--- id: CP-269 slug: ia-local-npu-vs-ia-na-nuvem lang: pt title: IA local no computador ou IA na nuvem description: "Uma IA no posto de trabalho (chip NPU) e uma IA na nuvem levantam questões diferentes: escolher uma ferramenta autorizada, o que introduzir, a quem avisar." canonical_url: https://startbrain.io/cyberpedia/pt/articles/ia-local-npu-vs-ia-na-nuvem/ markdown_url: https://startbrain.io/cyberpedia/pt/articles/ia-local-npu-vs-ia-na-nuvem.md publisher: Brain (https://startbrain.io) license: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) cite_as: Brain, «IA local no computador ou IA na nuvem», Cyberpedia, 2026. https://startbrain.io/cyberpedia/pt/articles/ia-local-npu-vs-ia-na-nuvem/ (CC BY 4.0) wing: 4 theme: authorized_tools reflex: air-021 schema: G3 updated: "2026-11-03" translations: pt: https://startbrain.io/cyberpedia/pt/articles/ia-local-npu-vs-ia-na-nuvem/ fr: https://startbrain.io/cyberpedia/fr/articles/ia-locale-npu-vs-ia-cloud/ en: https://startbrain.io/cyberpedia/en/articles/on-device-ai-npu-vs-cloud-ai/ de: https://startbrain.io/cyberpedia/de/articles/lokale-ki-npu-vs-cloud-ki/ es: https://startbrain.io/cyberpedia/es/articles/ia-local-npu-vs-ia-nube/ it: https://startbrain.io/cyberpedia/it/articles/ia-locale-npu-vs-ia-cloud/ nl: https://startbrain.io/cyberpedia/nl/articles/lokale-ai-npu-vs-cloud-ai/ sources: - "n": 1 title: Develop AI applications for Copilot+ PCs publisher: Microsoft url: https://learn.microsoft.com/en-us/windows/ai/npu-devices/ accessed: "2026-11-03" - "n": 2 title: Guidelines for secure AI system development publisher: NCSC (Royaume-Uni) url: https://www.ncsc.gov.uk/collection/guidelines-secure-ai-system-development published: "2023-11-27" accessed: "2026-11-03" - "n": 3 title: LLMRisks Archive publisher: OWASP url: https://genai.owasp.org/llm-top-10/ accessed: "2026-11-03" - "n": 4 title: "AI Data Security: Best Practices for Securing Data Used to Train & Operate AI Systems" publisher: CISA url: https://www.cisa.gov/resources-tools/resources/ai-data-security-best-practices-securing-data-used-train-operate-ai-systems published: "2025-05-22" accessed: "2026-11-03" - "n": 5 title: Les fiches pratiques IA publisher: CNIL url: https://www.cnil.fr/fr/les-fiches-pratiques-ia accessed: "2026-11-03" - "n": 6 title: Intelligence artificielle publisher: CNIL url: https://www.cnil.fr/fr/intelligence-artificielle accessed: "2026-11-03" - "n": 7 title: "Adversarial Machine Learning: A Taxonomy and Terminology of Attacks and Mitigations" publisher: NIST url: https://csrc.nist.gov/pubs/ai/100/2/e2023/final accessed: "2026-11-03" - "n": 8 title: AI Risk Management Framework publisher: NIST url: https://www.nist.gov/itl/ai-risk-management-framework accessed: "2026-11-03" --- # IA local no computador ou IA na nuvem Uma IA «local» faz os cálculos no computador do colaborador. Uma IA «na nuvem» faz esses cálculos em servidores alojados noutro local, aos quais a ferramenta se liga. Para quem escreve uma pergunta ou cola um documento, as duas parecem iguais. No entanto, os riscos para os dados da empresa não são os mesmos, e a decisão de utilizar esta ou aquela ferramenta pertence à empresa. Esta ficha explica a diferença e, depois, o que o colaborador pode fazer: escolher uma ferramenta autorizada, saber o que pode introduzir nela e perguntar em caso de dúvida. ## Em 30 segundos - Onde acontece: assistentes de tradução ou de geração de imagens, num computador recente equipado com um chip de IA [1]. - O que muda: uma IA local funciona na própria máquina, uma IA na nuvem num serviço alojado. Em ambos os casos, os dados introduzidos e a própria ferramenta têm de estar