De acordo com pt.wedoany.com-O Google Cloud publicou o "Relatório sobre o Estado da Infraestrutura", indicando que 83% das organizações acreditam ser necessário atualizar a infraestrutura existente para suportar sistemas de IA agêntica (agentic AI) em nível de produção. A empresa também lançou a solução "Nuvem de Dados para Agentes", que visa integrar dados, modelos de IA e bancos de dados operacionais em um sistema de ação unificado.
O Google Cloud acredita que o principal gargalo atual para a expansão da escala da IA não é o desempenho dos modelos, mas sim a capacidade de acesso ao contexto de negócios e a infraestrutura dos sistemas de suporte. O relatório descobriu que 43% dos líderes de TI consideram a dificuldade de integração com APIs tradicionais e fontes de dados como a maior lacuna de infraestrutura para a IA agêntica. Diferentemente dos fluxos de trabalho de software tradicionais, um agente pode partir de um único prompt e desencadear consultas e operações de execução em vários aplicativos e dados, o que pode pressionar as camadas de infraestrutura não projetadas para tais cargas de trabalho.
O relatório também mostra que 81% dos líderes acreditam que a complexidade operacional e os custos de engenharia são os principais custos inesperados ao expandir a IA. Isso significa que, como as equipes de engenharia precisam gastar muito tempo conectando sistemas fragmentados, muitos projetos de IA podem estagnar. O Google Cloud aponta que o contexto de negócios muitas vezes fica preso em sistemas fragmentados e arquiteturas legadas. Para resolver esse problema, seu modelo "lakehouse sem fronteiras" (borderless lakehouse) permite que os agentes acessem dados em vários ambientes usando ferramentas como BigQuery e Spanner, construídas sobre padrões abertos como Apache Spark e Apache Iceberg, com o objetivo de reduzir a necessidade de mover grandes conjuntos de dados para um local central.
Para melhorar a capacidade de compreensão de dados dos sistemas de IA, o Google Cloud enfatiza a importância da camada semântica. O relatório aponta que 36% dos líderes consideram a falta de bancos de dados vetoriais de alta taxa de transferência para ancoragem de IA (AI grounding) como uma lacuna crítica. Seu produto "Catálogo de Conhecimento" pode agregar e enriquecer informações em lagos de dados, permitindo que os agentes extraiam contexto semântico de informações não estruturadas. Para as empresas, o problema não é apenas descobrir dados, mas também se o sistema de IA pode agir com segurança com base neles.
O Google Cloud observa que os aplicativos de IA estão passando da experimentação de modelos para a reestruturação de arquiteturas. Muitas empresas já testaram ferramentas de IA generativa, mas transformá-las em sistemas capazes de automatizar tarefas como finanças e atendimento ao cliente exige um acoplamento mais estreito entre dados e infraestrutura. Isso afeta provedores de nuvem, fornecedores de bancos de dados e grupos de software empresarial, além de levantar questões sobre gastos dos clientes. O dado central do relatório permanece: 83% das organizações acreditam que precisam de atualizações de infraestrutura para suportar sistemas de IA agêntica em nível de produção.
