.

Muitas organizações hoje enfrentam três escolhas imperfeitas. Elas podem usar serviços de IA gerenciados, construir um sistema privado a partir de componentes separados ou adiar a adoção enquanto equipes de governança estabelecem controles aceitáveis.

A Go.AI propõe uma quarta rota: comprar um ambiente local integrado com as principais camadas de infraestrutura já conectadas. Essa abordagem pode encurtar a implantação quando suas configurações padrão correspondem às necessidades do cliente.

Para compradores corporativos, o recurso mais valioso pode ser a redução de coordenação. Um banco que avalia uma aplicação na nuvem precisa revisar o provedor do modelo, o ambiente de hospedagem, o fluxo de dados, os termos contratuais, os controles de segurança e o processo de monitoramento. Um appliance empacotado pode consolidar partes dessa revisão, embora não possa eliminar a diligência necessária.

Os compradores ainda devem fazer perguntas detalhadas. Eles precisam saber quais modelos são compatíveis, como as vulnerabilidades são tratadas, como as atualizações são assinadas e o que acontece quando o hardware falha. Devem testar se os registros de auditoria se integram aos fluxos de trabalho existentes de segurança e conformidade.

A governança de dados merece atenção especial. O processamento local evita algumas formas de exposição externa, mas não impede que um funcionário autorizado recupere informações inadequadas. As permissões de documentos e os controles de identidade devem acompanhar o usuário até o sistema de IA.

As organizações também precisam de processos de avaliação para o comportamento dos modelos. Um modelo hospedado localmente pode alucinar, omitir contexto ou produzir respostas inconsistentes, assim como um modelo hospedado na nuvem. O local da implantação muda a superfície de controle, não a natureza estatística da IA generativa.

A qualidade do conhecimento se torna uma questão operacional central. Um assistente de IA conectado a políticas desatualizadas pode produzir orientações refinadas, mas obsoletas. As equipes precisam de responsáveis pela seleção de documentos, versionamento, retenção e revisão. Uma base de conhecimento de IA bem mantida pode tornar a recuperação de informações mais útil, mas a governança deve ir além do software.

Os desenvolvedores enfrentam uma oportunidade diferente. O kit de desenvolvimento de software da Go.AI destina-se a permitir que terceiros criem aplicações usando o modelo local do appliance, indexador, funções de auditoria e ações de agentes. Se a adoção crescer, isso poderá criar um canal de distribuição especializado para aplicações voltadas a bancos, provedores de saúde, empresas de serviços públicos e organizações de defesa.

A oportunidade vem com restrições. Os desenvolvedores precisam projetar para os modelos e recursos disponíveis no appliance. Eles não podem presumir acesso irrestrito à internet, chamadas de API externas ou os padrões de escalabilidade rápida disponíveis em uma nuvem pública.

Esses limites podem incentivar uma arquitetura melhor para fluxos de trabalho sensíveis. As aplicações podem precisar de limites explícitos para dados, permissões restritas, etapas determinísticas de aprovação e estados claros de falha. Esses projetos são úteis mesmo quando a regulamentação não os exige.

O desafio mais amplo da Go.AI é atrair desenvolvedores antes que a base instalada se torne grande. Os desenvolvedores querem acesso a clientes, enquanto os clientes querem uma forte seleção de aplicações. As próprias aplicações e integrações da empresa terão mais peso até que esse ciclo se desenvolva.

A expansão de sua sede no centro da cidade pode apoiar esse ecossistema se aproximar as equipes de engenharia, consultoria para clientes e atendimento ao cliente. A implantação de IA regulada exige mais do que instalação remota. Os funcionários frequentemente precisam de treinamento, redesenho de processos e ajuda para traduzir políticas de risco em configurações do sistema.

Chicago também dá à Go.AI proximidade com grandes organizações de serviços financeiros, saúde, seguros, manufatura e serviços profissionais. A geografia não determinará o resultado da empresa, mas o acesso a clientes locais pode ajudar uma jovem fornecedora de infraestrutura a refinar implantações.

A resposta mais importante dos compradores é a experimentação disciplinada. As organizações devem selecionar um fluxo de trabalho limitado, definir resultados aceitáveis, medir erros e estabelecer revisão humana antes de uma implantação ampla. Devem comparar as abordagens local e na nuvem usando os mesmos documentos, tarefas, premissas de segurança e requisitos de serviço.

Essa comparação daria à Go.AI um teste mais justo do que argumentos abstratos sobre se a IA na nuvem ou on-premises é mais segura. A implantação correta depende da carga de trabalho, dos dados, da equipe operacional e das consequências da falha.

Três Sinais Mostrarão se a Aposta Está Funcionando

A próxima fase precisa produzir evidências operacionais verificáveis, não apenas mais anúncios de financiamento e alegações de produto.

O primeiro sinal é a validação independente de clientes. A Go.AI precisa de organizações identificadas dispostas a explicar quais cargas de trabalho entraram em produção, como os funcionários as utilizam e o que mudou após a implantação.

Estudos de caso robustos devem incluir tempo de implantação, uso ativo, tratamento de erros, procedimentos de governança e resultados mensuráveis para o negócio. Eles devem distinguir pilotos controlados de sistemas que apoiam o trabalho diário.

Evidências independentes de clientes fortaleceriam a escala reportada pela empresa. A ausência contínua desse tipo de detalhe deixaria observadores externos dependentes de números agregados difíceis de interpretar.

O segundo sinal é a entrega de produto nas linhas de software Go.OS e hardware Go1. A empresa prometeu desenvolvimento mais rápido de software e hardware, tornando os lançamentos uma medida direta de como utiliza o financiamento.

Os compradores devem acompanhar a compatibilidade de modelos, ferramentas de gerenciamento, atualizações de segurança, opções de integração, exportações de auditoria e acesso para desenvolvedores. A qualidade da documentação será importante junto com a quantidade de recursos, porque clientes regulados precisam de procedimentos repetíveis.

Atualizações confiáveis reforçariam a alegação de que um appliance empacotado pode reduzir a complexidade da infraestrutura. Lançamentos fragmentados, compatibilidade pouco clara ou manutenção difícil enfraqueceriam esse argumento.

O terceiro sinal é a evidência de que a expansão para além dos setores regulados gera demanda repetível. A Go.AI afirma que buscará um grupo mais amplo de organizações atentas à conformidade. Esses clientes precisam ter sensibilidade suficiente em relação a dados, auditabilidade ou controle de custos para justificar uma infraestrutura dedicada.

Novos setores fortaleceriam a tese da empresa se adotassem a mesma plataforma central sem exigir ampla engenharia personalizada. Uma coleção de projetos altamente customizados se pareceria mais com um negócio de serviços do que com um produto de infraestrutura escalável.

Esses sinais devem se tornar visíveis por meio de anúncios de clientes, documentação de produtos, padrões de contratação e divulgações financeiras posteriores. Nenhum deles exige que a Go.AI revele dados confidenciais de clientes. Eles exigem detalhes suficientes para que os compradores distingam adoção de promoção.

Para líderes de tecnologia, o próximo passo prático é identificar um fluxo de trabalho em que o processamento externo gera atrito real. Compare uma implantação em nuvem, uma pilha montada internamente e um sistema local empacotado usando critérios consistentes de segurança e desempenho.

A rodada Série A da Go.AI forneceu à empresa recursos substanciais e atenção. Ela não resolveu a disputa entre appliances locais e IA em nuvem gerenciada. Essa decisão surgirá carga de trabalho por carga de trabalho, à medida que os clientes avaliarem se controle, auditabilidade e operações previsíveis justificam instalar hardware de IA dentro de suas próprias instalações.