Como utilizar a IA em telemóveis: funcionalidades, casos de utilização em aplicações e como funciona na prática

O telemóvel no seu bolso é, discretamente, um dos dispositivos com mais IA que possui. A câmara que recupera uma fotografia escura e tremida, transformando-a em algo que realmente publicaria. O teclado que termina as suas frases antes de si. O assistente que define um temporizador a partir do outro lado da cozinha. O olhar que desbloqueia o seu ecrã. Nada disto se anuncia como inteligência artificial — simplesmente funciona —, mas a IA está a fazer o trabalho pesado por detrás de tudo.

Além disso, está em curso uma mudança ainda mais discreta. A IA está a passar para o próprio telemóvel — a ser executada diretamente no dispositivo em vez de contactar um servidor por qualquer pequena coisa — e está a mudar tanto o que os telemóveis conseguem fazer como o que as aplicações neles disponíveis podem oferecer. Isto está a redefinir a oportunidade para quem desenvolve um produto móvel.

Assim, este guia aborda o panorama completo. A IA que já utiliza sem se aperceber, como funciona realmente nos bastidores (incluindo a questão entre o processamento no dispositivo e na cloud, que tanto decide), os casos de utilização que as empresas estão a integrar nas suas aplicações e — se for uma dessas empresas — como adicionar IA com critério em vez de a forçar apenas para um comunicado de imprensa. Integramos IA em aplicações móveis todos os dias, pelo que seremos diretos sobre o que é verdadeiramente útil e o que é apenas marketing.

O que significa realmente «IA em telemóveis»

«A IA em telemóveis» abrange duas camadas fáceis de confundir. A primeira é a inteligência integrada no próprio telemóvel — incorporada no sistema operativo, no hardware e na câmara pela Apple, Google, Samsung e restantes fabricantes. A segunda é a IA dentro das aplicações que instala, desenvolvida por todos os outros intervenientes. Elas sobrepõem-se e alimentam-se mutuamente, mas são criadas por entidades diferentes para fins distintos, e vale a pena mantê-las separadas.

Há algo que serve de base a ambas: os telemóveis modernos já vêm equipados com hardware de IA dedicado. A par do processador habitual e do chip gráfico, os telemóveis topo de gama incluem uma unidade de processamento neural — uma NPU — concebida especificamente para executar modelos de IA de forma rápida e eficiente, sem esgotar a bateria. Esse chip é a razão pela qual o seu telemóvel consegue fazer localmente hoje o que antes exigia um centro de dados.

Uma breve nota sobre o que «IA» significa aqui, pois o termo abrange muitos conceitos. A IA que corre no seu telemóvel é restrita e orientada para tarefas específicas — um modelo muito eficaz a reconhecer rostos, a prever a sua próxima palavra ou a retocar uma fotografia. Não se trata de uma máquina pensante geral. É reconhecimento de padrões, treinado para uma função concreta e focado nela. Tenha isso em mente e o resto deixará de parecer ficção científica e passará a soar a engenharia.

A IA que já utiliza no seu telemóvel

Antes dos casos de utilização empresariais, vale a pena perceber até que ponto tudo isto já está na sua mão. A maioria das pessoas utiliza uma dúzia de funcionalidades com IA antes do pequeno-almoço, sem nunca pensar nelas como IA.

Assistentes de voz

A Siri, o Google Assistant e os restantes são o exemplo mais evidente — fala, o telemóvel compreende e age. Nos bastidores, é o processamento de linguagem natural que assegura a compreensão e a geração, uma área vasta o suficiente para preencher um guia próprio. Os assistentes melhoraram substancialmente à medida que os modelos de linguagem por detrás deles evoluíram, e uma parte maior dessa compreensão acontece agora no próprio dispositivo em vez de ser na cloud.

