À medida que a Índia procura estabelecer-se como uma potência global de IA, o desenvolvimento de modelos indígenas precisa de ser um pilar central da sua estratégia mais ampla para o ecossistema de IA. À medida que ocorre a expansão da infra-estrutura de computação de alto desempenho, é essencial um esforço semelhante para construir modelos nacionais para desbloquear totalmente os benefícios nacionais em inovação, segurança e crescimento económico.
Um passo fundamental nesta estratégia gira em torno da definição do tamanho e da complexidade certos dos modelos indígenas, que devem corresponder aos casos de utilização previstos, ao nível de capacidade necessário para as aplicações visadas e à disponibilidade de financiamento e recursos técnicos a longo prazo. Embora os LLM de triliões de parâmetros sejam viáveis para intervenientes bem financiados, sejam gigantes tecnológicos globais ou grandes empresas na Índia, a verdadeira escolha para o resto gira em torno da escolha de modelos que abordem os problemas da Índia de uma forma mais sustentável.
Num ambiente com recursos limitados e com novas infra-estruturas computacionais nacionais, a dependência de LLMs de triliões de parâmetros não é prática nem necessária. A Índia precisa de uma abordagem de “cavalos para cursos” – isto é, construir SLMs feitos à medida ao nível das bases, desde aconselhamento agrícola a serviços multilingues aos cidadãos, apoiando necessidades de cuidados de saúde primários que sejam rentáveis e cheguem aos utilizadores na sua língua materna e no modo da sua escolha. Portanto, os SLMs não são um compromisso no contexto indiano, são o ajuste estratégico certo. O ponto de partida mais prático da Índia é desenvolver SLMs otimizados para idiomas locais, tarefas específicas de domínio e implantação econômica – tornando esses modelos cada vez maiores e mais elaborados ao longo do tempo.
Num país diversificado como a Índia, onde uma grande população rural e semiurbana utiliza cada vez mais smartphones e a Internet, o valor real dos SLMs reside em ferramentas práticas e conscientes do contexto para casos de utilização específicos. Estes incluem cidadãos que desejam compreender e candidatar-se a esquemas de bem-estar ou subsídios governamentais, pequenos empresários ou artesãos que necessitam de formação para o desenvolvimento de competências nas línguas locais ou de aconselhamento jurídico ou financeiro básico, recolhendo reclamações, classificando-as e atribuindo-as às partes interessadas certas.
Como a Índia abriga mais de 19.500 línguas e dialetos e muitas comunidades falam línguas menos conhecidas, um LLM que sirva para todos pode não atender a muitas comunidades e necessidades. Dado o rápido crescimento contínuo da conectividade na Índia, com 85,5% dos agregados familiares indianos a terem um smartphone e 86,3% dos agregados familiares com acesso à Internet, de acordo com o governo, estão reunidas as condições para a implantação e utilização em larga escala de SLMs para aumentar a produtividade, aumentar a eficiência e reduzir custos.
A Índia já tomou medidas nesse sentido através da Missão India AI, no âmbito da qual o governo está a dedicar recursos ao desenvolvimento de LLM e SLM. Algumas das iniciativas recentes da Bharatgen visam apoiar as línguas indianas, melhorar o serviço público e desenvolver aplicações centradas no cidadão. Já estamos vendo sucesso inicial com SLMs como Sarv1, um modelo de parâmetros 2BN que suporta 10 principais idiomas indianos. Uma advertência a ser observada, no entanto, é que, embora os SLMs exijam muito menos recursos do que os LLMs, construí-los ainda requer acesso à computação GPU, conjuntos de dados de domínio e idioma local de alta qualidade, cientistas qualificados, domínios de supervisão, engenheiros especializados, engenheiros e ferramentas de aprendizagem de dados. Testes rigorosos para otimização, segurança, privacidade e conformidade. Isso requer investimento de capital que vai desde a curadoria de dados até a computação e o acesso à implantação capaz.
Servir a diversidade linguística, cultural e regional da Índia requer milhares de SLMs especializados para servir diferentes regiões, línguas e indústrias, pelo que o apoio orçamental e a infra-estrutura partilhada tornam-se essenciais em vez de incentivos opcionais. O orçamento de 2026 deve, portanto, dar prioridade ao financiamento e aos incentivos específicos para a construção de SLM indígenas. Isso ajudará:
IndiaAI aprimora missão: O apoio orçamental em 2026 acelerará os esforços para expandir a infra-estrutura informática, a recolha de dados, as subvenções para formação de modelos, as colaborações público-privadas e o reforço de capacidades.
Democratizando o Acesso: O apoio orçamental ajudará a incentivar os fornecedores de serviços em nuvem a acolher modelos nacionais. Reduzirá a barreira à entrada de um grupo mais vasto de inovadores, aumentando a integração, o empreendedorismo e a inovação para além dos grandes intervenientes.
Idioma local suportado: O financiamento destinado à construção de recursos linguísticos e conjuntos de dados específicos de domínios ajudará a desenvolver aplicações de IA em línguas regionais e para áreas específicas de setores, como agricultura, saúde, comércio local e governação rural. Reforçará a inclusão digital, criará conteúdo local e permitirá a prestação de serviços públicos nas línguas locais.
Ao dar prioridade a modelos indígenas e sensíveis ao contexto, a Índia pode construir um ecossistema de IA que reflita as suas próprias realidades linguísticas, económicas e sociais. O orçamento para 2026 servirá de catalisador para transformar esta visão numa vantagem escalonável da IA para a Índia.
Sócio da Deloitte Índia S. Anjani Kumar, Pawan Reddy, Diretor Associado, Deloitte Índia
