Até aqui, operamos com IA em nuvem. Claude, Gemini e outras ferramentas processam em servidores de terceiros. Para boa parte do trabalho editorial, isso é excelente. Mas, quando o assunto envolve dado sensível, a pergunta muda. Não é “qual ferramenta escreve melhor?”. É “onde esse dado pode ser processado?”.
Neste módulo, entramos na Fase 2 da trilha: a Soberania de Dados. A ideia não é abandonar a nuvem. É criar uma camada local para o que não deveria sair do seu computador.
Quando a Nuvem Não é o Lugar Certo
Usar IA via chat ou API é como alugar um escritório mobiliado. É prático e, para 90% do trabalho, é o lugar certo. Mas quando o dado em questão é coberto por sigilo profissional, você não controla todo o ambiente onde ele é processado. E isso cria exposição regulatória real, independentemente da plataforma.
IA local é uma ferramenta de fronteira. Ela existe para separar o que pode ir para a nuvem do que precisa ficar sob seu controle. Com chips Apple Silicon e modelos de pesos abertos, rodar inteligência dentro do próprio hardware deixou de ser uma conversa só para engenheiros. Se o seu trabalho envolve sigilo regulado, essa opção passou a existir de verdade.
Quando você roda um modelo dentro do seu hardware, três coisas mudam instantaneamente:
- Controle jurídico e médico: Gravações de audiência sigilosa, histórico clínico ou documentos contratuais podem ser processados sem upload para terceiros.
- Custo previsível: Depois que o hardware está pago, transcrever e processar mais material deixa de depender de token por token.
- Independência operacional: Parte do seu Segundo Cérebro continua funcionando mesmo sem internet ou durante instabilidade de plataformas.
O Motor: Ollama e os Modelos de Pesos Abertos
Para rodar IA local de forma profissional, usamos o Ollama. Ele é o “gerenciador de motores” que permite baixar e rodar modelos com um único comando, independentemente do modelo específico.
Uma nota importante sobre o cenário de modelos: o campo de IA local evolui rápido. O que hoje é opção forte (Gemma 4, Llama 3, Mistral) pode ser superado em meses. Este curso não ensina a usar uma tag de modelo. Ensina a arquitetura. Quando um modelo novo surgir com melhor desempenho para o seu hardware, você troca a tag do Ollama e o sistema continua funcionando. A infraestrutura que você está montando é a parte que não se torna obsoleta.
O modelo que recomendo para esta fase no Apple Silicon é o Gemma 4 (E4B), do Google: modelo de pesos abertos com capacidade multimodal (texto e áudio) que roda com qualidade de produção no M1 ou superior. Mas a lógica de instalação vale para qualquer modelo compatível com Ollama.
Quando Usar Local vs. Quando Usar Nuvem
Operar com rigor não significa abandonar a nuvem. Significa ter critério.
- Use a Nuvem (Claude/Gemini): Para escrita criativa pesada, análises de mercado globais, tradução de idiomas raros e tarefas onde o contexto público é vasto.
- Use ASR Local (mlx-whisper / Whisper): Para transcrever áudio de reuniões, consultas e gravações. São modelos especializados em reconhecimento de fala (não geram texto criativo). Rodam offline, custam R$ 0 por hora de áudio e, no Apple Silicon via mlx-whisper, são os mais rápidos disponíveis. Para quem grava muito, essa camada quase sempre vale a pena.
- Use LLM Local (Gemma 4 ou equivalente): Para processar o conteúdo de documentos ultrassensíveis que não devem sair da máquina: históricos de pacientes, acordos sigilosos, análises financeiras confidenciais. É a escolha certa quando a nuvem não é uma opção regulatória. Para quem não tem esse grau de restrição, Claude ou Gemini resolvem com mais qualidade e menos configuração.
A regra prática é simples: pensamento amplo pode ir para a nuvem. Dado sensível fica local.
