Marc Sureda
A estabilização da cadeia de abastecimento de hardware quântico aponta para o início da década de 2030 como o horizonte temporal em que esta tecnologia poderá estar pronta para utilização em ambientes de produção. Este horizonte representa uma das grandes transformações tecnológicas que se avizinham, oferecendo a capacidade de abordar problemas demasiado complexos para a informática tradicional e de treinar modelos de forma mais eficiente, requerendo uma menor quantidade de dados.
Para avaliar o grau de preparação do mercado, a empresa de software SAS realizou um inquérito global a mais de 500 gestores de diversos setores. Os resultados obtidos indicam que o interesse pela IA quântica continua a aumentar, embora as empresas avancem com cautela. Enquanto no ano passado o elevado custo de implementação representava o maior obstáculo, os dados relativos a 2026 mostram que a principal barreira à adoção é agora a incerteza sobre as reais aplicações práticas da tecnologia. Outros fatores que travam a sua implementação nas empresas incluem a falta de profissionais qualificados, o desconhecimento geral sobre o assunto, a disponibilidade limitada de ferramentas e a ausência de diretrizes regulamentares ou procedimentais claras.
Esta mudança nas preocupações corporativas revela que as organizações estão a dar prioridade à identificação de problemas concretos que possam ser resolvidos de forma rentável, responsável e segura. Os responsáveis pelas áreas de tecnologia exigem garantias metodológicas de que obterão casos de utilização valiosos que resolvam desafios reais antes de comprometerem grandes verbas orçamentais.
Para responder a esta necessidade de certeza, a indústria tecnológica está a impulsionar abordagens híbridas que combinam a computação clássica com a quântica. Esta metodologia complementar consiste em atribuir a cada sistema aquilo que melhor sabe processar, os processos consolidados são delegados à informática tradicional, e o processamento quântico é reservado para tarefas de alta complexidade, otimização ou simulação.
Uma aplicação prática deste modelo é o trabalho conjunto que o Scotiabank e a SAS estão a desenvolver no âmbito da gestão do risco financeiro. Através da utilização de dados anónimos de clientes, ambas as entidades comparam modelos tradicionais de avaliação nas suas plataformas analíticas com técnicas quânticas, conseguindo identificar em que cenários a computação clássica é mais eficiente e em que cenários a IA quântica acrescenta um valor diferencial.
Patrick Xhonneux, Vice-Presidente Sénior de Marketing da SAS, afirma:“Embora o interesse continue elevado, os líderes empresariais agem com prudência. Não querem realizar grandes investimentos sem terem a certeza de que obterão casos de utilização valiosos e que, de facto, poderão resolver problemas e desafios. É por isso que, na SAS, trabalhamos para democratizar o acesso a esta tecnologia, identificando casos de uso reais e ajudando os clientes a tirar partido das vantagens da computação quântica no futuro”.
Por sua vez, Amy Stout, Diretora de Estratégia de Produtos Quânticos na SAS, explica: “Esta pesquisa confirma o que os especialistas já antecipavam e observavam no mercado.
Os líderes querem explorar a computação quântica, mas continuam a deparar-se com alguns pontos de resistência e, por isso, queremos oferecer um espaço prático para aprender, inovar e buscar retorno real em casos de uso empresariais”.
Com o objetivo de facilitar esta exploração ao resto do tecido empresarial e democratizar o seu acesso, a SAS lançou um novo ambiente prático denominado SAS Quantum Lab. Esta plataforma foi concebida para que as organizações possam aprender, experimentar e validar ideias de negócio relacionadas com a IA quântica, proporcionando um espaço de trabalho útil tanto para as empresas que já dispõem de especialistas técnicos na matéria, como para aquelas que precisam de aproximar estas ferramentas a perfis puramente empresariais em busca de um retorno real do investimento.
De acordo com os dados recolhidos no relatório, o setor empresarial demonstra um interesse particular em aplicar estas novas capacidades de cálculo a áreas específicas de alto impacto, entre as quais se destacam a deteção de fraude financeira, a otimização das redes de telecomunicações móveis, a descoberta de novos fármacos, a gestão logística, a previsão do comportamento dos consumidores e o treino de grandes modelos de linguagem.
