IA no servidor da própria empresa: o que o caso de um escritório de advocacia ensina
por Dudu ·
O Latham & Watkins, um dos maiores escritórios de advocacia dos Estados Unidos, comprou servidores Nvidia pra rodar inteligência artificial com os próprios dados. A história viralizou em setembro de 2026 e virou exemplo de uma decisão que muita empresa vai encarar: o que mandar pra IA de fora e o que manter dentro de casa.
Este post mostra o que o escritório montou, o que a versão viral exagerou e o que o caso ensina pra empresas de qualquer tamanho.
O que o Latham & Watkins montou
Segundo a cobertura da imprensa especializada, o escritório comprou servidores com GPUs Nvidia H200 e faz o ajuste fino do Nemotron 3, um modelo aberto da Nvidia, com dados próprios.
As máquinas ficam num data center de terceiro, e a decisão foi tomada pelo comitê de IA do escritório 3 anos antes de a notícia circular. O Latham & Watkins faturou 8,3 bilhões de dólares no ano anterior, o que dá a medida do porte do investimento.
O que a versão viral exagerou
A versão que viralizou no X falava em largar a OpenAI e a Anthropic, e o escritório trabalha num modelo híbrido.
Uma thread com mais de 1,3 milhão de visualizações resumiu o caso como hardware próprio, modelo aberto ajustado, dado jurídico protegido e acesso só pra quem é da casa. Em tradução livre, a thread dizia que o escritório não quer “dar tudo isso pra OpenAI ou pra Anthropic em troca de tokens caros” nem arriscar que o dado seja usado pra treinar modelos de fronteira. A cobertura da imprensa mostra um quadro mais equilibrado: o escritório continua usando ferramentas comerciais, como o Harvey, ao lado da IA própria.
O motivo é o dado
O que move a decisão é o dado: décadas de contratos e informação de clientes que o escritório tem obrigação de proteger.
Pra um escritório de advocacia, o dado é o próprio negócio. Mandar esse material pra um modelo de terceiro levanta perguntas sobre sigilo, sobre onde a informação fica guardada e sobre como ela pode ser usada depois. Rodar o modelo numa infraestrutura controlada pela empresa responde a essas perguntas, a um custo que só faz sentido pra quem tem esse porte e esse tipo de dado.
O que isso ensina pra empresas menores
Uma pequena ou média empresa não precisa de servidor Nvidia pra aplicar a mesma lógica.
O passo que vale pra qualquer empresa é decidir o que pode sair de casa e o que fica dentro. Informação pública e material de marketing podem ir pra qualquer ferramenta. Dados de clientes, contratos e números financeiros pedem mais cuidado: plano empresarial com regra clara de uso de dados, agente rodando num servidor que a empresa controla e acesso liberado só pra quem precisa.
É assim que a gente monta o Agente OS, o sistema operacional com IA que toca a empresa: o agente roda num servidor da própria empresa, ligado nas ferramentas que o time já usa, com o acesso definido pela empresa.
Tema do episódio 34 do Ratos de IA, nossa curadoria semanal de inteligência artificial, publicado originalmente como carrossel e reel no Instagram @ratosdeia. Fontes: a reportagem do Bloomberg Law, a reportagem da eWeek e a thread que viralizou no X.
Perguntas frequentes
O que o Latham & Watkins montou de IA própria?
Segundo a imprensa especializada, o escritório comprou servidores com GPUs Nvidia H200, que ficam num data center de terceiro, e faz o ajuste fino do Nemotron 3, um modelo aberto da Nvidia, com os próprios dados. A decisão foi tomada pelo comitê de IA do escritório 3 anos antes. Eles continuam usando ferramentas comerciais, como o Harvey, em paralelo.
Por que uma empresa rodaria IA no próprio servidor?
Principalmente por causa do dado. Empresas que lidam com informação sensível, como contratos, dados de clientes ou segredos comerciais, preferem controlar onde esse dado fica, quem acessa e se ele pode ser usado pra treinar o modelo de outra empresa.
Uma empresa pequena precisa comprar servidor Nvidia pra ter IA própria?
Não. O caso do Latham & Watkins envolve um escritório que faturou 8,3 bilhões de dólares no ano anterior. Pra pequenas e médias, o caminho costuma ser decidir quais dados podem sair de casa e usar agentes que rodam num servidor controlado pela empresa, ligados nas ferramentas que o time já usa.