Modelo agnóstico - Por que vendor lock-in em LLMs é perigoso

O risco: um modelo, um fornecedor

Muitas empresas constroem sua estratégia de IA sobre um único modelo. “Nós usamos ChatGPT” ou “Apostamos no Claude”. Prompts são otimizados para esse modelo. Integrações são construídas para a API desse fornecedor. Workflows estão ajustados às particularidades desse modelo.

Então acontece uma de três coisas: o fornecedor aumenta preços. O fornecedor altera a API. Um novo modelo surge que é significativamente melhor ou mais barato. Em qualquer caso: toda a implementação precisa ser adaptada.

No mercado de LLMs, isso acontece rápido. Nos últimos 18 meses, preços caíram pela metade, novos provedores surgiram, modelos open-source superaram modelos proprietários em benchmarks. Quem se vinculou a um fornecedor não consegue aproveitar essas evoluções.

No contexto brasileiro, o risco é amplificado: APIs são precificadas em dólar, e a volatilidade do real torna custos imprevisíveis. Uma arquitetura modelo-agnóstica permite migrar para modelos self-hosted quando a equação financeira favorece, sem reconstruir a lógica de negócio.

Modelo agnóstico como princípio arquitetônico

Na arquitetura de referência Gosign, o Model Layer é uma camada substituível. A lógica de negócio - conjuntos de regras, lógica de decisão, workflows - é implementada no Decision Layer e Agent Layer, não no modelo.

Quando um novo modelo fica disponível, pode ser integrado sem alterar as camadas superiores. O agente não sabe qual modelo está usando. Ele faz uma solicitação ao Model Layer e recebe uma resposta. Qual modelo fornece a resposta é irrelevante para o agente.

Multi-Model Routing

Um agente pode usar múltiplos modelos simultaneamente. O roteamento é baseado em regras:

Otimização de custos: Tarefas simples (classificação de documentos, extração de dados) rodam em um modelo econômico. Tarefas complexas (apoio a decisões, interpretação de regras) em um modelo mais potente.

Residência de dados: Dados sensíveis vão para modelos self-hosted (Llama, Mistral, DeepSeek). Dados não-críticos podem rodar via Cloud APIs. Essa separação é especialmente relevante para conformidade com a LGPD (PT: RGPD).

Failover: Se um provedor de modelo fica indisponível, o sistema pode alternar automaticamente para um modelo alternativo.

As regras de roteamento são configuradas no Decision Layer e rastreáveis.

Modelos suportados

A arquitetura Gosign suporta atualmente:

Claude (Anthropic) - Cloud API
ChatGPT (OpenAI) - Cloud API
Gemini (Google) - Cloud API
Llama (Meta) - self-hosted ou nuvem
Mistral - self-hosted ou nuvem
DeepSeek - self-hosted ou nuvem
gpt-oss (OpenAI) - self-hosted ou nuvem

Novos modelos podem ser integrados assim que estejam acessíveis via API padrão.

Mais informações: Infraestrutura de IA - Blueprint 2026 | Custos de IA - Comparativo TCO

Agendar reunião - Mostramos a arquitetura modelo-agnóstica em detalhes.

Perguntas frequentes

O que significa modelo agnóstico?

Modelo agnóstico significa: a arquitetura não está vinculada a um modelo de linguagem específico. O Model Layer é substituível. Agentes, Decision Layer, conjuntos de regras e integrações funcionam com qualquer modelo suportado.

Por que vendor lock-in em LLMs é perigoso?

Porque o mercado de LLMs muda rapidamente. Preços mudam, modelos são descontinuados, novos modelos surgem, modelos de licenciamento mudam. Quem constrói sobre um único modelo depende de um fornecedor. No contexto brasileiro, isso é agravado pela volatilidade cambial, já que APIs são precificadas em dólar.

Um agente pode usar múltiplos modelos simultaneamente?

Sim. Multi-Model Routing: um modelo econômico para pré-classificação, um mais potente para decisões complexas. O roteamento é baseado em regras e configurado no Decision Layer.

A abordagem modelo agnóstica é relevante para empresas em Portugal?

Absolutamente. Empresas em Portugal, como membros da UE, devem considerar que o EU AI Act pode impor requisitos adicionais sobre modelos de IA. A flexibilidade de trocar modelos sem refazer a lógica de negócio é estratégica tanto para conformidade regulatória quanto para otimização de custos em ambos os mercados.