Yahoo e Google Cloud: IA Generativa para Mídia Transparente

Na era da Inteligência Artificial Generativa (IA), empresas buscam transitar de sistemas reativos para sistemas de ação proativos. Essa mudança é crucial para equipar agentes de IA com o contexto, o desempenho e, fundamentalmente, a responsabilidade regulatória necessária, onde cada decisão é explicável e auditável.

No Google Cloud Next ‘26, exploramos como o Agentic Data Cloud do Google Cloud possibilita essa transição. Um exemplo notável dessa visão é a plataforma de compra de mídia digital do Yahoo, o Seller Agent. Em parceria com o Google Cloud, o Yahoo utilizou as tecnologias de grafo do Google Data Cloud para desenvolver essa plataforma, que transforma processos manuais de semanas em campanhas totalmente governadas e executadas em segundos.

Como destaca Gabriel DeWitt, Head of Monetization do Yahoo: "A missão do Yahoo é ser um guia confiável pelo mundo digital. Em parceria com o Google Cloud, estamos estendendo essa promessa aos anunciantes: compra de mídia generativa que é rápida, transparente, eficaz e construída para gerar confiança."

Este artigo detalha a evolução para a IA generativa, analisa como a arquitetura do Seller Agent do Yahoo resolve os desafios de velocidade e confiança na compra de mídia, e demonstra como aplicar esse padrão baseado em grafos para construir sistemas de ação confiáveis em sua organização.

Estudo de Caso: Compra de Mídia Generativa

Por anos, fluxos de trabalho complexos e de alto valor, como campanhas premium de publicidade digital, exigiam semanas de intervenções humanas, planilhas fragmentadas e análises manuais. O Yahoo percebeu que a IA generativa poderia encurtar drasticamente esse tempo, permitindo que agentes planejassem e executassem campanhas em meros segundos. Essa transição do manual para o autônomo representa uma oportunidade massiva de recuperar eficiência operacional e garantir que mais recursos sejam direcionados a resultados mensuráveis.

No entanto, simplesmente integrar LLMs a um fluxo de trabalho de alta complexidade não resolve todos os problemas. Um agente que tenta negociar contratos ou negociações de anúncios sem uma compreensão determinística do inventário em tempo real, regras de precificação e restrições de negócios está propenso a erros (alucinações), o que pode levar a acordos desastrosos. Uma plataforma generativa confiável exige uma fonte de verdade definitiva e em tempo real, garantindo que as ações sejam baseadas em fatos concretos, e não em suposições estatísticas.

Além disso, velocidade e precisão factual são apenas metade da equação. No momento em que um agente de IA começa a gerenciar orçamentos reais, ele enfrenta o escrutínio de reguladores que exigem respostas imediatas sobre o porquê de decisões específicas terem sido tomadas ou quais políticas foram aplicadas. Investigar logs brutos do sistema após o fato não é a abordagem correta para a execução autônoma. Sistemas de ação do mundo real necessitam de governança de nível regulatório e auditabilidade integradas diretamente ao fluxo de trabalho, não como um complemento posterior.

A Arquitetura de um Sistema de Ação Confiável

A missão do Yahoo sempre foi ser um guia confiável no mundo digital. A compra de mídia generativa estende essa promessa a anunciantes, agências, publishers e reguladores que confiam seus orçamentos ao Yahoo, esperando total responsabilidade. O desafio era automatizar a execução de campanhas de forma explicável, governável e auditável.

Para superar esse desafio, o Yahoo construiu seu Seller Agent como um sistema multiagente executado no Google Cloud. As solicitações dos compradores chegam através de um agente supervisor de planejamento, rodando no Google Kubernetes Engine (GKE) e orquestrado com o Google Agent Development Kit (ADK). O supervisor decompõe cada solicitação em tarefas especializadas, como descoberta de inventário, correspondência de audiência, previsão, análise de preços, recomendação de pacotes, revisão de governança e execução. Os agentes coordenam-se através do protocolo aberto Agent2Agent (A2A), enquanto a Gemini Enterprise Agent Platform hospeda modelos para embeddings, previsões e aprendizado de grafos.

Mas o verdadeiro avanço – o que torna a execução autônoma rápida e totalmente transparente – é a fundação de grafo duplo da plataforma. A plataforma é ancorada por dois sistemas de grafos especializados com uma separação intencional de tarefas: um grafo de conhecimento (knowledge graph) otimizado para agir e um segundo grafo de contexto (context graph) para lembrar e aprender.

O Grafo de Conhecimento: Fundamentando Agentes na Realidade do Negócio

Alimentado pelo Spanner Graph, o grafo de conhecimento do Yahoo representa seu negócio de monetização como um modelo operacional conectado, fundamentando cada decisão do agente na realidade do negócio. Ele modela produtos de publicidade, posicionamentos, segmentos de audiência, inventário, contratos e controles de governança como entidades e relacionamentos de primeira classe. Crucialmente, as políticas residem diretamente no grafo como relacionamentos versionados, em vez de estarem embutidas na lógica da aplicação. Esse design permite que o sistema avalie produtos, obrigações contratuais, requisitos de consentimento e restrições regulatórias juntos em um único e unificado percurso pelo grafo.

O grafo atua como um contrato semântico em toda a plataforma generativa. Durante a avaliação de campanhas, um agente pode navegar dos requisitos iniciais do comprador para as audiências elegíveis e políticas de governança dentro de um único plano de consulta. Os embeddings da Gemini Enterprise Agent Platform enriquecem essas entidades com similaridade semântica, enquanto redes neurais de grafos contribuem com relacionamentos inferidos. Em última análise, isso permite que os agentes façam mais do que apenas recuperar o inventário disponível — eles entendem exatamente por que ele é relevante e ajudam a garantir que satisfaz todas as restrições de governança.

O Grafo de Contexto: Criando uma Memória Auditável

A execução em escala de agentes só é segura se for totalmente transparente — essa é a função central do grafo de contexto. Toda vez que o Seller Agent toma uma ação...