--- title: "Claro e Google Cloud ampliam a corrida pela IA empresarial com GPUs e parceria 5G" author: "Lígia Lemos Maia" date: "2026-08-26 06:15:00-03" category: "Inteligência Artificial & Dados" url: "http://desbugados.scale.press/portal/desbugados/post/2026/08/26/claro-e-google-cloud-ampliam-a-corrida-pela-ia-empresarial-com-gpus-e-parceria-5g/md" --- ## Resumo - Google Cloud e Verizon anunciaram, em 24 de agosto de 2026, uma parceria para integrar o Gemini Enterprise à infraestrutura da operadora. - A Verizon pretende usar agentes de IA em atendimento, marketing, cibersegurança e inteligência de rede. - A implementação do Gemini alcança cerca de 28 mil representantes de atendimento e teve resultados divulgados de 95% de resposta a consultas e 40% de aumento nas vendas do time de serviço. - A Claro lançou o Claro STT, que promete transcrever 100% das chamadas de atendimento, contra uma amostragem manual de 5% a 10%. - A Claro oferece GPUs NVIDIA por hora, com promessa de redução de custos de até 50% em relação à compra direta do hardware. - A empresa planeja levar 256 GPUs NVIDIA para data centers no Brasil no início de 2027, com foco em governança, residência de dados e controle de custos. - As duas iniciativas mostram a migração da IA genérica para aplicações operacionais mensuráveis dentro das empresas. --- Em **24 de agosto de 2026**, Google Cloud e Verizon anunciaram uma parceria estratégica para integrar a plataforma Gemini Enterprise à infraestrutura corporativa da operadora, enquanto a Claro Empresas apresentou, durante a Febraban Tech 2026, uma oferta de GPUs por hora e lançou o Claro STT para centrais de atendimento. São movimentos distintos, sem uma parceria entre as duas companhias, mas unidos por uma mesma pergunta: como transformar inteligência artificial em uma ferramenta que opere dentro dos processos de uma empresa, em vez de permanecer como uma demonstração isolada? De um lado, a Verizon pretende conectar dados, atendimento e rede; de outro, a Claro mira instituições financeiras com transcrição de chamadas e capacidade de processamento sob demanda. A tecnologia deixa o palco das promessas e começa a disputar espaço nos bastidores onde empresas medem custos, produtividade e controle sobre seus dados. ## Quando a IA vira camada operacional da Verizon Na frente liderada pela **Google Cloud**, a parceria pretende modernizar a experiência do cliente, unificar dados corporativos e ampliar o uso de inteligência artificial em toda a Verizon. O centro da iniciativa é o **Gemini Enterprise**, plataforma que será integrada à infraestrutura da operadora para apoiar a automação de conteúdo, a organização de campanhas de marketing e o reforço da cibersegurança, área dedicada à proteção de sistemas e informações contra ameaças digitais. A proposta não se limita a instalar um assistente para responder perguntas: ela conecta diferentes áreas ao mesmo conjunto de dados e busca fazer a IA participar de rotinas que antes dependiam de ferramentas separadas. É essa passagem da conversa para a operação que conduz ao próximo passo do acordo. Essa próxima camada aparece na migração de sistemas antigos para a **Agentic Data Cloud** do Google, base técnica descrita para a criação de agentes de IA operacionais. Nesse contexto, agentes são sistemas capazes de executar etapas de uma tarefa a partir de instruções e dados, e não apenas produzir uma resposta em uma tela. A Verizon pretende usar essa estrutura para desenvolver uma inteligência de rede autônoma, capaz de prever e resolver anomalias, isto é, comportamentos fora do padrão que podem afetar o funcionamento da rede. A colaboração também prevê a orquestração de agentes baseados em modelos Gemini, com foco na produtividade dos funcionários e na melhoria do modelo operacional da companhia, deslocando a discussão da capacidade do modelo para a responsabilidade de cada ação. A escala planejada ajuda a entender por que o acordo trata a IA como infraestrutura de trabalho. A implementação do Gemini na Verizon alcança cerca de **28 mil representantes de atendimento ao cliente** e inclui ferramentas como o Personal Research Assistant, voltado à pesquisa, e o Problem Solver, desenhado para auxiliar na resolução de questões complexas. Segundo a empresa, essa aplicação resultou em uma taxa de resposta de **95% para consultas de clientes** e em um aumento de 40% nas vendas do time de serviço. Os números aparecem como resultados divulgados pela própria companhia, não como uma garantia para qualquer operação, mas indicam o tipo de métrica que passa a orientar a adoção corporativa: tempo de resposta, capacidade de resolução e impacto comercial. A máquina, aqui, não é apresentada como personagem autônoma de ficção científica, mas como uma camada incorporada ao trabalho cotidiano. ## A aposta brasileira em atendimento e capacidade de cálculo Se a Verizon concentra sua iniciativa na integração de agentes a uma grande operação, a **Claro Empresas** começou pelo ponto em que muitas organizações acumulam informação sem conseguir analisá-la por completo: as chamadas de atendimento. O Claro STT, sigla para tecnologia de conversão de fala em texto, promete transcrever **100% das ligações** de call centers, substituindo a amostragem manual que, segundo a empresa, alcança atualmente entre 5% e 10% dos contatos. Em testes internos, a solução apresentou aumento de 10% na conversão de vendas. Para bancos e outras empresas que precisam acompanhar interações com clientes, a mudança amplia o volume de conversas que pode ser revisado, embora a interpretação desses registros continue sendo uma questão de processo, governança e uso responsável das informações. O lançamento do STT vem acompanhado de uma oferta de **GPU as a Service**, modelo