Índia lança três modelos próprios de inteligência artificial capazes de funcionar sem internet

A rede ferroviária indiana é um dos maiores e mais complexos sistemas de infraestrutura pública do mundo, onde milhares de trens, milhões de passageiros, transportes de carga, estações, trilhos e equipes de campo operam diariamente. Em um sistema tão complexo, até mesmo um pequeno atraso pode causar consequências em cascata em vários níveis.

Às vezes, os relatórios locais não são enviados a tempo, e os dados podem estar dispersos entre diferentes sistemas, impedindo que os funcionários recebam informações atualizadas sobre o que está acontecendo. Nessas condições, as tecnologias deixam de ser apenas uma ferramenta para acelerar o trabalho, tornando-se parte integrante da gestão eficaz e da tomada de decisões.

A startup Sarva Suvidhaen, sediada em Bihar, atua exatamente nessa área. A empresa desenvolve soluções para o transporte ferroviário e outros grandes sistemas de infraestrutura usando inteligência artificial (IA), Internet das Coisas (IoT), visão computacional e software.

A empresa foi fundada por Atul Anand e Srishti. Apesar de suas diferentes experiências profissionais, eles notaram um problema comum durante a quarentena. Trabalhando em casa em Patna, eles perceberam a necessidade de melhorar os dados, a automação e o monitoramento em tempo real para certos processos das ferrovias indianas. Isso gerou a ideia de uma startup que poderia aplicar tecnologia para resolver problemas no local na área de infraestrutura pública, em vez de se limitar a empresas privadas.

Recentemente, a publicação YourStory realizou uma entrevista com Atul Anand, Diretor de Tecnologia (CTO) da Sarva Suvidhaen. Ele detalhou o início das atividades da empresa, a experiência empreendedora em Bihar, as soluções desenvolvidas baseadas em IA e IoT para ferrovias, bem como os desafios enfrentados e os planos futuros.

A jornada de Atul Anand começou em uma escola secundária pública em Bihar, onde ele obteve seu certificado em 2005 através do Conselho de Bihar. Em seguida, ele continuou seus estudos na Patna Science College de 2005 a 2007. Depois disso, obteve um diploma em Ciência e Engenharia da Computação no NIT Trichy. Posteriormente, trabalhou no setor de desenvolvimento de software em empresas como Oracle, BEL, CLS, KPI Partners, IQuanti e SpotOn.

Srishti iniciou sua formação na Escola de Educação Criativa. Ela obteve um diploma de ensino médio através do BSEB. Em seguida, obteve um diploma BBM na Universidade de Magadh e um MBA na Universidade Técnica de Uttarakhand. Ela trabalhou na SPVR and Co, Randstad e Cognizant.

As diferenças em suas experiências se mostraram um ponto forte da empresa: Atul possuía experiência em tecnologia e desenvolvimento de software, enquanto Srishti tinha experiência em negócios, gestão e operações. Atul explica que, após mais de doze anos trabalhando no setor de desenvolvimento de software, sentiu que a aplicação de tecnologia não deveria ser limitada às necessidades apenas de empresas. Ele acrescentou que os grandes sistemas governamentais do país também precisam disso, e Srishti o incentivou a pensar nessa direção. Eles decidiram usar seus conhecimentos técnicos para resolver problemas que afetam serviços públicos e cidadãos comuns.

Durante a quarentena, trabalhando em casa em Patna, eles começaram a estudar atentamente os processos diários das ferrovias indianas. Eles concluíram que a coleta de dados, os relatórios locais e o monitoramento em uma rede tão vasta poderiam ser mais organizados, o que é especialmente relevante para processos que exigem coleta de informações de vários pontos e tomada de decisões com base nelas.

Srishti incentivou Atul a usar sua base técnica nessa direção. Juntos, eles começaram a explorar maneiras de combinar aprendizado de máquina (ML), IoT e software com tarefas de infraestrutura pública. A Sarva Suvidhaen foca em organizações cujas operações estão distribuídas por muitos locais. Nesses sistemas, os relatórios manuais e a visibilidade limitada dos dados retardam o processo de tomada de decisões.

A empresa opera sob modelos B2B e B2G, oferecendo desenvolvimento e implementação de soluções de software e IoT, bem como consultoria e manutenção. Atul observa que eles não começaram com um estudo abrangente do mercado, mas sim com base na observação de problemas reais durante sua estadia em Patna durante a quarentena. Eles acreditavam que tecnologias como ML e IoT poderiam ajudar a entender e resolver esses problemas. Ele assumiu a responsabilidade pelas tecnologias, enquanto Srishti cuidava dos negócios e operações, e assim seus papéis foram gradualmente definidos, impulsionando o trabalho da Sarva Suvidhaen.

