Há eventos que apresentam novas tecnologias. Outros revelam tendências. E existem aqueles, muito mais raros, que deixam evidente que uma mudança de paradigma já começou. Foi exatamente essa sensação que tive ao participar da SIGGRAPH 2026, em Los Angeles, considerada a principal conferência mundial de computação gráfica, Inteligência Artificial, realidade estendida (XR), robótica e tecnologias imersivas.
Ao longo de vários dias acompanhei apresentações das maiores empresas de tecnologia do mundo, visitei startups, conversei com pesquisadores e assisti a demonstrações de soluções que, em muitos casos, ainda levarão alguns anos para chegar ao mercado. Apesar da diversidade de temas — computação espacial, robótica, efeitos visuais, agentes inteligentes, Digital Twins, geração de vídeo por IA e World Models —, um aspecto chamou minha atenção: todas essas iniciativas pareciam convergir para uma mesma direção.
Não se tratava mais de construir modelos maiores ou gerar imagens mais realistas. O foco havia mudado. A nova fronteira da Inteligência Artificial é compreender o mundo antes de agir sobre ele.
Essa conclusão apareceu de diferentes formas durante a conferência. Algumas empresas falavam em Scene Understanding. Outras apresentavam seus World Models. Pesquisadores discutiam Physical AI, grafos de conhecimento e modelos semânticos. Embora utilizassem terminologias diferentes, todos buscavam responder à mesma pergunta: como fazer com que uma Inteligência Artificial deixe de apenas enxergar o mundo para começar a compreendê-lo?
Essa mudança pode parecer sutil, mas representa uma transformação profunda na forma como construiremos sistemas inteligentes nos próximos anos.
Durante a última década, a indústria concentrou seus esforços em reconstruir a realidade. Tecnologias como visão computacional, fotogrametria, LiDAR, Neural Radiance Fields (NeRF), Gaussian Splatting e Digital Twins permitiram criar representações tridimensionais de ambientes com um nível de fidelidade impressionante. Hoje é possível digitalizar uma fábrica, um aeroporto, um estádio ou um museu em poucos minutos, produzindo modelos extremamente precisos do mundo físico.
Entretanto, reconstruir nunca significou compreender.
Imagine uma Inteligência Artificial observando uma cadeira. Ela consegue identificar que se trata de uma cadeira, classificá-la como uma cadeira de escritório e até reconstruí-la tridimensionalmente com enorme precisão. Ainda assim, isso está longe de representar entendimento. Compreender significa reconhecer que aquela cadeira está posicionada diante de uma mesa, faz parte de uma sala de reuniões, pertence a determinado ambiente, participa de um processo de trabalho e mantém relações com diversos outros elementos. A cadeira permanece exatamente a mesma. O que muda é o significado atribuído a ela.
Foi justamente essa percepção que apareceu repetidamente na SIGGRAPH. O consenso parecia ser que a geometria, por si só, já não basta. O verdadeiro diferencial está na capacidade de compreender objetos, contexto, relações e permanência ao longo do tempo. Em outras palavras, a próxima geração da Inteligência Artificial não será construída apenas sobre imagens e dados, mas sobre significado.
Essa reflexão me levou imediatamente ao ambiente empresarial.
Durante décadas, as organizações investiram fortemente em tecnologia para capturar, armazenar e processar informações. Criamos ERPs, CRMs, plataformas de e-commerce, Data Lakes, sistemas financeiros, ferramentas de marketing e soluções analíticas cada vez mais sofisticadas. Nunca produzimos tantos dados. Paradoxalmente, nunca foi tão difícil conectá-los em uma visão única do negócio.
Na maioria das empresas, cada área continua trabalhando a partir de sua própria interpretação da realidade. Marketing conhece profundamente o comportamento do cliente. Comercial possui uma visão das oportunidades. Financeiro acompanha indicadores econômicos. Operações monitora processos internos. Recursos Humanos administra pessoas e competências. Cada departamento domina sua parte do quebra-cabeça, mas poucas organizações conseguem integrar essas perspectivas em um modelo consistente de entendimento.
Quando introduzimos Inteligência Artificial nesse ambiente, ela inevitavelmente herda essa fragmentação. A tecnologia consegue responder perguntas, resumir documentos, produzir análises e automatizar tarefas com enorme eficiência. No entanto, muitas vezes faz isso sem compreender plenamente o contexto em que a empresa está inserida, justamente porque o conhecimento continua disperso entre diferentes sistemas.
Foi exatamente essa percepção que também influenciou a evolução dos projetos que desenvolvemos na Virtual Fans.
Quando começamos a digitalizar estádios, museus e centros de treinamento, acreditávamos que o grande diferencial seria oferecer experiências imersivas de alta qualidade. Rapidamente percebemos que o modelo tridimensional era apenas o primeiro passo. O verdadeiro valor surgia quando aquele ambiente passava a carregar conhecimento, contexto e histórias.