em que a empresa aluga capacidade de processamento em vez de comprar todo o equipamento. GPU é o componente usado para executar cálculos intensivos de inteligência artificial, e a contratação fracionada permite pagar apenas pelas horas ou pela capacidade utilizada. A Claro oferece GPUs NVIDIA por meio da Oracle e de uma parceria com a NCP, com promessa de redução de custos de até **50%** em comparação com a compra direta do hardware. Para o setor financeiro, a proposta também inclui governança e residência de dados no Brasil, fatores relacionados às exigências do Banco Central e da LGPD, a lei brasileira que estabelece regras para o tratamento de dados pessoais. Essa preocupação com localização e controle ganha uma data concreta no plano de expansão da Claro. Atualmente, a oferta de GPUs da empresa processa dados fora do país, mas a companhia planeja levar **256 GPUs NVIDIA** para seus data centers no Brasil no início de 2027. O serviço também conta com painéis de controle de orçamento para evitar gastos excessivos com tokens, unidades usadas no processamento de textos por modelos de IA. Na prática, esses mecanismos procuram aproximar o cálculo do planejamento financeiro, uma vez que empresas interessadas em treinar modelos agênticos precisam acompanhar não apenas a qualidade das respostas, mas também o custo de cada ciclo de uso. A promessa é permitir aplicações voltadas à redução do churn, ou perda de clientes, e ao aumento de vendas, ligando a infraestrutura a metas comerciais específicas. A estratégia brasileira ainda se apoia em um modelo de contratação pensado para empresas de portes diferentes. Como **NVIDIA Cloud Partner**, a Claro permite que os clientes contratem somente a capacidade de processamento necessária por hora, com suporte em português e faturamento em reais. Essa configuração reduz a barreira de entrada para organizações que não desejam adquirir e manter uma estrutura própria, mas também desloca para o contrato questões que antes ficavam dentro do departamento de tecnologia, como quantidade de processamento, controle de orçamento e localização das informações. O resultado é uma forma mais direta de experimentar aplicações de IA sem assumir, desde o primeiro dia, todo o custo de uma infraestrutura dedicada. O atendimento, por sua vez, continua sendo o campo onde a Claro já testa a utilidade prática dessa capacidade. Além do STT, a Claro utiliza copilotos baseados em **LLMs**, modelos de linguagem de grande porte que produzem ou interpretam textos, para apoiar operadores de call center. A empresa afirma que esse suporte permite a atendentes juniores resolver casos complexos, reduzindo a distância entre a experiência de quem está começando e o conhecimento necessário para lidar com situações mais difíceis. A inteligência artificial também foi integrada ao Centro de Operações de Segurança, conhecido pela sigla SOC, para reduzir o tempo de reação a ameaças de minutos para segundos. O movimento conecta atendimento e segurança em uma mesma lógica: usar modelos de IA para acelerar decisões humanas em áreas nas quais o tempo de resposta pode alterar a experiência do cliente ou a contenção de um incidente. ## Duas rotas para tirar a IA do laboratório Quando colocadas lado a lado, as iniciativas revelam duas rotas para a adoção corporativa. A **Verizon** começa pela integração de dados e pela criação de agentes que atravessam atendimento, marketing e operação de rede; a Claro começa pela medição de conversas, pelo aluguel de capacidade de cálculo e pelas exigências de controle associadas ao setor financeiro. Uma aposta organiza o trabalho em torno de uma plataforma empresarial; a outra tenta tornar a infraestrutura e a análise de chamadas acessíveis por contratação modular. Nenhuma dessas escolhas elimina o problema da supervisão humana, porque automatizar uma tarefa não esclarece, por si só, quem revisa a decisão, como um erro é corrigido ou por quanto tempo os dados permanecem disponíveis. A pergunta ética nasce exatamente no ponto em que a eficiência encontra a autonomia. Também há uma diferença de escala e de horizonte entre os anúncios. Na Verizon, o Gemini Enterprise já aparece associado a dezenas de milhares de representantes e a ferramentas específicas para consultas e problemas complexos, além da intenção de fortalecer a resiliência da rede com soluções de dados e IA. Na Claro, a expansão física de **256 GPUs no início de 2027** indica um próximo passo para trazer a capacidade de processamento ao território brasileiro, enquanto o Claro STT oferece uma aplicação delimitada e mensurável para centrais de atendimento. Para quem decide investir, a lição prática é separar três perguntas que costumam ser misturadas: qual tarefa será automatizada, onde os dados serão processados e como o custo será acompanhado. A resposta pode ser menos cinematográfica do que a promessa de uma máquina consciente, mas é nela que o uso real da IA começa a ser decidido. O próximo passo anunciado pela Claro é instalar **256 GPUs NVIDIA** em seus data centers no Brasil no início de 2027, enquanto a colaboração entre Google Cloud e Verizon avança na integração do Gemini, na orquestração de agentes e no uso de dados para atendimento, segurança e inteligência de rede. Até lá, empresas que avaliam soluções semelhantes podem usar uma caixa de ferramentas simples: medir a tarefa antes de escolher o modelo, conferir as regras de residência e governança dos dados e acompanhar o custo de processamento junto com o resultado operacional. A corrida pela IA empresarial, portanto, não será definida apenas por quem oferece o modelo mais impressionante, mas por quem consegue conectá-lo a processos verificáveis, limites claros e responsabilidades que ainda pertençam a pessoas.