Fotografia computacional

A câmara do seu telemóvel é quase toda software nesta altura. O modo noturno que extrai uma imagem utilizável de uma escuridão quase total, o modo retrato que recria o desfoque de fundo de uma lente sofisticada, o reconhecimento de cenários que ajusta as definições antes de tocar no ecrã — tudo isto é a IA a processar os dados brutos do sensor na fotografia que realmente vê. O hardware importa, mas a inteligência é o que faz um sensor minúsculo de telemóvel rivalizar com uma máquina fotográfica muitas vezes maior.

Desbloqueio facial e biometria

Quando o seu telemóvel se desbloqueia num relance, está um modelo de visão computacional a verificar a sua identidade (e em plataformas seguras fá-lo totalmente no dispositivo, para que o seu rosto nunca saia do hardware). A mesma abordagem no dispositivo é utilizada para o reconhecimento de impressões digitais. Este é provavelmente o exemplo mais evidente da razão pela qual a IA local é tão importante: quer que esse modelo seja rápido, preciso e que de modo algum envie a sua biometria para lado nenhum.

Teclados inteligentes e texto preditivo

A correção automática, a previsão da palavra seguinte e as respostas sugeridas que lhe permitem responder a uma mensagem com um único toque são todos pequenos modelos de linguagem a funcionar enquanto escreve. Evoluíram da simples correção de erros ortográficos para a elaboração de frases inteiras. Os mais avançados aprendem o seu próprio estilo de escrita (mais uma vez, aprendendo tipicamente no dispositivo em vez de terem de enviar as suas mensagens para um servidor).

Bateria, desempenho e filtragem de spam

Grande parte da IA no seu telemóvel é invisível por conceção. Os modelos aprendem os seus padrões de utilização para gerir a bateria e pré-carregar as aplicações que está prestes a abrir. A triagem de chamadas identifica e filtra o spam antes sequer de o telemóvel tocar. O e-mail organiza-se sozinho; o lixo é intercetado. Nada disto tem glamour, e esse é precisamente o objetivo — o melhor deste tipo de IA é aquele que nunca nota, porque simplesmente faz as coisas funcionarem melhor sem dar nas vistas.

Tradução e transcrição em tempo real

Aponte a sua câmara para uma ementa num idioma estrangeiro e veja-a a ser traduzida no local. Dite uma mensagem e veja-a a ser transcrita em tempo real. Receba uma mensagem de voz convertida em texto para leitura rápida. O reconhecimento de voz e a tradução automática deixaram de ser meros truques para se tornarem ferramentas realmente úteis e, cada vez mais, funcionam offline para estarem operacionais num avião ou numa cave sem rede.

Como funciona realmente a IA num telemóvel: no dispositivo vs. na cloud

Eis a distinção fundamental que explica praticamente tudo sobre a forma como a IA móvel é desenvolvida, e é precisamente a que quase todos os artigos ignoram. Quando o seu telemóvel faz algo engenhoso, a IA responsável está a correr no próprio dispositivo ou na cloud. Esta simples escolha entre as duas opções tem um impacto enorme na velocidade, na privacidade, nos custos e no facto de a funcionalidade funcionar ou não quando está sem rede.

A IA no dispositivo — também designada edge AI — executa o modelo diretamente no próprio hardware do telemóvel, utilizando a referida NPU. A IBM define a edge AI como o processamento de dados localmente no dispositivo onde são gerados, em vez de os enviar para um servidor central, e esse conceito prioritariamente local é exatamente o que acontece quando o seu telemóvel reconhece o seu rosto ou traduz offline. As ferramentas para isso estão hoje maduras — o Core ML da Apple e o ML Kit da Google permitem aos programadores executar modelos no telemóvel, e plataformas como a IA no dispositivo do Android trazem agora também modelos de linguagem compactos para o equipamento.

A IA na cloud executa o modelo em servidores potentes noutro local. O seu telemóvel apenas envia o pedido e aguarda pela resposta. É assim que o trabalho mais pesado é realizado — os modelos gigantes que são demasiado grandes para caber num telemóvel residem na cloud, e o seu dispositivo tira partido do seu poder através da rede.

