Depois de um primeiro dia marcado por agentes de inteligência artificial que corrigem pipelines de dados e tomam decisões dentro dos sistemas das empresas, o Data+AI Summit 2026 chegou à sua quarta-feira, 17 de junho, em San Francisco, com um recado complementar e talvez ainda mais urgente: ter um agente de IA já não é o desafio. O desafio é ter dezenas deles, espalhados pela engenharia, pelo marketing e pela segurança, e ainda assim manter tudo sob controle. A Databricks dedicou boa parte dos anúncios do segundo dia a essa questão, trazendo formas de combinar, proteger, governar e até personalizar visualmente o trabalho desses agentes.
Uma camada para comandar todos os agentes ao mesmo tempo
Até agora, cada agente de inteligência artificial vinha com seu próprio jeito de funcionar, sua própria forma de receber instruções e seu próprio histórico, isolado dos demais. Na prática, isso significa que um profissional pode ter cinco ou seis agentes diferentes abertos ao mesmo tempo, copiando e colando informações entre eles, sem nenhuma camada que veja o conjunto. A Databricks apresentou o Omnigent, um software de código aberto que funciona como uma camada acima dos agentes que a empresa já usa, sejam eles assistentes de programação próprios ou de outros fornecedores. Essa camada permite combinar diferentes agentes em um único fluxo de trabalho, aplicar regras de segurança e de custo que valem para todos eles ao mesmo tempo, como pausar um agente depois que ele gastar um determinado valor, e compartilhar sessões de trabalho em tempo real com outras pessoas da equipe, como se fosse um documento colaborativo. A lógica é parecida com a evolução que já vivemos na gestão de servidores: as empresas deixaram de cuidar de cada máquina isoladamente e passaram a gerenciar frotas inteiras a partir de um painel central. Os agentes de IA, segundo a Databricks, estão prontos para a mesma mudança.
O marketing também precisa de um cérebro em tempo real
Um dos anúncios mais comentados do primeiro dia, o CustomerLake, ganhou no dia seguinte uma explicação mais profunda sobre por que ele existe. A Databricks defende que o comportamento do consumidor já mudou: hoje, é comum que agentes de IA pesquisem voos, comparem preços e até finalizem compras em nome de uma pessoa, tudo em poucos segundos. Isso torna obsoletas as ferramentas de marketing tradicionais, construídas para campanhas em lote, decididas por humanos e atualizadas a cada poucos dias. A resposta da empresa está no conceito de Agentic CDP, do qual o CustomerLake é a primeira aplicação prática: uma plataforma de dados de clientes pensada para a era dos agentes, embutida diretamente na mesma base de dados da empresa, em vez de funcionar como um sistema separado que precisa ser sincronizado. Na prática, isso significa que, se o voo de um cliente atrasa e ele está viajando com os filhos, o sistema pode reagir imediatamente, oferecendo acesso a uma sala de espera, por exemplo, em vez de enviar, dias depois, um e-mail genérico de fidelidade. É a diferença entre um concierge que já sabe o que está acontecendo com o hóspede e um departamento de marketing que só fica sabendo da situação na campanha seguinte.
Genie Code ganha uma central de comando e passa a entender também de modelos de IA
O Genie Code, agente da Databricks já usado por 90% dos clientes da empresa, ganhou uma central de comando em tela cheia, pensada para quem lida com várias tarefas de dados ao mesmo tempo. Em vez de acompanhar cada tarefa em uma aba separada, o usuário passa a ver, em um único painel, o andamento de cada linha de trabalho, o que já foi concluído e o que ainda espera uma decisão humana, como trocar dezenas de abas abertas no navegador por uma torre de controle que mostra tudo de uma vez. A Databricks também anunciou que, em breve, o Genie Code vai poder trabalhar de forma autônoma em horários programados, executando tarefas durante a noite e entregando os resultados prontos para revisão na manhã seguinte, como um turno extra de trabalho que a equipe não precisa supervisionar.
