Guia · 7 casos · 16 minutos

Qual IA aberta usar em cada caso,
e em que máquina.

Na hora de usar IA na empresa, a pergunta que trava é: dá pra usar e ainda cuidar da LGPD? Rodar a IA localmente é um caminho. Localmente quer dizer numa máquina que a empresa controla, no Brasil: o PC de uma pessoa, um servidor seu ou um servidor nosso. IA aberta é aquela cujo modelo você pode baixar e rodar numa máquina sua, em vez de usar pela internet de um terceiro. O modelo certo depende do caso.

A LGPD não proíbe usar IA de terceiros. A conta muda conforme o dado que entra, o contrato com o fornecedor e o país onde o servidor fica. Tamanhos e tags do Ollama foram lidos em 21/10/2026 e mudam: confira na página do modelo antes de baixar.

Antes de ler

Quatro palavras que aparecem
o tempo todo.

Ollama

O programa gratuito que baixa e roda esses modelos na sua máquina, com uma janela de chat própria.

Tag

O nome da versão que você baixa no Ollama. Quase sempre já é uma versão comprimida do modelo.

Contexto

O tamanho do texto que a IA enxerga de uma vez. Também ocupa memória, por isso a conta nunca é só o tamanho da tag.

VRAM

A memória da placa de vídeo, a GPU. É onde o modelo precisa caber pra responder rápido.

Comece por aqui

O teste de dois minutos,
sem instalar nada.

Pergunta pro seu time o que já foi colado numa IA pública. Contrato, planilha de clientes, laudo, trecho de código, ata. Anota por tipo: dado público, dado interno da empresa, dado pessoal.

Se a lista tem dado pessoal, principalmente de saúde, o cuidado de LGPD de cada caso abaixo vale pra você. Dado de saúde é sensível, e a regra pra ele é mais estreita (art. 5º, II e art. 11). Se a lista só tem dado público, o guia serve do mesmo jeito, com menos peso de LGPD.

Com a lista na mão, três respostas guiam o resto. O tipo de dado decide o peso da LGPD. O número de pessoas decide se cabe num PC ou se pede servidor. O maior documento que a IA lê de uma vez decide o contexto.

Três avisos que valem pra todos os casos

O número da página do modelo é do fabricante.

Os resultados de teste publicados no card do modelo são dos próprios fabricantes. Servem pra escolher o que testar, não pra decidir a compra.

Ninguém mediu isso no seu material.

Nas fontes que a gente leu, não achamos medição desses modelos em português, nem a velocidade deles no seu hardware. O jeito é medir com o seu material.

O contexto padrão do Ollama é pequeno.

Texto que passa do limite é cortado em silêncio. Abaixo de 24 GB de placa o padrão é 4k, poucas páginas. Rode ollama ps e defina o OLLAMA_CONTEXT_LENGTH na mão.

Os sete casos

Cada caso com a escolha,
a máquina e o cuidado de LGPD.

Resumir e redigir documentos

Contratos, atas, mensagens longas.

Pra resumir e redigir, a gente começa testando o Qwen3.8 27B qwen3.8:27b. Resumir e redigir não pedem o raciocínio no máximo, e dá pra baixar esse ajuste pra responder mais rápido.

Se a máquina for menor: qwen3.5:9b (tag de 6,6 a 7,6 GB, pede placa de 8 a 10 GB) ou gemma4:12b (tag de 8 GB, pede placa de 12 GB pra ter folga de contexto).
Máquina: Só os pesos do 27B ocupam 18 GB, então placa de 24 GB é o piso. Se o modelo não couber na placa, o Ollama divide com a RAM e fica mais lento.
Cuidado de LGPD: Contrato e ata têm nome, CPF, salário e dado de terceiro. Resumir também é tratar o dado, então vale a finalidade que o documento já tinha, e só quem podia ler o original deveria usar a ferramenta.
Antes de decidir: Rode 20 a 30 documentos reais da empresa e suba o OLLAMA_CONTEXT_LENGTH. Trate o resumo como rascunho pra revisão humana.