Os compromissos explicam tudo, pelo que aqui ficam de forma clara. A IA no dispositivo é privada (os seus dados nunca saem do telemóvel), rápida (sem ida e volta a um servidor) e funciona offline — mas fica limitada pelo poder de computação, memória e bateria reduzidos do telemóvel, pelo que os modelos têm de ser pequenos e eficientes. A IA na cloud é infinitamente mais potente e pode executar modelos de qualquer dimensão — mas necessita de ligação, envia os seus dados para fora do dispositivo e tem um custo por cada pedido, o que se acumula rapidamente à escala.

Duas forças estão a impulsionar cada vez mais a IA para o dispositivo: a privacidade (as pessoas e as entidades reguladoras recusam crescentemente que os dados pessoais saiam do telemóvel) e a latência (o processamento local é instantâneo). Tornar os modelos suficientemente pequenos para correrem aí é uma área de investigação própria — o pioneiro trabalho das MobileNets sobre redes neuronais eficientes para telemóveis deu início a toda uma linha de estudo. Mas a verdade prática é que a maioria das aplicações robustas utiliza ambas: tarefas rápidas e privadas no dispositivo, trabalho pesado na cloud. Decidir o que vai para onde é uma das primeiras verdadeiras questões de arquitetura em qualquer projeto de IA móvel.

A tecnologia por detrás da IA nos smartphones

Se o dilema entre dispositivo e cloud diz respeito ao local onde a IA é executada, esta parte foca-se no que realmente a faz funcionar. Não precisa de ser engenheiro para compreender os vários elementos, e conhecê-los ajuda na hora de avaliar o que é realista desenvolver.

A grande protagonista é a NPU — a unidade de processamento neural. É um chip concebido especificamente para efetuar os cálculos matemáticos paralelos de que os modelos de IA necessitam, com muito maior eficiência do que um processador de uso geral conseguiria. A Apple chama à sua versão Neural Engine, a Google integra uma nos seus chips Tensor, a Huawei na sua linha Kirin, e a Qualcomm e a MediaTek incluem NPUs de elevado desempenho nos processadores Snapdragon e Dimensity que equipam a maioria dos telemóveis Android. É este hardware que permite a um telemóvel reconhecer um rosto ou traduzir uma placa sem esgotar a bateria.

Por cima do chip encontram-se os modelos. As redes neuronais realizam a maior parte do trabalho: as redes convolucionais analisam o que a câmara capta — o modo retrato utiliza uma técnica chamada segmentação semântica para o separar do fundo —, enquanto os modelos recorrentes e transformers preveem a sua próxima palavra a partir dos seus hábitos de escrita, e os modelos acústicos e de linguagem convertem a fala em texto e deduzem o que pretendia dizer. A realidade aumentada apoia-se no SLAM, sigla para localização e mapeamento simultâneos, para compreender o espaço físico para o qual a câmara está apontada.

O verdadeiro desafio é conseguir colocar tudo isto dentro de um telemóvel. Pruning, quantização e destilação de conhecimento são técnicas utilizadas para reduzir os modelos, de forma a que possam correr em hardware bastante limitado sem uma perda substancial de precisão. São desenvolvidos com recurso a frameworks no dispositivo (Core ML da Apple, TensorFlow Lite da Google, ONNX Runtime para cenários multiplataforma). A aprendizagem federada é outra abordagem que permite ao modelo aprender com os padrões de utilização de todos os utilizadores sem que nenhum dado individual saia do telemóvel. Trata-se, no fundo, de um enorme esforço de engenharia focado num único objetivo: uma IA potente que cabe no seu bolso e não esgota a bateria.

Que telemóveis têm IA — e o que fazem com ela

A resposta curta é: praticamente todos. Todos os topos de gama modernos já vêm com IA integrada, e a maioria dos telemóveis de gama média e até de entrada de gama já dispõe de pelo menos algumas funcionalidades de IA — embora os equipamentos topo de gama façam muito mais no próprio dispositivo, graças a NPUs mais robustas. A questão não é tanto saber que telemóveis têm IA, mas sim quanta IA têm. Eis o que as principais marcas fazem na prática com esta tecnologia.