Matriz Simples de Decisão
Antes de mandar qualquer material para um agente, classifique o dado. Não precisa de burocracia. Precisa de fronteira.
| Classe de dado | Pode ir para nuvem? | Melhor uso |
|---|---|---|
| Público | Sim | Pesquisa, copy, SEO, estrutura, ideias gerais |
| Interno | Depende | Planejamento, síntese, versão anonimizada |
| Sensível | Preferir local | Reunião, áudio, histórico, análise preliminar |
| Confidencial | Local ou anonimizado | Contratos, clientes, saúde, acordos, documentos protegidos |
Essa matriz não é jurídica. É operacional. Ela força a pergunta certa antes da execução: este dado precisa sair do meu computador para que eu resolva o problema?
Muitas vezes, a resposta é não. Você processa localmente, extrai uma versão segura e só então usa a nuvem para raciocínio amplo, escrita ou estrutura.
Governança Operacional: Fronteira, Aprovação e Registro
IA local só resolve uma parte do problema. A outra parte é governança.
Governança, aqui, não é um comitê abstrato. É uma regra operacional curta que responde quatro perguntas antes de cada uso:
- Que tipo de dado estou processando?
- Esse dado pode ir para a nuvem?
- Quem aprova a saída antes de virar entrega?
- Onde fica registrado que esse processamento aconteceu?
Se o material envolve sigilo profissional, contrato confidencial, histórico clínico ou dado financeiro sensível, ele não entra em ferramenta de nuvem por conveniência. Primeiro você processa localmente, resume, retira o que não precisa sair e só então decide se alguma etapa posterior pode usar um agente externo.
O ponto não é travar a operação. É evitar que a pressa crie exposição invisível. Sistema maduro tem fronteira, aprovação humana e rastro mínimo no changelog.
Como Configurar seu Primeiro Agente Local
O processo leva menos de 5 minutos:
- Instale o Ollama: Baixe a versão mais recente (v0.2.x ou superior) em ollama.com.
- Baixe o Modelo: Abra o terminal e digite
ollama pull gemma4:e4b. Isso trará os 9GB de inteligência para o seu disco. - Teste a Inteligência: Digite
ollama run gemma4:e4be faça uma pergunta sobre um dado privado que você nunca colocaria no ChatGPT.
Pronto. Você tem um modelo rodando localmente, sem custo de API e sem enviar dados para nenhum servidor externo.
O Exercício Deste Módulo
Baixe o Ollama e o modelo Gemma 4. Pegue uma nota que, por sigilo profissional ou cláusula contratual, não deveria ser processada em servidores externos, como um contrato confidencial, um histórico de paciente ou uma análise financeira sigilosa e peça para o Gemma 4 local resumir ou extrair três pontos de ação.
Sinta a velocidade e, principalmente, a paz de espírito de saber que aquele dado não saiu do seu Mac.
Considerações Finais
Ter a capacidade de operar sem depender de servidor externo muda o jogo para quem lida com sigilo regulado. Para quem não tem esse grau de restrição, muitas vezes a nuvem resolve com menos esforço. O ponto é ter critério. Você não precisa usar IA local em tudo. Precisa saber quando ela é a arquitetura certa.
No Módulo 9, vamos dar um passo além. Vamos usar esse poder local para transformar o áudio do seu escritório em material estruturado. Vou te mostrar como automatizar a audição de todas as suas reuniões e gravações usando o M4 como uma máquina de transcrição e diarização em escala.
A gente se vê no Módulo 9.
Glossário deste módulo
Os termos que este módulo coloca em uso. Definições completas no glossário da trilha.
Termos centrais deste módulo
- Soberania de Dados : o cofre que a Fase 2 instala, aberto neste módulo.
- Inferência Local : o motor que faz o modelo pensar no seu próprio hardware.
- Quantização : o que encolhe o modelo para caber no Mac com Ollama.
- Apple Silicon : o chip de memória unificada que torna a IA local viável no Mac.
- Ollama : a plataforma que baixa e roda os modelos de pesos abertos com um comando.
Termos de apoio (definidos em outros módulos, usados aqui)
- Token : a unidade de custo que a inferência local zera, Módulo 3.