A startup desenvolveu uma série de soluções para a digitalização das operações de campo das ferrovias indianas. Uma delas é a WagonEye — uma plataforma baseada em IA e visão computacional usada para detectar defeitos potenciais na carroceria e no chassi de vagões de trens de carga e passageiros. Em uma grande rede como a ferroviária, a identificação oportuna de problemas é crucial tanto para a segurança quanto para as operações.

Além disso, existe o RailOps — uma plataforma operacional digital que permite às equipes ferroviárias registrar e controlar as atividades de campo. O SwachhDNR é uma plataforma web e móvel que foi implementada no distrito de Danapur, incluindo Patna Junction, bem como nos distritos de Sealdah e Jhansi. É usada para rastrear e avaliar o desempenho dos funcionários.

Graças a essas soluções, o objetivo da empresa é tornar os dados de campo acessíveis digitalmente e conectá-los ao processo de tomada de decisões. Atul enfatiza que seu foco vai além do desenvolvimento de software; eles buscam fazer com que a tecnologia funcione onde há um problema real. Como as condições nas operações de campo ferroviárias mudam constantemente, é crucial que os modelos de IA e os sistemas IoT funcionem de forma confiável em condições reais. Soluções como WagonEye, RailOps e SwachhDNR foram desenvolvidas com esse enfoque. Sua tarefa é transformar dados em informações que contribuam para uma melhor tomada de decisões, tanto no nível dos trabalhadores de campo quanto no nível da gerência.

A Sarva Suvidhaen começou com bootstrapping, ou seja, os fundadores não atraíram investidores externos inicialmente, utilizando economias pessoais e receitas dos primeiros projetos. Mais tarde, receberam financiamento de 10 lakh de rúpias do Startup Bihar. A empresa também recebeu apoio de incubação do IIT Patna e STPI, e adicionalmente recebeu 1 crore de rúpias em créditos do Google Cloud. Esses recursos foram destinados à criação e expansão da infraestrutura de IA e IoT.

De acordo com a empresa, ela recebeu um total de 32 lakh de rúpias em ajuda governamental e atraiu 60 lakh de rúpias de capital de risco externo de dois investidores. A experiência de trabalhar com instituições governamentais permitiu à Sarva Suvidhaen entender aspectos importantes dos negócios: grandes organizações governamentais seguem regras de aquisição estabelecidas, portanto, construir confiança e formar uma reputação sólida é fundamental ao implementar novas tecnologias. Ao mesmo tempo, projetos piloto e condições reais de campo são muito úteis para aperfeiçoar soluções tecnológicas profundas. Essa experiência ajudou a tornar as soluções da empresa mais práticas e confiáveis.

A empresa demonstrou crescimento de negócios. No ano fiscal de 2024-25, a receita da empresa foi de cerca de 48 lakh de rúpias, e o lucro atingiu aproximadamente 9 lakh de rúpias. No ano fiscal de 2025-26, a receita aumentou para aproximadamente 1,16 crore de rúpias, e o lucro foi de cerca de 20 lakh de rúpias. O modelo de receita da empresa é baseado em cobranças únicas por desenvolvimento e integração, bem como em assinaturas mensais ou anuais e contratos de manutenção.

Atualmente, a empresa planeja expandir sua presença em todas as zonas das ferrovias indianas, bem como levar suas soluções para setores como logística, saúde e cidades inteligentes. No nível tecnológico, a empresa está preparando investimentos em IA de borda (edge AI), visão computacional e manutenção preditiva.

O centro de incubação do IIT Patna desempenhou um papel importante nesse caminho. De acordo com a empresa, o financiamento, o suporte técnico, a mentoria e as conexões com a indústria ajudaram a transformar protótipos em soluções prontas para uso em campo. Atul acredita que a Sarva Suvidhaen não é apenas uma empresa que trabalha com ferrovias; seu objetivo é se tornar uma parceira em IA, IoT e automação para infraestrutura crítica. Para alcançar esse objetivo, é necessário tornar a tecnologia capaz de funcionar em diversas condições. No futuro, eles pretendem explorar oportunidades em setores como logística, saúde e cidades inteligentes, juntamente com as ferrovias. Eles acreditam que o caminho pode começar em Bihar, mas as soluções devem abranger toda a Índia e, finalmente, o mundo.

