Perspectivas de Tecnologia da F5 para 2025

Embora a IA generativa certamente tenha causado um dos maiores impactos nas empresas em 2024, ela não é a única tendência ou tecnologia em evidência. Um turbilhão de custos e complexidade está impulsionando a repatriação de cargas de trabalho da nuvem pública, sobretudo as de armazenamento e dados. Sem dúvida, esse movimento também é motivado pela necessidade de organizar os dados corporativos para aproveitar o potencial da IA.

Isso deixa as empresas com um ambiente de TI híbrido distribuído entre a nuvem pública, a infraestrutura local e a computação de borda. Embora esperemos mudanças significativas das cargas de trabalho da nuvem pública para a infraestrutura local, não acreditamos que as empresas apostarão tudo em um único ambiente. Elas continuarão como sempre foram: firmemente híbridas.

Isso impõe às empresas desafios significativos para padronizar a segurança, a entrega e as operações em ambientes distintos. A variedade confusa de APIs e ferramentas continua sendo uma ameaça à estabilidade e à escalabilidade dos negócios digitais.

É nesse contexto que a F5 explora tecnologias e como elas podem afetar as empresas e, consequentemente, a entrega e a segurança de aplicações. As implicações orientam nossos planos, nossa estratégia e a exploração contínua de tecnologias emergentes. Com essa perspectiva, um grupo seleto de especialistas em tecnologia da F5 apresenta suas análises sobre as cinco principais tecnologias que, em nossa opinião, terão o maior impacto sobre as empresas e, portanto, sobre a entrega de aplicações em 2025.

Tecnologia nº 1 de 2025: WebAssembly

Essa realidade impulsiona a primeira das tecnologias que devemos acompanhar em 2025: o WebAssembly (Wasm). O Wasm oferece um caminho para a portabilidade em ambientes híbridos de múltiplas nuvens, permitindo implantar e executar aplicações em qualquer lugar onde um runtime do Wasm possa operar. Mas o Wasm é mais do que apenas uma concretização da promessa de portabilidade de código entre diferentes plataformas. Ele oferece benefícios de desempenho e segurança, além de abrir novas possibilidades para ampliar a funcionalidade de aplicações executadas em navegadores.

Oscar Spencer, engenheiro principal explica:

Não se espera que o WebAssembly nos navegadores passe por mudanças drásticas ao longo de 2025. A atualização mais significativa é a continuidade do suporte à coleta de lixo (GC) do WebAssembly, que já foi integrada ao Chrome. Isso beneficiará linguagens como Dart e Kotlin, que dependem bastante da GC e buscam ampliar sua presença em ambientes de navegador. Também há potencial para melhorias no uso do Python nos navegadores, embora ainda seja cedo para prever o impacto total.

No entanto, os maiores avanços estão acontecendo fora do navegador, com o lançamento do WASI (WebAssembly System Interface) Preview 3. Essa atualização introduz recursos assíncronos e streams, solucionando um grande problema relacionado ao streaming de dados em diversos contextos, como proxies. O WASI Preview 3 oferece métodos eficientes para gerenciar a movimentação de dados para dentro e para fora dos módulos Wasm e permite um controle preciso sobre o processamento dos dados, como modificar cabeçalhos sem processar todo o corpo das requisições. Além disso, a introdução de recursos assíncronos melhorará a capacidade de composição entre linguagens, permitindo interações fluidas entre código assíncrono e síncrono, o que será especialmente vantajoso para linguagens nativas de Wasm. À medida que os padrões WASI se estabilizarem, podemos esperar um aumento significativo na adoção do Wasm, oferecendo aos desenvolvedores ferramentas robustas e uma plataforma confiável para aproveitar esses avanços.

Supondo que o Wasm consiga resolver alguns dos problemas de portabilidade inerentes às tecnologias anteriores, isso transferiria os problemas de portabilidade que 95% das organizações enfrentam atualmente para outras camadas críticas da infraestrutura de TI, como as operações.