Responder perguntas sobre os documentos da empresa

Duas peças: uma acha o trecho certo e a outra responde. Isso se chama RAG.

Pra responder, qwen3.8:27b. Pra achar o trecho, qwen3-embedding:4b (2,5 GB, licença Apache 2.0, que permite uso comercial, mais de 100 idiomas).

Se a máquina for menor: qwen3.5:9b ou gemma4:12b pra responder. Pra achar o trecho, bge-m3 (1,2 GB), o clássico leve e multilíngue, ou qwen3-embedding:0.6b (639 MB).
Máquina: Quem responde pesa como no caso anterior. O modelo que acha o trecho fica à parte e ocupa de 0,6 a 4,7 GB, conforme a versão.
Cuidado de LGPD: O índice nasce do documento, então guarde e controle o índice como o documento. Quem pode ver o quê é problema da aplicação, o modelo não resolve: se o assistente responde com o contrato de um cliente pra quem não podia abrir esse contrato, o problema é seu.
Antes de decidir: Monte 30 perguntas com a resposta conhecida e meça. Configure o contexto, porque trecho recuperado mais pergunta estoura o padrão.

Chat da equipe

Uma conversa aberta, várias pessoas.

Pro chat, o mesmo qwen3.8:27b, com o raciocínio mais curto. O padrão dele é raciocinar o máximo, e isso faz o chat esperar. Dá pra baixar o ajuste ou desligar o raciocínio. No índice geral da Artificial Analysis ele vai de 34 com o raciocínio no máximo a 20 desligado: a troca de qualidade por espera é medida.

Se a espera for o gargalo: gemma4:26b (tag de 16 a 19 GB, e o arquivo inteiro precisa caber na memória). Ele usa só uma parte do modelo a cada palavra gerada e deve responder mais rápido, mas a gente não achou medição publicada que confirme. Pra gastar menos memória: gemma4:12b ou qwen3.5:9b.
Máquina: Os 18 GB de pesos do 27B mais o contexto de cada conversa, somado ao das outras.
Cuidado de LGPD: Chat livre vira depósito de dado pessoal. Defina o que pode e o que não pode ser colado e mantenha registro de uso (arts. 37, 46 e 48: registro das operações, segurança e comunicação de incidente).
Antes de decidir: Meça a velocidade no seu servidor.

Programar

Software house e time de desenvolvimento.

Pra programar, qwen3.8:27b com contexto de pelo menos 64k. A documentação do Ollama diz que agente e ferramenta de código pedem esse mínimo.

Se a máquina for menor: gemma4:12b (tag de 8 GB).
Se sobrar placa: Com 32 GB ou mais, qwen3.6:35b (tag de 23 a 24 GB). Acima disso, qwen3-coder-next (52 GB, só texto, e a gente não verificou nenhum resultado dele).
Máquina: 18 GB de pesos. Com contexto de 64k ou mais, planeje placa de 24 GB como piso e 32 GB ou mais com folga, estimativa nossa.
Cuidado de LGPD: O risco é o que acompanha o código: dump de produção na base de teste, log com dado de cliente, chave de API colada no prompt. Rodar localmente mantém esse texto na máquina, mas não limpa a base, e quem tem acesso à máquina continua precisando de regra.
Antes de decidir: Rode no repositório real. Os números que a Qwen publica são dela mesma e não provam que o código passa na sua revisão.

Ler imagem e PDF escaneado

Laudo, nota fiscal, documento de cadastro.

Pra ler imagem, qwen3.8:27b, que entende texto e imagem.

Se a máquina for menor: qwen3.5:9b (placa de 8 a 10 GB, estimativa nossa) ou gemma4:12b. Pra só extrair texto e tabela de imagem, glm-ocr (2,7 GB).
Máquina: 18 GB de pesos do 27B mais memória pra imagem. O Ollama aceita texto e imagem, não PDF, então o PDF vira uma imagem por página antes.
Cuidado de LGPD: Laudo é dado de saúde, dado pessoal sensível (art. 5º, II e art. 11), e pra ele o legítimo interesse não está entre as hipóteses. Campo crítico, como valor, CNPJ ou dose, deve ser conferido por uma pessoa ou por regra.
Antes de decidir: Manuscrito, carimbo e foto torta de celular só aparecem com documento real. A página do glm-ocr no Ollama não declara licença: confirme antes de uso comercial.