Apple. A Apple combina o seu Neural Engine com um conjunto de ferramentas que designa por Apple Intelligence — ferramentas de escrita, tradução em tempo real, geração de imagens e resumos das suas mensagens e e-mails, com o ChatGPT disponível através de uma colaboração com a OpenAI para pedidos mais complexos. Na base, a mesma IA no dispositivo assegura o Face ID com proteção anti-spoofing, o Live Text que extrai palavras de qualquer fotografia, bem como o Smart HDR e o Night mode que tornam a câmara naquilo que ela é.

Google Pixel. Desenvolvida com base nos chips Tensor da Google, a gama Pixel está profundamente focada na câmara e no sentido prático. Dispõe de funcionalidades como o Magic Eraser e o Magic Editor para retocar as suas fotografias mais tarde, o Best Take para selecionar a melhor expressão de uma sequência de disparos, o Call Screening para filtrar chamadas de spam através de reconhecimento de voz no dispositivo e a Adaptive Battery para prever que aplicações é provável que utilize, maximizando assim a autonomia da bateria.

Samsung Galaxy AI. O Galaxy AI da Samsung inclui tradução em tempo real durante chamadas com sobreposições em realidade aumentada, um eliminador de áudio que remove o ruído de fundo dos vídeos, assistência na escrita e transcrição, edição inteligente de fotografias e monitorização de saúde (frequência cardíaca, sono, stress).

E os restantes. As NPUs Kirin e o sistema de imagem XMAGE da Huawei realizam o reconhecimento de cenários e o ajuste de cores offline. A OnePlus e a Xiaomi incorporam a sua própria IA na otimização de desempenho, na fotografia e em assistentes conscientes do contexto. Varia de lançamento para lançamento, mas o padrão é evidente: a IA integrada no telemóvel é hoje uma parte fundamental do produto que adquire, e não apenas um complemento.

Casos de utilização de IA em aplicações móveis (o que as empresas realmente desenvolvem)

Esta é a IA nativa do telemóvel. A maior oportunidade para a maioria das empresas reside na camada da aplicação — a inteligência que integra no seu próprio produto. É aqui que ela realmente prova o seu valor.

Personalização e recomendações

O caso de utilização mais comum e, frequentemente, o mais valioso. A IA aprende aquilo de que cada utilizador gosta e adapta a aplicação ao seu perfil — o feed, os conteúdos, os produtos, o próximo elemento a ver ou comprar. Quando é bem executada, faz a diferença entre uma aplicação genérica e outra que parece conhecê-lo. Este é o domínio de um sistema de recomendação, e numa aplicação móvel impulsiona as métricas de envolvimento e retenção que ditam a sobrevivência ou o fracasso de um produto.

Chatbots e assistentes integrados na aplicação

Suporte com respostas instantâneas, um assistente que ajuda os utilizadores a concluir tarefas em vez de os obrigar a navegar por menus, um onboarding adaptado a cada pessoa. Um chatbot de IA integrado na aplicação consegue dar resposta às dúvidas comuns e orientar o utilizador ao longo das tarefas que precisa de realizar, mantendo-o no fluxo de utilização em vez de o obrigar a saltar para uma página de ajuda ou para um call center.

Funcionalidades de visão computacional

A câmara é um dispositivo de entrada, não apenas uma forma de tirar fotografias. As aplicações recorrem à visão computacional para digitalizar documentos e recibos, identificar objetos, plantas e produtos, ler códigos de barras, medir espaços e traduzir texto em tempo real no enquadramento. Combinar a câmara com IA multimodal — modelos que processam imagens, texto e voz em conjunto — é o que transforma a câmara de um telemóvel numa ferramenta verdadeiramente útil e não numa mera novidade.