Correndo para enfrentar esse desafio estão a IA generativa e o futuro cada vez mais concreto representado pelo AIOps. Essa visão fantástica das operações — mudanças e políticas orientadas por análises baseadas em IA e fundamentadas na observabilidade de toda a pilha — está cada dia mais próxima da realidade, graças à incrível velocidade de evolução da IA generativa.

Tecnologia nº 2 de 2025: IA agêntica

Em menos de um ano, agentes surgiram para substituir funções de IA. Chamada de IA agêntica, essa capacidade está prestes não apenas a reformular as operações, mas também a desbancar mercados inteiros de software empresarial. Basta observar o uso da IA para automatizar fluxos de trabalho dominados pelo SaaS há quase duas décadas para entender o quanto essa capacidade será disruptiva.

Laurent Quérel, Engenheiro Distinto explica:

Os agentes autônomos de programação estão prestes a revolucionar o desenvolvimento de software ao automatizar tarefas essenciais, como geração, teste e otimização de código. Esses agentes tornarão o processo de desenvolvimento significativamente mais eficiente, reduzindo o trabalho manual e acelerando os cronogramas dos projetos. Enquanto isso, o surgimento dos Agentes Multimodais de Grande Escala (LMAs) ampliará os recursos da IA para além das buscas baseadas em texto, possibilitando interações mais complexas. Esses agentes interagirão com páginas da web e extrairão informações de diversos formatos, incluindo textos, imagens e vídeos, aprimorando a forma como acessamos e processamos conteúdo on-line.

À medida que os agentes de IA remodelarem a internet, veremos o desenvolvimento de uma infraestrutura de navegação específica para esses agentes, projetada para facilitar interações seguras e eficientes com sites. Essa mudança poderá transformar setores como o comércio eletrônico ao automatizar tarefas complexas na web, proporcionando experiências online mais personalizadas e interativas. No entanto, à medida que esses agentes se integrarem cada vez mais à vida cotidiana, novos protocolos de segurança e regulamentações serão essenciais para lidar com questões relacionadas à autenticação de IA, à privacidade de dados e ao possível uso indevido. Até 2028, espera-se que uma parcela significativa dos softwares empresariais incorpore agentes de IA, transformando os processos de trabalho e permitindo a tomada de decisões em tempo real por meio da geração mais rápida de tokens em fluxos de trabalho iterativos. Essa evolução também levará à criação de novas ferramentas e plataformas para o desenvolvimento web orientado por agentes, representando um marco significativo no cenário digital.

Mas a verdade é que, para aproveitar plenamente as vantagens da IA, são necessários dados — e muitos. Um desafio significativo, considerando que quase metade (47%) das organizações admite não ter uma estratégia de dados para IA (https://www.f5.com/state-of-application-strategy-report). Não é um desafio trivial. A quantidade de dados mantidos por uma organização — dados estruturados, não estruturados e métricas em tempo real — é impressionante. Só a catalogação desses dados já exige um investimento significativo.

Tecnologia nº 3 de 2025: Classificação de dados

Someem-se a isso as preocupações com a segurança decorrentes do aumento drástico das superfícies de ataque, as novas regulamentações sobre privacidade de dados e conformidade e a introdução de novas fontes de dados e vetores de ameaça, e temos o cenário perfeito para o avanço de tecnologias robustas de classificação de dados em tempo real. Nesse sentido, espera-se que os modelos de IA generativa superem os sistemas tradicionais baseados em regras na detecção e classificação de dados empresariais.

James Hendergart, diretor sênior de Pesquisa em Tecnologia explica:

A classificação de dados ganhou enorme importância em 2024 devido à convergência de várias tendências. O crescimento explosivo de dados, dispositivos e aplicações, aliado à contínua transformação digital, aumentou drasticamente a superfície de ataque para ameaças cibernéticas. Esse aumento das vulnerabilidades, somado às recorrentes violações de dados, ressaltou a necessidade crítica de uma proteção de dados robusta. Ao mesmo tempo, a ampliação das regulamentações voltadas à proteção da privacidade dos dados e à garantia da conformidade levou as organizações a priorizarem ainda mais a classificação de dados, pois ela é o ponto de partida para a privacidade. Além disso, a ascensão da IA generativa introduziu novas fontes de dados e vetores de ataque, aumentando a complexidade dos desafios de segurança de dados.