controlados. - O reflexo: utilizar apenas as ferramentas validadas pela empresa e perguntar à segurança ou ao serviço informático antes de introduzir um dado sensível ou de instalar uma nova ferramenta. - Se já aconteceu: avisar sem demora o serviço informático, indicando a ferramenta e o que foi introduzido. ## Perguntas diretas ### O que é um chip NPU? A Microsoft descreve-o como um chip especializado em tarefas pesadas de IA, como a tradução em tempo real ou a geração de imagens [1]. Os PC «Copilot+» da Microsoft incluem um capaz de executar mais de 40 biliões de operações por segundo (40 TOPS) [1]. O NPU trabalha com o processador e a placa gráfica, e o Windows 11 distribui as tarefas entre eles [1]. Permite funções de IA executadas no próprio dispositivo [1]. ### Uma IA local está isenta de riscos? Não. Nada nas fontes aqui citadas diz que um modelo executado no computador dispensa precauções. O NCSC britânico lembra que os sistemas de IA estão expostos a novas vulnerabilidades, a considerar além das ameaças informáticas habituais [2]. A OWASP inclui, nos seus dez riscos para as aplicações baseadas em modelos de linguagem, a divulgação de informações sensíveis, a cadeia de abastecimento e o envenenamento de dados e de modelos [3]. Nenhuma destas fontes limita estes riscos às ferramentas alojadas noutro local. ### O que muda com a IA na nuvem? O NCSC destina as suas orientações sobretudo aos fornecedores de sistemas de IA que utilizam modelos alojados por uma organização ou interfaces de programação (API) externas [2]. Com uma API externa, a ferramenta depende de um serviço de terceiros. As fontes aqui citadas não detalham o que cada fornecedor faz com os dados introduzidos: esse ponto lê-se nas condições do serviço e confirma-se junto do serviço informático da empresa. ### O que posso introduzir numa ferramenta de IA? As fontes aqui citadas não fixam uma lista de dados permitidos. A regra aplicável é a da empresa. A CISA associa a segurança dos dados à exatidão, à integridade e à fiabilidade dos resultados de uma IA, em todas as fases da sua vida [4]. Em caso de dúvida, é preferível não introduzir nada de confidencial nem de pessoal antes de ter uma resposta. ### A quem me devo dirigir em caso de dúvida? Ao serviço informático ou à segurança da empresa e, se estiverem em causa dados pessoais, ao encarregado da proteção de dados. Estes interlocutores variam de empresa para empresa, e nenhuma fonte aqui citada os nomeia. ## Como funciona Um modelo de IA é executado («inferência») num equipamento. Num PC com NPU, a Microsoft recomenda recorrer ao Windows ML para lançar tarefas de IA no NPU [1]. Se o NPU não estiver disponível, o Windows ML recorre ao GPU ou ao processador [1]. O Windows ML assenta no ONNX Runtime, um motor de inferência de código aberto [1]. Os modelos são muitas vezes publicados em formatos pesados. Muitos NPU só aceitam cálculos com números inteiros de precisão reduzida, pelo que os modelos têm de ser convertidos («quantizados») antes de neles funcionarem [1]. Existem modelos já convertidos, e qualquer pessoa pode trazer o seu próprio modelo para converter [1]. Este último ponto conta para o colaborador: um modelo local é um ficheiro, e vem de alguém. ## O que deve fazer - Utilize as ferramentas fornecidas ou validadas pela empresa, sejam locais ou na nuvem. - Antes de instalar uma ferramenta ou um modelo, peça autorização ao serviço informático. - Antes de introduzir um documento sensível ou dados de pessoas, pergunte se a ferramenta está autorizada para essa utilização. A CNIL publica fichas práticas sobre a aplicação do RGPD à IA, entre as quais uma sobre a segurança