3 repositórios a conhecer: a IA no escritório, mesmo sem cloud

Final de setembro de 2026: entre programadores e gestores de TI, a pergunta já não é «a IA é impressionante», mas sim «que IA se pode realmente pagar e controlar». Três projetos open source continuam no topo do GitHub em estrelas e atividade porque respondem a essa pergunta para uma pequena empresa: modelos no próprio hardware, pesquisa nos documentos da empresa, processos automatizados com agentes. Eis os três a conhecer, com vantagens e desvantagens incluídas.

Ollama: correr os modelos no próprio hardware, não no de outra pessoa

Ollama é um runtime open source (licença MIT) que descarrega e executa modelos de linguagem — de Llama e Qwen a Gemma e DeepSeek — diretamente num PC, num mini servidor ou num Mac, com uma única linha de comando ou uma API compatível com a OpenAI. Em 24 de setembro de 2026, o repositório contava com mais de 181.000 estrelas no GitHub e recebia commits quase todos os dias.

Para uma PME ou um MSP italiano, isso significa oferecer assistentes de IA internos — um chatbot para o armazém, um resumidor de emails — sem fazer sair dados da empresa e sem uma mensalidade por token. É também a base de muitas outras ferramentas open source, incluindo a próxima desta lista.

Para experimentar, basta instalar o Ollama e correr um modelo leve, que funciona mesmo num portátil sem placa gráfica dedicada: ollama run llama3.2

A limitação é o hardware: os modelos pequenos (3 a 8 mil milhões de parâmetros) funcionam bem numa máquina qualquer, mas para resultados próximos dos modelos na cloud é preciso uma GPU com 16 GB de VRAM ou mais, como a da fotografia. E em maio de 2026 os investigadores da Cyera descobriram no Ollama uma falha apelidada «Bleeding Llama» (CVE-2026-7482, pontuação CVSS 9,1) que expunha a memória do processo em mais de 300.000 servidores acessíveis a partir da internet sem autenticação: corrigida a partir da versão 0.17.1, fica como lembrete para nunca expor a API do Ollama online sem um proxy com autenticação.

RAGFlow: fazer a IA responder lendo os documentos da empresa

RAGFlow é um motor open source (licença Apache 2.0) de retrieval-augmented generation: indexa contratos, faturas, diapositivos e PDFs digitalizados, interpreta-os mesmo quando se trata de tabelas ou layouts complexos, e responde às perguntas citando o ponto exato do documento de onde vem a resposta. Em 24 de setembro de 2026 tinha mais de 91.000 estrelas no GitHub.

É o caso de uso mais pedido a um MSP pelos clientes: «quero pesquisar nos documentos como no Google, mas que também responda às perguntas». O RAGFlow faz isto localmente, por isso os contratos e os dados ficam nos próprios servidores, e as citações reduzem o risco de a IA inventar uma resposta.

Instala-se com Docker em poucos minutos: git clone https://github.com/infiniflow/ragflow.git && cd ragflow/docker && docker compose -f docker-compose.yml up -d

Não é leve: são precisos pelo menos 16 GB de RAM, 50 GB de disco e Docker atualizado, e as imagens pré-compiladas só correm em x86 (não em Macs Apple Silicon ou Raspberry Pi). Deve ficar a cargo de quem sabe administrar Docker e Elasticsearch: não é um produto para instalar e esquecer.

n8n: automatizar processos com agentes de IA, sem (muito) código

n8n é uma plataforma de automação visual com mais de 400 integrações que hoje inclui agentes de IA nativos: liga-se um trigger (um novo email, uma nova encomenda), um modelo à escolha — OpenAI, Anthropic ou um modelo local via Ollama — e uma ação, arrastando blocos. Em 24 de setembro de 2026 tinha mais de 205.000 estrelas no GitHub, o número mais alto dos três repositórios deste artigo.

Para um MSP é a ferramenta com que se constroem automações para os clientes em horas, não semanas: uma triagem automática de tickets, um agente que preenche um orçamento a partir dos dados do CRM, uma notificação quando uma fatura vencida ainda não foi paga.

Experimenta-se com um único container: docker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n

Há duas coisas a saber antes de o revender a um cliente. Primeiro: a licença não é open source clássica, mas sim uma «Sustainable Use License», que permite usar e modificar para o próprio negócio, mas não revender como serviço em concorrência com o n8n Cloud sem uma licença enterprise — útil de saber se um MSP pensa em alojá-lo para vários clientes. Segundo: em janeiro de 2026 foi tornada pública uma falha crítica (CVE-2026-21858, pontuação CVSS 10) descoberta pela Cyera e já corrigida a partir da versão 1.121.0; segundo a Shadowserver, semanas depois continuavam expostas dezenas de milhares de instâncias não atualizadas. Atualizar sempre: não é opcional.

Porque é importante

Para um gestor de TI ou um MSP italiano, estes três repositórios cobrem as três formas como uma pequena empresa começa realmente a usar IA: correr localmente para não pagar tokens e não deixar sair dados, fazê-la ler os próprios documentos em vez de uma folha de Excel, fazê-la automatizar um processo que hoje um colaborador faz à mão. Nenhum dos três exige um orçamento de grande empresa: é preciso alguém que saiba instalá-los, atualizá-los e saber para onde vão os dados. A Altovar ajuda as empresas a integrar IA e a fazer deployments locais ou soberanos; para perceber qual destas ferramentas faz sentido para a própria estrutura, a página serviços de inteligência artificial da Altovar é um bom ponto de partida.

Fontes: repositório GitHub do Ollama, repositório GitHub do RAGFlow, repositório GitHub do n8n (estrelas, licença e data do último push verificadas através da API do GitHub em 24 de setembro de 2026); The Hacker News sobre a falha CVE-2026-7482 do Ollama; Cybersecurity Dive sobre a falha CVE-2026-21858 do n8n.