Cerca de 80% dos dados empresariais não são estruturados. No futuro, os modelos de IA generativa se tornarão o método preferencial para detectar e classificar dados empresariais não estruturados, oferecendo taxas de precisão superiores a 95%. Com o tempo, esses modelos se tornarão mais eficientes, exigindo menos poder computacional e permitindo inferências mais rápidas. Soluções como Gerenciamento da Postura de Segurança de Dados (DSPM), Prevenção contra Perda de Dados (DLP) e Governança de Acesso a Dados dependerão cada vez mais da detecção e classificação de dados confidenciais como base para oferecer diversos serviços de segurança. À medida que os serviços de rede e de entrega de dados convergirem, a consolidação de plataformas levará os fornecedores a aprimorar suas ofertas, buscando conquistar participação de mercado por meio de plataformas abrangentes, econômicas e fáceis de usar que atendam às necessidades empresariais em constante evolução.

O desejo comum entre as organizações de aproveitar a IA generativa para tudo, desde produtividade e automação de fluxos de trabalho até criação de conteúdo, está levando à introdução de um novo padrão de arquitetura de aplicações à medida que elas começam a implementar recursos de IA. Esse padrão amplia as três camadas tradicionais — cliente, servidor e dados — para incorporar uma nova camada de IA, na qual a inferência é executada.

Tecnologia nº 4 de 2025: gateways de IA

Essa nova camada está ajudando a definir os gateways de IA, a quarta tecnologia da nossa lista de tendências a acompanhar. Os gateways de IA não são apenas gateways de API ou gateways da Web. Embora seus recursos básicos sejam semelhantes aos dos gateways de API, as necessidades arquitetônicas específicas do tráfego bidirecional e não estruturado, além de uma base crescente de usuários composta por bots “do bem”, exigem novos recursos.

Ken Arora, Engenheiro Distinto explica:

Os gateways de IA estão surgindo como a evolução natural dos gateways de API, desenvolvidos especificamente para atender às necessidades das aplicações de IA. Assim como os Cloud Access Security Brokers (CASBs) são especializados em proteger aplicações SaaS corporativas, os gateways de IA se concentrarão em desafios específicos, como alucinações, vieses e jailbreaking, que muitas vezes resultam na divulgação indesejada de dados. À medida que as aplicações de IA ganharem mais autonomia, os gateways também precisarão oferecer visibilidade robusta, governança e segurança da cadeia de suprimentos, garantindo a integridade dos conjuntos de dados de treinamento e dos modelos de terceiros, que agora representam possíveis vetores de ataque. Além disso, com o crescimento das aplicações de IA, questões como ataques distribuídos de negação de serviço (DDoS) e gestão de custos tornam-se críticas, dado o alto custo operacional dessas aplicações em comparação com as tradicionais. O aumento do compartilhamento de dados com aplicações de IA para tarefas como sumarização e análise de padrões também exigirá uma proteção mais sofisticada contra vazamento de dados.

No futuro, os gateways de IA precisarão oferecer suporte tanto a proxies reversos quanto a proxies de encaminhamento, sendo que estes últimos desempenharão um papel fundamental no curto prazo, à medida que o consumo de IA superar sua produção. Os proxies intermediários também serão essenciais para gerenciar as interações entre os componentes das aplicações de IA, como entre bancos de dados vetoriais e grandes modelos de linguagem (LLMs). A natureza mutável das ameaças também exigirá uma mudança na forma como abordamos a segurança. Com muitos clientes se tornando agentes automatizados que atuam em nome de seres humanos, os atuais modelos de proteção contra bots evoluirão para distinguir bots legítimos de mal-intencionados. Os gateways de IA precisarão incorporar políticas avançadas, como autenticação delegada, análise de comportamento e aplicação do princípio do menor privilégio, inspirando-se nos princípios de confiança zero. Isso incluirá políticas baseadas em riscos e maior visibilidade, garantindo que as violações de segurança impulsionadas por IA sejam contidas de forma eficaz, sem comprometer uma governança robusta.