A mesma ferramenta também passou a entender em profundidade o processo de construção de modelos de inteligência artificial, da preparação dos dados ao monitoramento depois que o modelo já está em produção, porque agora tem acesso ao histórico de experimentos e às regras de governança que cada empresa mantém na própria base de dados. Isso evita que o agente se comporte como um assistente genérico, que apenas adivinha o que a empresa precisa, e o transforma em alguém que já conhece o histórico da casa. A Databricks ampliou ainda a infraestrutura por trás dessa frente: passou a oferecer acesso a GPUs sob demanda para treinar modelos, sem que a empresa precise montar sua própria estrutura de processamento, algo equivalente a alugar energia elétrica em vez de construir uma usina própria, e reforçou a camada de atendimento em tempo real, hoje capaz de responder a mais de 300 mil solicitações por segundo com poucos milissegundos de espera, o suficiente para sustentar tarefas como detecção de fraude e recomendações personalizadas no exato momento em que o cliente está decidindo algo.
Segurança e governança ganham um ecossistema aberto
Outro bloco de anúncios do dia tratou de um tema que se tornou inevitável à medida que os agentes de IA passam a agir dentro dos sistemas das empresas: quem garante que eles fazem apenas o que deveriam fazer? Um dia depois de apresentar o Unity AI Gateway, sua camada de governança para modelos e agentes de IA, a Databricks anunciou o primeiro grande ecossistema de parceiros conectados a essa camada, reunindo fornecedores já conhecidos das áreas de segurança, como Palo Alto Networks e CrowdStrike, e de gestão de identidade, como Okta, agora adaptados para vigiar também o comportamento de agentes, e não apenas de pessoas. A lógica é simples: se um agente de IA passa a ter acesso a sistemas internos como se fosse um funcionário, ele também precisa de um crachá, de regras claras sobre onde pode entrar e de alguém observando o que faz, exatamente como já acontece com qualquer pessoa contratada pela empresa.
A Databricks também reforçou a própria infraestrutura de segurança e conformidade da plataforma, com identidade automática para mais provedores de login corporativo, uma forma de expor apenas ferramentas específicas, como um painel ou um chat de dados, para usuários externos sem abrir todo o ambiente da empresa, e novas certificações de conformidade em diferentes provedores de nuvem, incluindo padrões usados por hospitais, órgãos públicos e setores fortemente regulados. Para empresas que já lidam com exigências rígidas de auditoria, essa expansão reduz uma camada inteira de trabalho manual de adequação.
Por fim, a Databricks retomou o discurso em torno do LakeWatch, sua ferramenta de segurança que trata ataques cibernéticos da mesma forma que tratou, anos atrás, o problema dos dados corporativos: unificando tudo em um único repositório aberto, em vez de espalhar a informação entre dezenas de ferramentas que não conversam entre si. A justificativa é que os próprios ataques já são automatizados por inteligência artificial, e o tempo médio entre a descoberta de uma falha e sua exploração caiu de mais de três semanas para menos de dois dias.
Dashboards entram na conversa sobre identidade de marca
Em um anúncio mais discreto, mas bastante prático, a Databricks mostrou como personalizar a aparência dos painéis de dados do AI/BI para que eles sigam a identidade visual da empresa, com fontes, cores e organização de layout próprios, em vez do visual padrão que qualquer empresa usando a ferramenta também teria. Mais importante: essa personalização pode ser aplicada uma única vez, no nível do ambiente de trabalho, e passa a valer automaticamente para todos os painéis criados depois.
O que isso significa para quem decide
Olhando o conjunto dos anúncios do segundo dia, fica claro que a discussão sobre inteligência artificial corporativa mudou de fase. Já não basta ter um agente de IA funcionando bem em um único processo; a pergunta que as empresas líderes estão fazendo agora é como organizar, proteger e confiar em um número cada vez maior desses agentes, espalhados por áreas tão diferentes quanto engenharia de dados, marketing e segurança da informação.
Para setores que lidam diariamente com dados sensíveis, exigências regulatórias e processos críticos para o negócio, o recado é direto: a maturidade em dados e IA deixou de ser medida pela quantidade de modelos em produção, e passou a ser medida pela capacidade de governar, com segurança e identidade claras, tudo o que esses modelos e agentes fazem dentro da empresa.