A história da Sarva Suvidhaen ainda está em estágio inicial. A empresa continuará enfrentando problemas como procedimentos governamentais de aquisição, longos ciclos de vendas e implementação em larga escala de soluções tecnológicas profundas. No entanto, isso também demonstra como novas oportunidades para empreendedorismo e talentos tecnológicos estão surgindo em Bihar. Uma startup que começa em uma cidade como Patna pode desenvolver soluções para um dos maiores sistemas de infraestrutura pública do país. O ecossistema de startups, centros de incubação, ajuda governamental e apoio de instituições técnicas ajudam essas empresas a ir além da fase inicial. O caminho da Sarva Suvidhaen serve como exemplo desse ambiente em mudança. Para Atul e Srishti, a direção é clara: eles querem trabalhar em problemas cujo impacto pode ser visto no local e cujas soluções podem ser escaladas. Sua mensagem reflete essa abordagem: «Comece sua jornada em Bihar, encontre soluções para os problemas reais da Índia e crie soluções que o mundo inteiro possa adotar». A Sarva Suvidhaen começou sua jornada em Bihar, mas suas ambições não se limitam ao estado; atualmente, a empresa está trabalhando no desenvolvimento de soluções aplicáveis em outros grandes setores de infraestrutura, além das ferrovias, apresentando um quadro interessante do ecossistema de startups em desenvolvimento de Bihar.

O regulador de telecomunicações da Índia, Trai, lançou na sexta-feira um projeto de estrutura para o uso responsável da inteligência artificial (IA). De acordo com este projeto, as organizações licenciadas que operam sob a Lei de Telégrafo ou o Ato de Telecomunicações devem ser responsáveis pelos resultados dos sistemas de IA que implementam, independentemente de onde esses sistemas foram desenvolvidos.

Este amplo projeto, apresentado para consulta, obriga as empresas a adotarem políticas de IA aprovadas pelo conselho de administração, a criarem comitês especiais de governança e segurança, e a reportarem ao regulador incidentes graves relacionados à IA. Os stakeholders têm a oportunidade de deixar comentários até 27 de novembro.

A consulta ocorre em meio à crescente integração da IA nas redes para aumentar a eficiência e nos serviços oferecidos aos consumidores. A Trai alerta que a implementação da IA pode criar novos riscos se não for realizada uma devida diligência antes do lançamento dos sistemas ou se houver supervisão insuficiente sobre o aprendizado autônomo e as interações do sistema.

O regulador observou que riscos como vieses não intencionais, que podem surgir em sistemas de IA durante o treinamento e uso, comportamentos indesejados dos modelos, como o desvio do modelo, e ataques adversários, podem afetar negativamente a resiliência da infraestrutura de telecomunicações, especialmente seus componentes críticos. Esses riscos podem ser mitigados através da adesão às práticas adequadas de governança de IA.

Provedores indianos de serviços de telecomunicações, incluindo Reliance Jio e Bharti Airtel, já utilizam IA em grande escala em seus sistemas, principalmente para identificação de clientes e prevenção de fraudes. Fabricantes globais de equipamentos de rede, como Nokia e Ericsson, também integram IA nas redes, o que é adotado pelas operadoras indianas.

As propostas da Trai incluem a exigência de que cada organização desenvolva uma política interna de IA, aprovada por seu conselho de administração ou órgão de gestão equivalente. Esta política deve abranger classificação de riscos, permissões de implantação, gerenciamento de incidentes, supervisão humana, gerenciamento de dados e resolução de reclamações de consumidores. Além disso, o regulador sugeriu que todos os sistemas de IA estejam sujeitos a controle humano apropriado para mitigar riscos de acordo com um mecanismo predefinido.

As empresas de telecomunicações e as organizações autorizadas que utilizam IA devem classificar seus sistemas em categorias de risco alto, médio e baixo, com base em sua importância para as operações de rede, resultados financeiros e operacionais, bem como potenciais consequências para os consumidores.

Um aspecto importante é que as propostas visam responsabilizar as organizações pelos resultados dos sistemas de IA implementados, «independentemente de os sistemas de IA terem sido desenvolvidos internamente, comprados/terceirizados por terceiros ou serem uma combinação dessas opções».