O mais urgente é a capacidade de lidar não apenas com as preocupações tradicionais de segurança relacionadas a dados (exfiltração, vazamento), mas também com questões éticas envolvendo alucinações e vieses. Não surpreende que estas últimas sejam classificadas como riscos significativos em praticamente todas as pesquisas sobre o tema.

Tecnologia nº 5 de 2025: Modelos de linguagem pequenos

Diante dos problemas relacionados a alucinações e vieses, seria impensável ignorar o uso crescente da geração aumentada por recuperação (RAG) e dos modelos de linguagem de pequeno porte (SLMs). A RAG rapidamente se tornou um padrão de arquitetura fundamental para a IA generativa, sobretudo por sua capacidade de aumentar a especificidade e a precisão das informações produzidas por grandes modelos de linguagem. Ao combinar os pontos fortes dos sistemas de recuperação com os modelos generativos, a RAG oferece uma solução para um dos principais desafios da IA: as alucinações, ou seja, a geração de informações incorretas ou enganosas.

As organizações que ainda não estão integrando a RAG às suas estratégias de IA estão deixando de aproveitar melhorias significativas na precisão e relevância dos dados, especialmente em tarefas que exigem recuperação de informações em tempo real e respostas contextualizadas. No entanto, à medida que os casos de uso da IA generativa se ampliam, as organizações estão descobrindo que a RAG, por si só, não consegue resolver alguns problemas.

Lori MacVittie, Engenheira Emérita explica:

As crescentes limitações dos LLMs, especialmente a falta de precisão ao lidar com conhecimentos específicos de um domínio ou de uma organização, estão acelerando a adoção de modelos de linguagem de pequeno porte. Embora os LLMs sejam extremamente poderosos em aplicações de conhecimento geral, muitas vezes apresentam dificuldades quando precisam fornecer informações precisas e detalhadas em áreas especializadas. É nessa lacuna que os SLMs se destacam, pois são adaptados a áreas específicas do conhecimento, o que lhes permite gerar resultados mais confiáveis e direcionados. Além disso, os SLMs exigem significativamente menos recursos em termos de energia e ciclos de processamento, tornando-se uma solução mais econômica para empresas que não precisam dos amplos recursos de um LLM em todos os casos de uso.

Atualmente, os SLMs tendem a ser específicos para cada setor, sendo frequentemente treinados em áreas como saúde ou direito. Embora esses modelos se restrinjam a domínios mais específicos, seu treinamento e sua implantação são muito mais viáveis do que os dos LLMs, tanto em termos de custo quanto de complexidade. À medida que mais organizações buscam soluções mais alinhadas às suas necessidades específicas de dados, espera-se que os SLMs substituam os LLMs em situações nas quais os métodos de geração aumentada por recuperação, por si só, não conseguem mitigar totalmente as alucinações. Com o tempo, prevemos que os SLMs dominarão cada vez mais os casos de uso em que alta precisão e eficiência são fundamentais, oferecendo às organizações uma alternativa aos LLMs mais precisa e eficiente no uso de recursos.

Olhando para o futuro: além dos transformers

A necessidade de modelos de IA mais eficientes, capazes de lidar com a crescente complexidade das aplicações modernas sem exigir enormes recursos computacionais, está rapidamente se tornando uma realidade. Embora poderosos, os modelos de transformadores apresentam limitações de escalabilidade, uso de memória e desempenho, especialmente à medida que o tamanho dos modelos de IA aumenta. Como resultado, há um forte movimento para desenvolver arquiteturas que mantenham alta precisão e, ao mesmo tempo, reduzam a sobrecarga computacional. Além disso, a demanda pela democratização da IA — tornando-a acessível em diversos dispositivos e casos de uso — acelera ainda mais a adoção de inovações como os grandes modelos de linguagem de 1 bit, projetados para otimizar a precisão e minimizar os requisitos de hardware.

Essas necessidades estão impulsionando a evolução da IA para além dos transformers.