Transcrever áudio de reunião

Aqui a resposta é um modelo de fala, não uma IA de texto.

Pra transcrever, Whisper large-v3-turbo. Ele roda fora do Ollama, com whisper.cpp, faster-whisper ou o pacote da OpenAI.

Se a máquina for menor: Whisper small (cerca de 2 GB de placa) ou medium (cerca de 5 GB). Pra testar algo mais novo, Cohere Transcribe e Qwen3-ASR 1.7B, os dois com licença Apache 2.0 e com português.
Máquina: Pela tabela da OpenAI, o turbo usa cerca de 6 GB de placa. O Gemma 4 não serve aqui, porque o áudio dele é limitado a clipes de 30 segundos.
Cuidado de LGPD: A voz de quem participa é dado pessoal, e a transcrição vira um documento com tudo o que foi dito. A transparência (art. 6º, VI) pede avisar com clareza que a reunião está sendo gravada e transcrita, e pra quê. Defina por quanto tempo a gravação e o texto ficam guardados.
Antes de decidir: Meça com áudio real de reunião: não achamos taxa de erro em português pra esses três em fonte primária. O Whisper às vezes inventa texto que ninguém falou, e nenhum deles diz quem falou.

Testar num notebook sem placa de vídeo

Ver o fluxo antes de comprar servidor.

Pra sentir o estilo da resposta, gemma4:e4b (tag de 6,6 a 9,5 GB). Instalou o Ollama, rodou ollama run gemma4:e4b, pronto.

Se a máquina for menor: gemma4:e2b, qwen3.5:4b ou qwen3.5:2b. Com bastante RAM: qwen3.5:9b ou gemma4:12b.
Máquina: Sem placa, o modelo roda na RAM e na CPU. Regra de bolso nossa: RAM livre igual ao dobro do tamanho da tag. Espere lento e meça.
Cuidado de LGPD: No teste, use dado fictício ou público. Contrato de cliente em notebook pessoal não é estrutura que a empresa controla.
Antes de decidir: Modelo pequeno erra mais e entende pior contrato longo. Não decida compra de hardware com base nele.

A tabela por memória da placa

O que cabe em cada
tamanho de placa.

Os tamanhos de tag vêm das páginas do Ollama. As faixas de placa são conta nossa, com folga pra contexto: tag de 18 GB não roda em placa de 18 GB. Dentro de cada linha, os itens valem um de cada vez.

Memória da placa	O que costuma caber	Serve pra
Sem placa	`gemma4:e4b` `gemma4:e2b` `qwen3.5:4b`	Ver o fluxo antes de comprar servidor
Até 6 GB	`qwen3.5:4b` Whisper small `glm-ocr` `bge-m3`	Testes pequenos, transcrição leve, texto em imagem, busca
8 a 10 GB	`qwen3.5:9b` Whisper turbo	Resumo e chat em versão leve, transcrição
12 a 16 GB	`gemma4:12b`	Resumo, chat e leitura de imagem em versão leve
24 GB	`qwen3.8:27b` com contexto curto, `gemma4:26b`	Uma pessoa usando os casos de texto
32 GB ou mais	`qwen3.8:27b` com 64k, `qwen3.6:35b`	Programação com agente
48 GB	`qwen3.8:27b` na versão mais precisa, com contexto longo	Contexto longo e mais de uma conversa ao mesmo tempo. Quantas, só medindo
64 GB ou mais	`qwen3-coder-next`, `qwen3.8:27b` em precisão máxima	Programação com modelo maior

Uma pessoa ou a equipe inteira

O PC resolve o teste.
Pra equipe, a conta é de servidor.

Uma pessoa no PC

Como roda

ollama run na própria máquina. O padrão do Ollama é um pedido por vez por modelo.

Memória

Os pesos e o contexto de uma conversa.

Fila

Uma pessoa quase nunca sente.