No Corinthians, por exemplo, a experiência desenvolvida para a Neo Química Arena vai muito além de permitir uma visita virtual. O torcedor percorre o estádio, descobre conteúdos exclusivos, participa de desafios, acessa informações históricas e interage com diferentes ambientes de maneira contínua. O estádio deixa de ser apenas um espaço físico reproduzido digitalmente para transformar-se em uma plataforma permanente de relacionamento entre clube e torcida, capaz de manter o engajamento mesmo quando não há jogos.
No Flamengo, essa lógica torna-se ainda mais evidente com a digitalização do Museu Flamengo. Cada troféu, camisa histórica, fotografia, documento ou objeto do acervo deixa de representar apenas uma peça física. Cada elemento passa a conectar vídeos, personagens, estatísticas, curiosidades, conquistas e momentos marcantes da história do clube. O visitante não apenas observa um objeto; ele compreende seu significado dentro da narrativa construída ao longo de mais de um século de história.
Esses projetos nos ensinaram que o verdadeiro patrimônio não está apenas na reconstrução digital do ambiente. O valor nasce quando conseguimos transformar espaços físicos em ambientes compreendidos, onde cada objeto possui identidade, contexto, relações e significado. A tecnologia deixa de reproduzir a realidade para começar a interpretá-la.
Essa mesma lógica explica por que conceitos como World Models vêm recebendo investimentos bilionários das maiores empresas de tecnologia do planeta. Um robô não precisa apenas reconhecer uma cadeira; precisa entender que ela pode ser utilizada para sentar, que pertence a determinado ambiente, que poderá mudar de posição e que continuará sendo a mesma cadeira amanhã. Um veículo autônomo não pode apenas identificar uma faixa de pedestres; precisa compreender seu contexto e antecipar comportamentos. Da mesma forma, um agente de Inteligência Artificial que apoia decisões empresariais precisa compreender clientes, contratos, processos e objetivos, e não apenas consultar informações armazenadas em diferentes bases de dados.
Essa evolução também modifica a forma como pensamos a própria Inteligência Artificial. Durante algum tempo acreditamos que o principal diferencial competitivo estaria no volume de dados disponível. Em seguida, passamos a acreditar que a vantagem seria possuir os modelos mais sofisticados. A impressão que tive ao deixar a SIGGRAPH é que estamos entrando em uma terceira fase, na qual o verdadeiro ativo será a capacidade de estruturar conhecimento.
É justamente nesse contexto que abordagens como Ontologias Empresariais, Grafos de Conhecimento e modelos semânticos passam a ganhar relevância. Elas não substituem os grandes modelos de linguagem nem competem com a IA generativa. Seu papel é diferente: organizar entidades, relacionamentos, regras e contexto para que diferentes agentes de Inteligência Artificial compartilhem uma compreensão consistente da realidade sobre a qual precisam atuar.
Essa mudança é muito mais estratégica do que tecnológica. Empresas continuarão investindo em modelos de IA cada vez mais poderosos, mas esses modelos tendem a tornar-se amplamente disponíveis. O conhecimento estruturado sobre o próprio negócio, entretanto, continuará sendo um patrimônio exclusivo de cada organização. É ele que permitirá transformar respostas probabilísticas em inferências contextualizadas, decisões mais consistentes e automações realmente inteligentes.
Talvez seja justamente essa a principal lição que trouxe da SIGGRAPH 2026. Durante muitos anos ensinamos as máquinas a enxergar o mundo. Conseguimos reconstruí-lo digitalmente com uma precisão extraordinária e criamos representações cada vez mais fiéis da realidade. Agora começa uma nova etapa, na qual o desafio deixa de ser representar objetos e passa a ser compreender o significado que existe entre eles.
Essa transformação não impactará apenas empresas de tecnologia, estúdios de cinema ou laboratórios de pesquisa. Ela afetará praticamente todos os setores da economia, porque organizações que conseguirem estruturar melhor seu conhecimento serão capazes de desenvolver agentes de IA mais confiáveis, decisões mais inteligentes, experiências mais personalizadas e modelos de negócio muito mais sofisticados.
A próxima década provavelmente não será lembrada apenas pelos avanços da Inteligência Artificial generativa. Será lembrada pelo momento em que a tecnologia começou a compreender o contexto em que atua.
Reconstruir o mundo foi uma conquista extraordinária.
Compreendê-lo será, muito provavelmente, a vantagem competitiva que definirá os líderes da próxima geração de empresas.
Leandro Monteiro é Vice-Presidente da ADVB, Chairman da Virtual Fans, CEO da ClubBrain.ai e Autor de “Ontologia da Decisão Empresarial”
* As ideias e opiniões expressas nos artigos são de exclusiva responsabilidade dos autores, não refletindo, necessariamente, as opiniões da ADVB. Para publicar um artigo ou matéria neste Portal ADVB, envie para redacao@advb.org para aprovação da publicação.