Kunal Anand, Diretor de Inovação explica:

Um novo paradigma está surgindo: a convergência de novas arquiteturas de redes neurais com técnicas revolucionárias de otimização que prometem democratizar a implantação da IA em diversas aplicações e dispositivos.

A comunidade de IA já está testemunhando os primeiros sinais de inovações pós-transformer no design de redes neurais. Essas novas arquiteturas buscam superar as limitações fundamentais dos atuais modelos transformer, mantendo ou aprimorando suas notáveis capacidades de compreensão e geração de conteúdo. Entre os avanços mais promissores está o surgimento de modelos altamente otimizados, especialmente os grandes modelos de linguagem de 1 bit. Essas inovações representam uma mudança fundamental na forma como abordamos a eficiência dos modelos, proporcionando reduções drásticas nos requisitos de memória e na sobrecarga computacional, sem comprometer o desempenho, apesar da menor precisão.

O impacto desses avanços se propagará pelo ecossistema de IA em várias ondas. Os efeitos iniciais serão imediatamente perceptíveis na redução dos recursos necessários para a implantação de soluções de IA. Modelos que antes exigiam grande capacidade computacional e de memória passarão a operar de forma eficiente, com uma sobrecarga significativamente menor. Essa otimização provocará uma mudança na arquitetura computacional: as GPUs poderão se especializar em tarefas de treinamento e ajuste fino, enquanto as CPUs assumirão cargas de trabalho de inferência com uma capacidade até então inédita.

Essas mudanças catalisarão uma segunda onda de efeitos voltados à democratização e à sustentabilidade. À medida que os requisitos de recursos diminuírem, a implantação de IA se tornará acessível a diversas aplicações e dispositivos. Os custos de infraestrutura cairão substancialmente, viabilizando recursos de computação de borda que antes eram impraticáveis. Ao mesmo tempo, a menor intensidade computacional trará benefícios ambientais por meio da redução do consumo de energia e da pegada de carbono, tornando as operações de IA mais sustentáveis.

Esses avanços proporcionarão recursos sem precedentes em dispositivos de borda, melhorias no processamento em tempo real e uma integração econômica da IA em diversos setores. O cenário da computação evoluirá para soluções híbridas que combinam diferentes arquiteturas de processamento otimizadas para cargas de trabalho específicas, criando uma infraestrutura de IA mais eficiente e versátil.

As implicações desses avanços vão muito além das melhorias técnicas. Elas apontam para um futuro em que a implementação da IA se tornará mais versátil e ambientalmente responsável, sem comprometer o desempenho. À medida que nos aproximamos de 2025, essas mudanças provavelmente acelerarão a integração da IA às aplicações cotidianas, criando novas oportunidades de inovação e eficiência em diversos setores.

Agora, a única constante é realmente a mudança

O último ano certamente foi marcado por mudanças significativas, evolução e surpresas na área de tecnologia. É razoável acreditar que o próximo ano trará mais do mesmo. Afinal, todo o potencial da IA generativa ainda não foi explorado, o que significa que provavelmente surgirão novos casos de uso disruptivos para essa tecnologia tão promissora.

Se as organizações ainda não estão experimentando a IA generativa, deveriam estar. O uso de serviços certamente oferece um bom ponto de partida para casos de uso básicos, como chatbots e mecanismos de recomendação, mas o potencial da IA generativa vai muito além de conversas e da criação de novos vídeos de gatos.

Espere ver ainda mais mudanças e o surgimento contínuo de novas formas de aproveitar a IA, à medida que ela continua a remodelar os próprios alicerces da tecnologia.


Escrito por

Lori MacVittie, Engenheira Emérita
Laurent Quérel, Engenheiro Emérito
Oscar Spencer, Engenheiro Principal

Ken Arora, Engenheiro Emérito
Kunal Anand, Diretor de Inovação
James Hendergart, Diretor Sênior de Pesquisa Tecnológica

Ken Arora, Engenheiro Emérito
Kunal Anand, Diretor de Inovação
James Hendergart, Diretor Sênior de Pesquisa Tecnológica