Interfaces de voz

Nem todas as interações exigem que toque num ecrã pequeno. As interfaces de voz permitem que as pessoas falem com uma aplicação e sejam compreendidas, o que é fundamental para a acessibilidade, para a utilização em mãos livres e para qualquer pessoa que ache penoso escrever no telemóvel. Os agentes de voz de IA podem assegurar verdadeiras interações faladas dentro de uma aplicação, desde simples comandos até conversações completas.

Funcionalidades preditivas e automação inteligente

A melhor IA móvel muitas vezes antecipa as necessidades. Uma aplicação que apresenta a informação certa antes de a pesquisar, sugere a próxima ação, preenche o que provavelmente pretendia dizer ou automatiza uma rotina que repete todos os dias. Estas funcionalidades são discretas — os utilizadores raramente dizem «uau, IA» —, mas são aquelas que tornam uma aplicação intuitiva e fluida, e essa facilidade de utilização é o que faz as pessoas regressar.

Deteção de fraude e segurança

Nos bastidores, a IA procura anomalias e comportamentos fora do normal. Um início de sessão que não condiz com o seu comportamento habitual, uma transação suspeita, um padrão que indicia fraude. Para o setor fintech, para a banca e para qualquer aplicação que lide com dinheiro ou dados sensíveis, essa camada comportamental e biométrica é hoje praticamente a norma, sendo grande parte dela executada no dispositivo por motivos de velocidade e privacidade.

Saúde, fitness e IA orientada por sensores

Um telemóvel é um bolso cheio de sensores (acelerómetro, GPS, microfone, frequência cardíaca através da câmara, etc.). A IA recolhe esses dados brutos dos sensores e transforma-os em informação com significado (contagem de passos, reconhecimento de atividade, deteção de sono, deteção de anomalias). As aplicações de saúde e fitness assentam todas nesta lógica e, dada a natureza altamente pessoal dos dados, o processamento no dispositivo não é apenas uma mais-valia nesta categoria: é, muitas vezes, o elemento fundamental.

Experiências de realidade aumentada

A realidade aumentada depende fortemente da IA para compreender o cenário captado pela câmara e nele posicionar objetos digitais de forma convincente — desde testar mobiliário na sua sala de estar até jogos que se fundem com o mundo real. Criar experiências de RA que pareçam verdadeiramente integradas, em vez de flutuarem desajeitadamente, depende de modelos de visão que interpretem o espaço físico corretamente.

Gaming e entretenimento

Os jogos móveis utilizam IA para otimizar gráficos em tempo real, ajustar a dificuldade de modo a manter os jogadores no ponto ideal entre o tédio e a frustração e personalizar o que cada jogador vê. As aplicações de entretenimento também recorrem a ela — os serviços de streaming que sugerem a sua próxima série ou música executam modelos de recomendação muito semelhantes aos anteriores, apenas focados em conteúdos em vez de produtos. À medida que a IA se associa a redes mais rápidas, surgem experiências mais ricas em tempo real e de cloud gaming em telemóveis que não conseguiriam suportá-las há poucos anos.

Aplicações do dia a dia: compras, aprendizagem e viagens

O mesmo conjunto restrito de capacidades surge em toda a gama de aplicações do dia a dia. A aplicação de compras inclui personalização, melhor pesquisa e experimentação virtual. A aplicação de aprendizagem oferece conteúdos adaptativos e questionários, além de feedback instantâneo. A aplicação de viagens gere reservas e itinerários através de chatbots e disponibiliza tradução em tempo real. Mais uma vez, não se trata de reinventar a IA de todo. Trata-se apenas de aplicar as mesmas capacidades de personalização, visão, linguagem e previsão a uma tarefa específica. É precisamente assim que a maior parte da IA móvel real é desenvolvida.

As vantagens de integrar IA numa aplicação móvel

Deixando de lado as funcionalidades específicas, os motivos para integrar IA num produto móvel resumem-se a um punhado de vantagens concretas.

