Startup francesa diz que GPUs podem ser muito melhores para agentes de IA do que se imaginava
A Kog quer provar que as placas gráficas são adequadas para sistemas de IA que tomam decisões sequenciais — contrariando o consenso atual do mercado.
Uma startup francesa chamada Kog está desafiando uma ideia que virou consenso no mercado de inteligência artificial: a de que GPUs (as placas gráficas usadas para treinar e rodar modelos de IA) não são adequadas para fluxos de trabalho agênticos. Esses fluxos agênticos são sistemas em que a IA toma uma série de decisões encadeadas, uma após a outra, em vez de processar tudo de uma vez — como um assistente virtual que precisa consultar vários bancos de dados, escolher ferramentas e ajustar sua resposta conforme avança.
Segundo informou o TechCrunch, a Kog acredita que essa visão negativa sobre GPUs é, na verdade, um equívoco. A empresa está desenvolvendo tecnologia para extrair mais desempenho das GPUs justamente nesses cenários, onde a IA precisa fazer inferência (o processo de gerar respostas ou previsões usando um modelo já treinado) de forma iterativa e profunda, não apenas rápida e paralela.
O argumento convencional é que GPUs foram projetadas para processar muitas operações ao mesmo tempo, o que funciona bem para treinar modelos ou gerar respostas simples. Mas quando a IA precisa "pensar" passo a passo — consultando memória, reavaliando decisões, interagindo com APIs externas —, as GPUs desperdiçariam recursos. A Kog, porém, aposta que com otimizações específicas é possível usar essas placas de forma muito mais eficiente mesmo em cenários agênticos.
A startup não detalhou publicamente sua tecnologia, mas o movimento é significativo: agentes de IA estão se tornando o próximo grande foco de investimento no setor, e qualquer ganho de eficiência em hardware pode reduzir custos drasticamente. Se a Kog estiver certa, empresas que já investiram bilhões em GPUs para IA poderão aproveitá-las melhor sem precisar migrar para chips especializados.