do desenvolvimento de um sistema de IA [5]. - Se já introduziu um dado numa ferramenta não validada, comunique-o. ## As armadilhas ### Acreditar que uma IA local está isenta de riscos O cálculo faz-se no computador, mas o modelo e a aplicação continuam a ser software que é preciso manter atualizado. O NCSC inclui as atualizações e o registo de eventos entre as ações da fase de exploração e manutenção de um sistema de IA [2]. A OWASP assinala também o risco de «agência excessiva»: um sistema baseado num modelo de linguagem recebe muitas vezes alguma autonomia [3]. Uma ferramenta local ligada aos seus ficheiros ou às suas caixas de correio é um exemplo a examinar com o serviço informático. ### Utilizar uma ferramenta não validada («shadow AI») Uma ferramenta não validada escapa às verificações da empresa. O NCSC recomenda tratar a segurança como um requisito de base, ao longo de todo o ciclo de vida de um sistema [2]. Uma ferramenta escolhida por um colaborador por conta própria não entra em nenhum desses controlos. ### Descarregar um modelo de origem desconhecida Um modelo descarregado é um elemento da cadeia de abastecimento, um risco que a OWASP cita explicitamente [3]. O relatório do NIST sobre aprendizagem automática adversarial trata dos ataques por porta dos fundos e por «cavalo de Troia», bem como do envenenamento de dados [7]. A CNIL mantém, por seu lado, uma ferramenta que permite explorar a genealogia dos modelos de IA publicados em código aberto, atualizada a 26 de agosto de 2026 [6]. Para um modelo de origem desconhecida, peça autorização ao serviço informático antes de o instalar. ### Descurar os acessos aos dados Uma IA que lê documentos pode revelar o seu conteúdo. A OWASP cita a divulgação de informações sensíveis, que afeta ao mesmo tempo o modelo e a sua aplicação [3]. O quadro de gestão de riscos do NIST, de utilização voluntária, visa integrar a fiabilidade na conceção, na utilização e na avaliação dos sistemas de IA [8]. ## Fontes 1. Microsoft, «Develop AI applications for Copilot+ PCs». https://learn.microsoft.com/en-us/windows/ai/npu-devices/ (consultado em 3 de novembro de 2026) 2. NCSC (Royaume-Uni), «Guidelines for secure AI system development», 27 de novembro de 2023. https://www.ncsc.gov.uk/collection/guidelines-secure-ai-system-development (consultado em 3 de novembro de 2026) 3. OWASP, «LLMRisks Archive». https://genai.owasp.org/llm-top-10/ (consultado em 3 de novembro de 2026) 4. CISA, «AI Data Security: Best Practices for Securing Data Used to Train & Operate AI Systems», 22 de maio de 2025. https://www.cisa.gov/resources-tools/resources/ai-data-security-best-practices-securing-data-used-train-operate-ai-systems (consultado em 3 de novembro de 2026) 5. CNIL, «Les fiches pratiques IA». https://www.cnil.fr/fr/les-fiches-pratiques-ia (consultado em 3 de novembro de 2026) 6. CNIL, «Intelligence artificielle». https://www.cnil.fr/fr/intelligence-artificielle (consultado em 3 de novembro de 2026) 7. NIST, «Adversarial Machine Learning: A Taxonomy and Terminology of Attacks and Mitigations». https://csrc.nist.gov/pubs/ai/100/2/e2023/final (consultado em 3 de novembro de 2026) 8. NIST, «AI Risk Management Framework». https://www.nist.gov/itl/ai-risk-management-framework (consultado em 3 de novembro de 2026) --- Fonte original: Cyberpedia, a enciclopédia pública de cibersegurança e IA publicada pela Brain. Versão canónica: https://startbrain.io/cyberpedia/pt/articles/ia-local-npu-vs-ia-na-nuvem/ Pode reutilizar livremente este texto sob a licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), desde que cite «Brain, Cyberpedia» com uma ligação para o endereço acima.