DSLMs: Por Que o Gartner Prevê Que Mais da Metade dos Modelos de IA das Empresas Serão Especializados Até 2028 e o Que Isso Muda Para o Brasil

Quando o ChatGPT foi lançado no final de 2022, a narrativa que se formou foi a de um único modelo grande e poderoso capaz de fazer tudo: escrever, analisar, programar, traduzir, responder perguntas. Um modelo para governar todos os outros.

Dois anos e meio depois, o mercado está caminhando em direção exatamente oposta.

O Gartner publicou em julho de 2026 sua projeção para o mercado mundial de plataformas e modelos de IA: crescimento de 63% em 2026, atingindo US$ 64,2 bilhões. Mas o dado que mais chama atenção não é o volume total. É a distribuição do crescimento.

Os modelos fundacionais genéricos, como GPT e Gemini, cresceram 104% em receita. Os DSLMs, modelos de linguagem específicos por domínio, cresceram 210%. E o Gartner projeta que até 2028, mais da metade de todos os modelos de IA generativa adotados pelas empresas serão DSLMs, não modelos genéricos.

A era da IA generalista está dando lugar à era da IA especialista.

O que são DSLMs e por que estão ganhando o mercado

DSLM é a sigla para Domain-Specific Language Model, ou Modelo de Linguagem Específico por Domínio. São modelos de inteligência artificial criados a partir de modelos fundacionais maiores e especializados com dados curados de um setor específico, como saúde, finanças, direito, logística, agronegócio ou indústria.

A diferença em relação a um modelo generalista como o GPT é de profundidade e precisão. Um modelo generalista sabe sobre medicina o que um clínico geral bem informado saberia. Um DSLM de saúde sabe o que um especialista com acesso a toda a literatura médica relevante, aos protocolos do CFM e às regulações da ANVISA saberia.

Essa especialização se constrói de três formas principais.

Fine-tuning. O modelo base é retreinado com um conjunto de dados específico do setor. Um banco que quer um modelo financeiro pode retreinar o Llama 4 com seus próprios contratos, regulações do Banco Central, terminologia de produtos e histórico de interações com clientes.

RAG, Retrieval-Augmented Generation. Em vez de retreinar o modelo, uma base de conhecimento específica é conectada a ele em tempo real. Quando o modelo precisa responder uma pergunta, ele busca primeiro nas fontes proprietárias e usa essa informação para construir a resposta. É mais rápido e mais barato do que o fine-tuning.

Prompt Engineering avançado. Instruções precisas e contexto especializado são fornecidos ao modelo a cada interação, direcionando o comportamento para o domínio específico sem alterar o modelo em si.

Por que os modelos genéricos estão falhando onde as empresas precisam

As empresas brasileiras que adotaram IA generativa nos últimos dois anos descobriram, na prática, uma limitação que os benchmarks não capturam. Modelos como o GPT e o Gemini respondem bem em tarefas amplas, mas falham quando o contexto exige conhecimento técnico profundo, terminologia especializada ou nuances regulatórias.

Um advogado que usa um modelo generalista para analisar um contrato de locação comercial recebe uma análise razoável. Um advogado que usa um DSLM treinado no direito civil brasileiro, nos entendimentos do STJ e nas práticas do mercado imobiliário local recebe uma análise que reflete o contexto real com muito mais precisão.

A diferença não é apenas de qualidade da resposta. É de risco. Em saúde, finanças e direito, uma resposta incorreta tem consequências reais. E modelos generalistas cometem erros específicos nessas áreas porque foram treinados para ser bons em tudo ao mesmo tempo, não excelentes em algo específico.

Para o Brasil, há um fator adicional que o Gartner destaca explicitamente: a necessidade de operar em português com precisão e o esforço por manter dados sensíveis dentro do perímetro da empresa. Modelos generalistas foram treinados principalmente em inglês. Um DSLM desenvolvido com dados em português, contexto regulatório brasileiro e terminologia de mercado local tem vantagem estrutural que nenhuma quantidade de engenharia de prompts em inglês consegue replicar.

Os setores onde os DSLMs estão avançando mais rápido no Brasil

Finanças e crédito. Bancos e fintechs brasileiras estão entre os mais ativos no desenvolvimento de modelos especializados. Análise de crédito, detecção de fraudes, geração de contratos e atendimento especializado são casos onde a precisão e o conhecimento regulatório do sistema financeiro brasileiro fazem toda a diferença. O Itaú, por exemplo, tem 21 patentes depositadas e meta de 50 até 2026 em projetos que incluem IA especializada para aplicações financeiras.

Saúde. Modelos treinados em literatura médica em português, protocolos clínicos brasileiros e regulamentações da ANVISA estão sendo desenvolvidos para apoiar diagnóstico, triagem de pacientes e gestão de prontuários. A especificidade da regulação brasileira de saúde torna o conhecimento local indispensável.

Jurídico. A complexidade do direito brasileiro, com sua mistura de civil law, precedentes do STJ e STF e legislação tributária entre as mais complexas do mundo, cria uma demanda natural por modelos especializados que entendam profundamente esse contexto.

Agronegócio. Para o Paraná e para a região de Campo Mourão, esse é o vertical de maior potencial imediato. Modelos treinados em dados de cultivo paranaense, pragas regionais, regulações fitossanitárias e condições climáticas locais podem oferecer recomendações muito mais precisas do que qualquer modelo generalista treinado principalmente em inglês com dados globais.

Logística e supply chain. Com a complexidade da malha logística brasileira, incluindo peculiaridades tributárias, gargalos de infraestrutura regionais e padrões de demanda específicos, modelos especializados em logística brasileira têm vantagem real sobre generalistas.

O que isso significa para startups e empresas inovadoras

O crescimento de 210% dos DSLMs em 2026 não representa apenas uma mudança no mercado de grandes fornecedores de IA. Representa uma abertura de oportunidade para startups e empresas de tecnologia que têm acesso privilegiado a dados especializados de um setor específico.

Uma startup que opera em logística de grãos no Paraná tem acesso a dados que a OpenAI não tem e que provavelmente nunca vai ter. Esses dados, usados para especializar um modelo base de IA de código aberto como o Llama, podem criar um DSLM com vantagem competitiva sustentável. O modelo não é proprietário. O conhecimento embutido nele, sim.

Esse é exatamente o tipo de P&D que o ecossistema do Ideas Hub viabiliza como ICT credenciada pelo MCTI. Empresas parceiras podem desenvolver DSLMs para seus setores com acesso aos incentivos fiscais da Lei do Bem e ao suporte técnico do ecossistema do maior venture builder do Sul do Brasil.

O Diagnóstico de Maturidade em Inovação do Ideas Hub é o ponto de partida para entender quais oportunidades de IA especializada fazem sentido para o estágio atual da sua empresa.