Relato Real ④: um antigo PC de mineração virou um "ChatGPT interno privado" em 2 dias

Casos de adoção de IA

"Queremos usar o ChatGPT no trabalho, mas não dá para enviar dados de clientes e o nosso código-fonte para um serviço de IA externo" — é uma dor que ouvimos em muitas empresas. Desta vez, o relato é de como umPC usado, aposentado da mineração de criptoativosque estava esquecido no depósito renasceu como um "ChatGPT interno privado" acessível a todos os funcionários. O investimento adicional em hardware foi quase zero. O trabalho de construção foi conduzido pelo agente de IA (Claude), em2 dias de trabalho efetivo.

A matéria-prima: "4 GPUs usadas e ultrapassadas".

Usamos um PC que cumpriu seu papel no boom da mineração de alguns anos atrás. As GPUs instaladas eram 4 AMD Radeon Vega 56/64 — nem GPUs de IA de última geração, nem sequer da NVIDIA. Uma matéria-prima fora do senso comum do que o mundo chama de "servidor de IA".

Mas as 4 juntas somavam 32 GB de memória de vídeo. Foi nisso que o agente de IA se apoiou: projetou uma configuração que contornava a restrição de não poder usar o meio padrão para IA (CUDA) por meio da API aberta de renderização e cálculo "Vulkan".à altura do GPT-4o de 2024Conseguimos rodar simultaneamente 3 modelos de IA por finalidade, incluindo um modelo aberto (da ordem de 30 bilhões de parâmetros) considerado equivalente ao GPT-4o de 2024.

• Para chat do dia a dia (7B): 43 tokens por segundo — velocidade percebida equivalente à do ChatGPT
• Para geração de código avançada e consultoria de design (classe 30B): 30 tokens por segundo — inteligência de nível GPT-4o (2024)
• Para autocompletar código no editor (1.5B): 127 tokens por segundo — autocompletar como o do GitHub Copilot

A interface é uma Web UI idêntica à do ChatGPT. Os funcionários basta abrir o navegador para usá-la, alternando entre os modelos. Os engenheiros já contam também com o autocompletar estilo Copilot no VS Code.Todo o processamento se conclui dentro da empresa, e nenhum byte de dado sai para fora.

O protagonista da construção foi o agente de IA. O humano se dedicou às decisões.

Esta construção foi o próprio "desenvolvimento orientado por IA" que praticamos. Configuração do SO, build do motor de inferência, projeto de segmentação de rede, investigação de falhas — quem pôs a mão na massa foi o agente de IA. Ao humano coube apenas as decisões nos pontos-chave e o trabalho físico (recolocar cabos etc.).

O tratamento de falhas merece destaque. Durante a construção, uma das GPUs antigas apresentou defeito e repetia quedas de comunicação. O agente de IA identificou o ponto da falha a partir dos logs do kernel e, indicando "a placa de qual slot físico" por meio da rotação da ventoinha, orientou a troca. Além disso, embutiuum projeto em que a rede não cai mesmo que uma GPU falhe no futuro(endereço MAC fixo) eum monitoramento que detecta anomalias a cada 5 minutos e faz a recuperação automática. Hoje esse servidor está em um estado "que se pode deixar por conta própria": basta ligar a energia para que todos os serviços iniciem automaticamente.

A segurança parte do "pressuposto de que haverá invasão".

Para que também possa ser usado de fora, nós o publicamos na internet, mas o projeto parte do pressuposto de "não deixar o dano se espalhar caso ocorra uma invasão". O servidor fica isolado em uma rede dedicada (DMZ), numa configuração em que não alcança de forma alguma os demais sistemas internos. As contas dependem de aprovação do administrador e toda a comunicação é criptografada.um servidor onde, para o atacante, "não há nada mesmo que se entre"É isso que ele se tornou.

O que custou e o que se ganhou.

• Investimento adicional em hardware:quase zero(reaproveitamento de um PC de mineração ocioso já existente)
• Prazo de construção:2 dias de trabalho efetivo(incluindo tratamento de falhas e projeto de segurança)
• Custo recorrente: apenas a conta de luz (já economizado com limitação de potência da GPU).Custo de uso de API: zero iene fixo, ilimitado
• O que se ganhou: um chat de IA interno privado acessível a todos os funcionários + uma base de autocompletar código para os desenvolvedores

Mesmo sem GPUs de última geração e sem NVIDIA, dependendo do como, dá para construir uma "plataforma de IA interna de nível prático". Aliás, a essência está em, diante de um hardware cheio de restrições,encontrar rapidamente a configuração certa e embutir até os mecanismos que se reerguem quando algo cai— e esse foi justamente o trabalho em que o agente de IA mais se destaca.

"Aquela máquina ociosa da sua empresa" também pode virar uma plataforma de IA.

"Desistimos de usar IA porque não podemos deixar os dados saírem", "não conseguimos prever o custo de API da IA em nuvem", "temos servidores ou PCs gamer sobrando" — se ao menos um se aplica a você, uma plataforma de IA interna está mais perto do que se imagina.

Série "Do Legado à IA — Relatos Reais"

• Compilado: 22 sistemas e 246 mil linhas em um único PC — o registro medido de 3,5 meses de desenvolvimento com IA
• Relato Real ①: modernizamos por completo um Java de 20 anos em cerca de uma semana
• Relato Real ②: criamos uma nova porta de entrada para o sistema central sem alterar 0 linha do código existente
• Relato Real ③: um estudo de arquitetura de um mês resolvido com um protótipo em 2 dias + medições reais
• Relato Real ④: um antigo PC de mineração virou um "ChatGPT interno privado" em 2 dias (este artigo)

* Os números deste artigo são valores medidos em agosto de 2026. Os resultados da construção variam conforme o estado e os requisitos do hardware.