O Brasil foi incluído no estudo Beyond Download Speed: Benchmarking 5G Mobile Networks Against AI Workloads, sendo o representante da América Latina entre os 22 mercados globais avaliados pela consultoria. Segundo a Ookla, o maior obstáculo do Brasil ao uso de aplicações de IA não está no desempenho das redes móveis, mas no percurso dos dados até a infraestrutura dos grandes provedores de nuvem, onde ocorre o processamento.
Em sua análise, o relatório mostra o nível de preparação das redes 5G globais para lidar com as exigências das cargas de trabalho de IA. Uma das conclusões é que, embora a maioria dos mercados suporte bem a IA baseada em texto, existem lacunas críticas de desempenho para modalidades emergentes, como voz conversacional e realidade aumentada (AR).
Os especialistas lembram que as redes atuais foram projetadas com base na premissa de que os usuários fazem muito mais download de dados do que produzem (upload). Por conta desse padrão de consumo, a maioria das redes 5G existentes é configurada para operar com uma divisão de tráfego de aproximadamente 90% para download e apenas 10% para upload.
No entanto, as aplicações de IA têm alterado a dinâmica de uso e exigido um fluxo de dados muito mais bidirecional: quando um usuário interage com uma IA, o envio de dados na forma de prompts, que podem conter documentos extensos, áudios ou imagens, gera um tráfego de upload intenso antes mesmo de o sistema fornecer uma resposta.
Participação do upload nas redes brasileiras está entre as menores
A solução para atender essa mudança é o reequilíbrio da rede das operadoras para acomodar os fluxos de dados bidirecionais. O documento enfatiza ainda a necessidade de transição para o 5G Standalone e a otimização das conexões com provedores de nuvem, de forma a garantir a viabilidade de aplicações em tempo real.
No caso brasileiro, o estudo mostra que o país aloca apenas 5,7% de sua capacidade de taxa de transferência para o upload, o que o coloca entre os mercados com as menores proporções do mundo. Para piorar, entre 2023 e 2025, essa fatia de upload encolheu 1,57 ponto percentual.
Apesar das limitações identificadas no país, o estudo destaca o desempenho da Claro, que alcançou algumas das melhores métricas brasileiras para aplicações de IA. A empresa atinge velocidades de upload de 32,23 Mbps e latência de 32,9 ms. Com esse desempenho, ela atende às metas estabelecidas para diferentes aplicações de IA, com exceção da IA multimodal, e supera o desempenho de operadoras localizadas em mercados com implantações 5G mais avançadas.
Outro dado sobre o Brasil é que, em condições normais, a latência das redes locais atende aos requisitos básicos das tecnologias atuais, mas há um alerta. Embora a rede local atenda bem as interações de texto e voz, inovações mais imersivas, como a visão por realidade aumentada (AR) e a IA multimodal, exigem uma latência local inferior a 10 milissegundos para manter a estabilidade visual sem causar enjoo nos usuários.
Gargalo para chegar à nuvem brasileira
O relatório afirma que nenhum dos 22 mercados analisados, incluindo o Brasil, consegue atingir atualmente a latência inferior a 10 milissegundos.
Os especialistas destacam ainda que a rede local é apenas um pedaço do caminho: a latência que o usuário experimenta de fato é a soma do tempo que os dados levam para atravessar a rede móvel, ou seja, da antena ao celular, e o tempo que levam para atravessar a infraestrutura até a nuvem, onde o processamento da IA realmente ocorre.
Segundo o relatório, mesmo que o 5G local do país esteja bem posicionado, há um gargalo na conexão com a nuvem brasileira, que prejudica a experiência em tempo real. Nessa área, o Brasil se distancia negativamente de todos os outros mercados.
O estudo explica que isso ocorre porque a infraestrutura de nuvem local é altamente concentrada em São Paulo e o mercado de provedores de internet (ISPs) é fragmentado. Como a maioria desses provedores não possui acordos diretos de troca de tráfego (peering) com os gigantes da nuvem, os dados precisam passar por múltiplos intermediários antes de chegar ao destino, o que inviabiliza aplicações de IA em tempo real.
