Avanços na Inteligência Artificial têm gerado expectativas sem precedentes nas organizações. Contudo, um dos maiores gargalos para escalar iniciativas de IA não reside mais nas capacidades dos modelos atuais, mas sim no acesso a um contexto de negócios rico e a um significado semântico confiável.
Na era agêntica, as empresas precisam ir além do simples armazenamento de dados, ativando-os com um contexto de confiança. Isso significa transcender sistemas de registro passivos para se tornarem sistemas de ação proativos. Agentes de IA operam com uma velocidade não linear; um único prompt pode, por exemplo, levar um agente a navegar, consultar e executar tarefas de forma independente em múltiplos sistemas, gerando uma demanda intensa na infraestrutura subjacente. Se as camadas de computação, rede e armazenamento não estiverem otimizadas para a IA agêntica, a plataforma de dados sobre elas poderá falhar.
Não é de surpreender que, de acordo com o nosso relatório sobre o estado da infraestrutura na era da IA agêntica, 83% das organizações acreditam que precisam de atualizações de infraestrutura para suportar sistemas de IA agêntica em nível de produção.
Para solucionar esse desafio, apresentamos na Google Cloud Next 2026 a Agentic Data Cloud; unificando seus dados, modelos de IA e bancos de dados operacionais em um único Sistema de Ação. Para que uma Agentic Data Cloud funcione, ela deve ser nativa de IA, desde o chip até o modelo. A infraestrutura subjacente precisa ser capaz de acomodar a carga agêntica.
Vamos explorar como a base de infraestrutura correta capacita uma Agentic Data Cloud a resolver os maiores desafios de dados que as organizações enfrentam atualmente.
Superando a Falta de Contexto
Para serem eficazes, os sistemas agênticos exigem acesso a um contexto que, muitas vezes, está fragmentado em sistemas de dados e arquiteturas legadas. Isso pode dificultar a obtenção desse contexto pelos agentes, levando a resultados incompletos ou imprecisos. De fato, nosso relatório revelou que 43% dos líderes de TI citam a “dificuldade de integração com APIs legadas e fontes de dados” como a maior lacuna em sua infraestrutura de IA agêntica.
Contudo, as organizações não podem simplesmente mover conjuntos de dados massivos e conectá-los à IA sem aumentar a complexidade e os custos.
Nossa Agentic Data Cloud resolve isso ao empregar um Lakehouse sem fronteiras rodando em uma infraestrutura aberta e flexível. Ao acessar poderosos motores nativos como BigQuery e Spanner sobre padrões abertos (Apache Spark, Apache Iceberg), os agentes podem ler, raciocinar e ativar dados em diferentes ambientes como se fossem locais, contornando a latência e os custos de configurações tradicionais.
Eliminando o Trabalho Manual Desnecessário
Escalar agentes em uma colcha de retalhos de sistemas desconectados pode gerar gargalos significativos. Em nossa pesquisa, 81% dos líderes apontaram a complexidade operacional e a sobrecarga de engenharia como as principais despesas imprevistas ao escalar a IA, citando o tempo que os engenheiros dedicam a tarefas manuais para conectar agentes de IA em sistemas díspares.
Para passar do pensamento à ação, os agentes devem ser capazes de conectar dados em tempo real de fontes analíticas e operacionais. Isso exige integração vertical. Quando uma Agentic Data Cloud é construída sobre uma infraestrutura nativa de IA, onde os modelos, sistemas de dados e aceleradores subjacentes são co-projetados, há menos saltos de rede e as ferramentas são mais bem integradas. Esse sistema unificado permite que um agente chegue a uma percepção e acione transações seguras sem a típica sobrecarga de engenharia.
Trazendo Confiança e Conhecimento aos Dados
Não basta que os agentes apenas descubram e consultem dados. Para realizar ações seguras e precisas, eles também precisam de contexto rico e lógica de negócios. No entanto, 36% dos líderes citam a falta de bancos de dados vetoriais especializados de alta taxa de transferência, usados para o "grounding" de modelos de IA, como uma lacuna chave na infraestrutura, dificultando sua capacidade de fornecer contexto aos agentes.
Para operar em todo o seu potencial, os agentes necessitam de uma base construída para ler e escrever em sistemas de dados em tempo real, incluindo ERPs legados e CRMs de terceiros. Isso também lhes confere a memória de longo prazo para recordar a preferência de um usuário de, digamos, três semanas atrás, enquanto executam uma tarefa complexa hoje. E sem essa automação em tempo real, os agentes teriam que reprocessar dados para cada consulta.
Para fornecer contexto à IA, as organizações estão usando o Knowledge Catalog para agregar e enriquecer dados em seus data lakes, e habilitar buscas agênticas. Ao extrair significado de dados não estruturados e gerar semânticas automaticamente, o catálogo atua como uma camada de raciocínio ativa. Esse catálogo, por sua vez, deve ser suportado por uma infraestrutura de alta taxa de transferência, para que os agentes possam recuperar o contexto correto.
O Caminho a Seguir
Para transformar a IA em uma verdadeira vantagem competitiva, é hora de construir um ecossistema de dados conectado e ativo. Dar aos seus agentes acesso contínuo a todos os seus dados é uma necessidade para passar de projetos pilotos à produção, e isso deve ser suportado por uma infraestrutura capaz de lidar com as demandas da era agêntica. Os vencedores em 2026 e além não serão necessariamente aqueles com os agentes mais inteligentes. Serão aqueles que podem alimentar esses agentes com o conhecimento certo – de forma segura, econômica e em escala. Seus dados estão prontos para a era agêntica?
Veja como os líderes estão adotando uma abordagem otimizada para IA na arquitetura no relatório sobre o estado da infraestrutura na era da IA agêntica.
chat_bubble Comentários (0)
Nenhum comentário ainda. Seja o primeiro a comentar!
Deixe seu comentário