• Uma experiência melhor e mais pessoal. A personalização e as predefinições inteligentes fazem com que uma aplicação pareça feita à medida em vez de genérica, o que é cada vez mais o que os utilizadores esperam, em vez de um mero extra.
• Maior interação e retenção. Recomendações relevantes e fluxos simples mantêm as pessoas na aplicação e fazem-nas regressar — as métricas que realmente determinam o sucesso de um produto móvel.
• Acessibilidade. A voz, a visão e a tradução abrem uma aplicação a pessoas que, de outra forma, não conseguiriam utilizá-la facilmente — o que é a decisão certa e representa um mercado maior.
• Capacidades antes impossíveis. Digitalização, tradução em tempo real, pesquisa visual, dados obtidos por sensores — categorias inteiras de funcionalidades que simplesmente não existiam até à chegada da IA.
• Diferenciação real. Numa loja de aplicações saturada, uma funcionalidade de IA que ajude genuinamente pode ser o elemento diferenciador de um produto — desde que resolva um problema real em vez de existir apenas pelo rótulo.

Esta última ressalva é essencial e leva diretamente à parte mais realista.

Os limites reais e os desafios

A IA em dispositivos móveis é poderosa e, ao mesmo tempo, bastante condicionada, sendo que estas limitações são muito específicas dos telemóveis. Vale a pena conhecê-las antes de avançar para o desenvolvimento.

Os modelos no dispositivo têm limitações. Um telemóvel tem capacidade de processamento, memória e bateria limitadas, pelo que os modelos executados localmente têm de ser pequenos e eficientes. Os modelos gigantescos e generalistas não cabem aqui — a IA no dispositivo é capaz, mas não é a cloud no seu bolso, e esperar que seja leva à desilusão.

Privacidade e potência estão em oposição. A IA mais avançada reside na cloud e, para utilizá-la, terá de enviar os seus dados para fora do dispositivo, entrando diretamente no âmbito do RGPD e de regulamentações semelhantes. A opção privada é menos potente; a opção potente é menos privada. Grande parte do design de IA móvel consiste em gerir essa tensão de forma direta.

A IA na cloud tem um custo por utilização. Cada chamada para um modelo na cloud acarreta custos e, numa aplicação popular com milhões de interações, essa despesa acumula-se muito rapidamente. Parte do trabalho de conceção de IA móvel é determinar quando uma funcionalidade compensa o custo contínuo e quando um modelo mais pequeno no dispositivo é a escolha certa.

A fragmentação de dispositivos é real. Os seus utilizadores não têm todos o modelo topo de gama mais recente. Uma funcionalidade que voa num novo iPhone pode arrastar-se ou falhar num Android básico de há três anos sem NPU. É preciso desenhar para essa diversidade — garantindo uma adaptação adequada em dispositivos mais limitados, e não uma experiência degradada.

Bateria e aquecimento. A IA consome muita energia. Se a executar de forma descuidada, esgotará a bateria e aquecerá o telemóvel na mão do utilizador, o que é um caminho muito rápido para a desinstalação da aplicação. A eficiência não é opcional em dispositivos móveis: é um requisito essencial de conceção.

Não adicione IA apenas por adicionar. Esse é o ponto principal. Uma funcionalidade de IA que não melhore de forma alguma a experiência é apenas custo, complexidade e gasto de bateria disfarçados de chavão. O utilizador não quer saber se a aplicação tem IA. Quer saber se ela resolve o seu problema. Se a funcionalidade não justificar a sua existência, não a inclua.

Privacidade e ética: devemos confiar na IA do telemóvel?

Quanto mais a IA do seu telemóvel faz, mais ela sabe — e isso merece um olhar atento em vez de um encolher de ombros. Esta é a parte em que vale a pena abrandar, porque os compromissos são reais e não se resolvem de forma simples.