Incidentes relacionados à IA devem ser classificados em categorias de gravidade crítica, alta, moderada e baixa, sendo obrigatório o relato para incidentes de gravidade crítica e alta. O regulador indicou que «incidentes de IA de gravidade crítica e alta devem ser relatados à TRAI no formato, ordem e prazo prescritos». Embora o regulador não tenha especificado o que constitui nível crítico, alto ou baixo de gravidade, nem o prazo para notificação obrigatória, as empresas de telecomunicações também devem manter bancos de dados centralizados de incidentes de IA e reclamações de consumidores relacionadas a danos causados por IA, com mecanismos para investigação, mitigação e resolução.

O cofundador da Murf AI acredita que as dificuldades relacionadas à inteligência artificial de voz na Índia são capazes de moldar tendências tecnológicas globais. O que os usuários indianos consideram uma conversa normal pode se tornar o teste mais difícil para a IA de voz, e resolver esse desafio abrirá novas possibilidades em todo o mundo.

A IA de voz é capaz de responder a perguntas, confirmar pedidos ou ajudar a reservar lugares. No entanto, surge a questão: ela conseguirá pronunciar corretamente um nome indiano, entender um endereço falado em uma mistura de hindi e inglês e responder rápido o suficiente para soar natural?

Para Sneha Roy, cofundadora e diretora de operações da Murf AI, tais cenários não são excecionais; eles representam o nível básico para criar uma IA de voz que funcione na Índia e, eventualmente, no mundo todo.

Durante um workshop no evento TechSparks 2026 intitulado 'Criando IA de Voz da Índia, para a Índia e para o Mundo', Roy explicou como a complexidade linguística da Índia, as limitações de infraestrutura e as considerações econômicas afetam o desenvolvimento das tecnologias de fala.

Ela deu exemplos de produtos que primeiro se adaptaram aos usuários indianos e depois encontraram aplicações mais amplas. O Google Maps implementou um recurso de funcionamento offline para áreas com acesso limitado à internet, e a Netflix apresentou um plano acessível apenas por dispositivos móveis, que desde então foi adotado em 78 países. A Uber testou pagamentos em dinheiro em Hyderabad antes de expandir essa opção para outros mercados.

Roy acredita que a IA de voz pode seguir um caminho semelhante. Por exemplo, ao ligar para verificar o status de uma entrega em Bengaluru, o cliente pode misturar inglês com um idioma regional, usar a pronúncia local do endereço e esperar que o código postal seja dito em dígitos.

Um modelo construído em inglês padronizado pode ter dificuldades com esses detalhes. Roy enfatizou: 'Se o cliente precisa mudar seu modo de falar para que o agente consiga lidar, ou repetir constantemente seu endereço ou nome, isso significa que ainda não terminamos seu desenvolvimento.'

Na sua opinião, o desafio é criar sistemas que considerem o modo de fala natural das pessoas, em vez de exigir que os clientes se adaptem à tecnologia.

A fala natural é apenas uma parte do problema. Os agentes de voz também devem reagir rapidamente e funcionar de forma eficiente em grande escala, quando as empresas processam milhões de chamadas mensalmente. Roy relatou que o pipeline completo de um agente de voz, incluindo reconhecimento de fala, modelo de linguagem e geração de fala, geralmente tem um orçamento de resposta de 500 a 800 milissegundos. Ela acrescentou que a Murf conseguiu reduzir a latência de seu modelo de conversão de texto em fala para menos de 100 milissegundos, incluindo atrasos de rede.

Para alcançar isso, a empresa desenvolveu o Falcon 2 — um modelo de fala menor projetado para funcionar em uma gama maior de GPUs, em vez de depender de hardware específico e de alto desempenho. Roy observou que essa abordagem ajudou a manter baixa latência em diferentes regiões geográficas, ao mesmo tempo que aumentava a eficiência econômica.

Soluções de engenharia semelhantes podem ser úteis para mercados fora da Índia, especialmente onde a infraestrutura de computação é limitada ou o deployment de agentes de voz em grande volume continua caro.

Roy também destacou a importância de uma abordagem responsável aos dados de voz. Ela mencionou que a Murf colabora com mais de 400 atores de voz em todo o mundo em parcerias de longo prazo baseadas em royalties e não clona vozes sem consentimento.

Para clientes com requisitos rigorosos de privacidade, a empresa oferece APIs que podem processar dados sem salvá-los, bem como implantações locais para aplicativos sensíveis. A tese central de Roy é que a diversidade linguística e as restrições de infraestrutura da Índia não devem ser vistas como requisitos secundários; elas podem ajudar a definir o que a IA de voz deve fazer antes de estar pronta para adoção em larga escala. Como ela disse: 'A Índia é a capital das especificações mundiais.'