LGPD

Quem usa decide o que cola. A empresa continua responsável pelo dado, então vale uma regra de uso escrita mesmo com uma pessoa só.

A equipe num servidor com GPU

Como roda

O Ollama atende protótipo e uso interno leve. O vLLM entra quando aparece fila ou quando o chat vira serviço com meta de tempo de resposta.

Memória

Os pesos mais o contexto de cada conversa, tudo somado.

Fila

O excedente espera em fila e, acima do limite, o servidor devolve erro.

LGPD

Quantas pessoas cabem num servidor? Nas fontes que a gente leu não achamos esse número. Depende da placa, do modelo, do contexto e do tamanho das respostas, e só sai de medição com a carga real. Qualquer tabela que prometa um número sem medir na sua carga está chutando.

O que rodar localmente não resolve

Isso tira o dado do chat de terceiro,
a LGPD continua valendo.

Rodar a IA numa máquina que a empresa controla, no Brasil, tira o chat de terceiro do caminho do dado e evita que ele cruze a fronteira. Isso ajuda, mas não resolve a LGPD sozinho. Continuam valendo:

Base legal e finalidade (art. 6º, I e art. 7º). Pra dado sensível, o art. 11 tem uma lista própria, e o legítimo interesse não está nela.

Só o dado necessário pra tarefa (art. 6º, III).

Quem acessa o quê, com login por pessoa.

Segurança do servidor (art. 46) e registro das operações (art. 37).

Aviso de incidente (art. 48), quando ele pode trazer risco ou dano relevante.

Backup e log no Brasil. Cópia guardada fora do país também é transferência internacional (art. 33), que a lei só permite nos casos que ela lista.

Responsabilidade. Em regra, quem decide que dado entra na IA responde por ele (art. 5º, VI e art. 42), mesmo com o modelo rodando na sua máquina. O papel de cada fornecedor depende do contrato.

Revisão humana. Modelo local também erra, e resposta errada sobre uma pessoa, sem conferência, vira dado errado sobre ela.

Se o dado nunca sai da sua rede, quem na sua empresa consegue provar isso amanhã, e com que registro?

Este guia não é parecer jurídico. Vale o jurídico ou o encarregado de vocês ler a política de uso antes de a IA entrar na rotina.

O atalho honesto

Quando a equipe inteira entra,
a IA vira infraestrutura.

O PC de uma pessoa serve pra testar. Quando a equipe inteira entra, a conta passa a ter placa de 24 GB ou mais, contexto somado por conversa, fila, acesso por pessoa, registro, backup e energia. GPU, energia, rede e backup são o que um datacenter já opera no dia a dia. O login por pessoa e o registro de uso a gente desenha junto com a sua equipe.

A Infotécnica tem servidor com GPU pra rodar IA de modelo aberto no datacenter de Florianópolis. A gente escolhe com você o modelo e a máquina pro seu caso e implementa. O datacenter é próprio, com dois geradores em redundância N+1, e a internet chega por quatro operadoras, por rotas diferentes. Se backup e log também ficarem no nosso datacenter, essas cópias ficam no Brasil.

A sua empresa continua responsável pelo dado e pela base legal. Pra não inventar capacidade, a gente combina com você como medir antes de fechar o tamanho, com a carga real da sua equipe.

1982

infra de TI

2015

DC próprio

Florianópolis

operadoras

Quer que a gente olhe
o seu caso de IA junto com você?

A gente olha o dado que entra, quem vai usar e a máquina que você tem, e mostra o modelo e a máquina certos pro seu caso.

Se fizer sentido, a gente implementa com você no nosso datacenter em Florianópolis. Você sai sabendo o que medir antes de fechar o tamanho.

Se a sua própria máquina já resolve, ou se não fizer sentido mudar nada, a gente diz isso também.

Agendar diagnóstico Ver outros materiais

Infotécnica desde 1982. Datacenters próprios em Florianópolis desde 2015. Suporte humano, em português.

Qual IA aberta usar em cada caso,e em que máquina.

Quatro palavras que aparecemo tempo todo.

O teste de dois minutos,sem instalar nada.

Cada caso com a escolha,a máquina e o cuidado de LGPD.