A IA do telemóvel alimenta-se dos seus dados mais pessoais: a sua localização, a sua biometria (rosto, voz, impressão digital), as suas mensagens e a utilização das suas aplicações. Se tudo ficar guardado no dispositivo, o impacto é bastante reduzido e, em muitos casos, na verdade mais seguro do que a alternativa. Se os dados forem enviados para a cloud ou tratados de forma incorreta, tornam-se uma responsabilidade séria e regulamentada por leis como o RGPD e a CCPA, que preveem sanções para o uso indevido ou fugas de informação. Saber para onde vão os seus dados é a primeira pergunta que deve fazer a qualquer funcionalidade de IA, e a verdade é que a resposta muitas vezes não é reconfortante.

Existem também riscos mais subtis. Os modelos de IA podem ser atacados de formas que o software convencional não permite — entradas contraditórias (adversarial inputs) concebidas para os enganar ou ataques de inversão de modelo que tentam reconstruir os dados em que o modelo foi treinado. Além disso, os modelos absorvem os enviesamentos dos seus dados de treino, o que se pode traduzir em resultados injustos em tudo, desde a análise facial até às recomendações. Nenhum destes problemas está totalmente resolvido, e fingir o contrário não ajuda ninguém.

Depois, há as questões mais complexas. Os modelos de deep learning são notoriamente difíceis de explicar, mesmo para quem os cria, o que constitui um problema para utilizadores e entidades reguladoras que, com toda a razão, perguntam «porquê» foi tomada determinada decisão. A regulamentação quase sempre fica atrás da tecnologia, pelo que existem inevitavelmente lacunas. Na base de tudo isto está uma pergunta que todos devemos fazer: até que ponto devemos depender da IA para gerir o nosso dia a dia? Para memorizar por nós? Para tomar decisões por nós? Para comunicar em nosso nome? Não há uma resposta simples, mas a posição sensata é tratar a IA do seu telemóvel como um assistente competente sobre o qual mantém o controlo, e não como uma autoridade à qual entrega o seu discernimento. É uma ferramenta. Quem a controla continua a ser o fator essencial.

O futuro da IA nos telemóveis

Prever isto com precisão é uma tarefa impossível, mas a direção é clara e parte dela já está a chegar. Eis algumas tendências a ter em conta.

A principal tendência é a transferência de mais IA para o próprio dispositivo. Os novos processadores continuam a expandir o que os telemóveis conseguem fazer localmente, e a indústria prevê que mais de mil milhões de smartphones compatíveis com IA generativa sejam lançados no espaço de poucos anos. Os modelos de linguagem no dispositivo — suficientemente pequenos para correr no telemóvel e capazes o bastante para serem verdadeiramente úteis — representam a fronteira atual, trazendo funcionalidades de assistência e resumo que operam de forma privada e instantânea, sem qualquer envio para a cloud.

Aliando isso a redes mais rápidas, obtêm-se experiências em tempo real mais ricas (RA mais fluida, cloud gaming, processamento em direto que teria sido um pesadelo em ligações mais antigas). Os telemóveis estarão também no centro do ecossistema conectado, atuando como o elo que coordena a sua casa, o seu carro e os seus dispositivos vestíveis (wearables), aprendendo os seus hábitos em todos eles e não apenas num dispositivo de cada vez.

A mudança mais especulativa e interessante aponta para a IA como a própria interface. Existem já primeiras experiências com telemóveis sem aplicações (onde um assistente de IA faz tudo o que antes exigia uma dezena de aplicações distintas) e uma vaga de wearables de IA e óculos inteligentes que sugerem que poderemos vir a tocar muito menos nos ecrãs. Nesta fase, não se trata de uma substituição do smartphone em nenhum sentido relevante e boa parte não passa de entusiasmo passageiro. No entanto, a direção é evidente: a IA está a deixar de ser uma funcionalidade no telemóvel para se tornar a própria interface. Para quem desenvolve produtos móveis, é isto que deve acompanhar agora (e não a novidade do próximo trimestre): a transição lenta e constante rumo à inteligência enquanto interface.

Como integrar IA numa aplicação móvel

Se tem uma razão concreta para adicionar IA a um produto móvel, apresentamos uma estrutura orientadora para manter o projeto realista e o orçamento controlado.

1. Comece por um problema do utilizador, não por «adicionar IA». Identifique o que é genuinamente frustrante ou moroso para os seus utilizadores e pergunte se a inteligência resolveria isso. «Devíamos ter IA» não é um plano. «Os utilizadores abandonam o onboarding porque é confuso» é um problema que a IA pode realmente resolver.
2. Decida cedo: no dispositivo, cloud ou híbrido. Esta é a questão de arquitetura que determinará o seu custo, a sua velocidade e a sua privacidade. As tarefas privadas/instantâneas/offline ficam no dispositivo, o processamento pesado fica na cloud e a maioria das aplicações reais combina ambos. Acerte desde o início e evitará muito retrabalho dispendioso mais tarde.
3. Conceba a pensar na privacidade desde o primeiro dia. Especialmente para dados sensíveis, decida o que permanece no dispositivo e o que, se algo, sai dele — e seja transparente com os utilizadores. Adaptar a privacidade a uma aplicação já lançada é doloroso; integrá-la de raiz é económico.
4. Orçamente custos e bateria, não apenas o desenvolvimento. As chamadas para a cloud e o consumo de energia são custos contínuos que se manterão após o desenvolvimento inicial. Deve contabilizá-los antes de seguir qualquer caminho, e não após a primeira fatura ou a primeira vaga de reclamações sobre a bateria.
5. Planeie para toda a gama de dispositivos. Analise como a funcionalidade se comporta nos dispositivos mais antigos e económicos e assegure uma degradação adequada em vez de simplesmente falhar. A sua base de utilizadores abrange uma década inteira de hardware, pelo que a sua aplicação também tem de o fazer.
6. Teste uma funcionalidade piloto e meça o impacto real. Escolha uma funcionalidade de elevado valor, lance-a e meça se conduz realmente a um aumento da interação, da retenção ou de qualquer que seja a métrica relevante. Uma pequena vitória comprovada será muito melhor do que uma infinidade de funcionalidades de IA que ninguém usa.

Nada disto é novidade — é engenharia móvel disciplinada com a IA tratada como um meio, e não como o objetivo. A decisão entre processamento no dispositivo ou na cloud, em particular, deve ser acertada antes de construir, e é exatamente o tipo de detalhe que uma breve conversa sobre desenvolvimento de IA pode resolver rapidamente, a par do próprio trabalho de desenvolvimento de aplicações móveis.

Em resumo

A IA nos telemóveis passou de novidade interessante a padrão. Já está presente na sua câmara, no seu teclado, no seu assistente e no seu ecrã de desbloqueio. A próxima fronteira é a IA on-device (isto é, realizar o processamento de IA no telemóvel em vez de na cloud), por motivos de privacidade e velocidade. Para o utilizador final, significa essencialmente que as coisas funcionam um pouco melhor a cada ano.

Para as empresas, a oportunidade ao nível das aplicações é bastante real, mas exige disciplina. Aplique a IA onde ela resolve verdadeiramente um problema do utilizador, escolha o local ideal para a executar, tenha em consideração as limitações do telemóvel a nível de energia e processamento, e evite desenvolver funcionalidades apenas para dizer que as tem. É dessa forma que se obtém uma IA que faz com que a sua aplicação pareça intuitiva e sem esforço, o que é, afinal, o verdadeiro objetivo do mobile.

Se está a avaliar onde a IA se pode enquadrar num produto móvel — uma funcionalidade mais inteligente, capacidades de visão ou de voz, melhor personalização — ou se procura apenas uma resposta direta sobre se vale a pena avançar com uma ideia, é esse o tipo de conversa de que a nossa equipa gosta. Pode entrar em contacto e, se a resposta sincera for que a sua aplicação não precisa de IA para isso, dir-lhe-emos com franqueza. Quando existir um projeto real para desenvolver, as nossas equipas de mobile e de IA tratam do resto.