A Databricks observa a transição da IA empresarial para sistemas agenticos

De acordo com a Databricks, a adoção da IA empresarial está se voltando para sistemas agênicos, à medida que as organizações implementam fluxos de trabalho inteligentes.

A onda inicial de IA generativa prometia uma transformação nos negócios, mas muitas vezes resultou em chatbots isolados e programas-piloto paralisados. Os líderes tecnológicos enfrentaram grandes expectativas com utilidade prática limitada. No entanto, dados recentes da Databricks indicam que o mercado atingiu um ponto de inflexão.

Informações de mais de 20.000 organizações — incluindo 60% das empresas da Fortune 500 — mostram uma rápida transição para arquiteturas “agênicas”, nas quais os modelos não apenas recuperam informações, mas também planejam e executam fluxos de trabalho de forma autônoma.

Essa mudança representa uma realocação fundamental dos recursos de engenharia. Entre junho e outubro de 2025, o uso de fluxos de trabalho multiagentes na plataforma Databricks aumentou 327%. Esse crescimento sinaliza a evolução da IA para um componente central da arquitetura do sistema.

O “Agente Supervisor” impulsiona a adoção da IA agênica pelas empresas

O “Agente Supervisor” está impulsionando essa expansão. Em vez de depender de um único modelo para cada solicitação, um supervisor atua como um orquestrador, dividindo consultas complexas e atribuindo tarefas a subagentes ou ferramentas especializadas.

Desde sua introdução em julho de 2025, o Supervisor Agent se tornou o principal aplicativo de agente, respondendo por 37% do uso em outubro. Essa abordagem reflete as estruturas organizacionais humanas: um gerente não executa todas as tarefas, mas garante que a equipe as conclua. Da mesma forma, um agente supervisor lida com a detecção de intenções e verificações de conformidade antes de direcionar o trabalho para ferramentas específicas do domínio.

Atualmente, as empresas de tecnologia lideram essa adoção, construindo quase quatro vezes mais sistemas multiagentes do que qualquer outro setor. No entanto, os benefícios se estendem por todos os setores. Por exemplo, uma empresa de serviços financeiros pode usar um sistema multiagente para gerenciar simultaneamente a recuperação de documentos e a conformidade regulatória, fornecendo respostas verificadas aos clientes sem intervenção humana.

Infraestrutura tradicional sob pressão

À medida que os agentes evoluem de responder perguntas para realizar tarefas, a infraestrutura de dados subjacente enfrenta novos desafios. Os bancos de dados tradicionais de processamento de transações online (OLTP) foram projetados para interações na velocidade humana, com transações previsíveis e mudanças de esquema pouco frequentes. Os fluxos de trabalho dos agentes revertem essas suposições.

Os agentes de IA agora geram padrões contínuos de leitura e gravação de alta frequência, muitas vezes criando e desmontando ambientes programaticamente para testar códigos ou executar cenários. A escala dessa automação é evidente nos dados. Há dois anos, os agentes de IA criavam apenas 0,1% dos bancos de dados; hoje, esse número é de 80%.

Além disso, 97% dos ambientes de teste e desenvolvimento de bancos de dados agora são criados por agentes de IA. Essa capacidade permite que desenvolvedores e “vibe coders” criem ambientes temporários em segundos, em vez de horas. Mais de 50.000 aplicativos de dados e IA foram desenvolvidos desde a prévia pública do Databricks Apps, com uma taxa de crescimento de 250% nos últimos seis meses.

O padrão multimodelo

O aprisionamento tecnológico continua sendo uma preocupação persistente para os líderes empresariais, à medida que trabalham para aumentar a adoção da IA agênica. Os dados mostram que as organizações estão abordando ativamente essa questão através da implementação de estratégias multimodelo. Em outubro de 2025, 78% das empresas usavam duas ou mais famílias de Modelos de Linguagem Grande (LLM), como ChatGPT, Claude, Llama e Gemini.

Essa abordagem está se tornando mais sofisticada. A porcentagem de empresas que utilizam três ou mais famílias de modelos aumentou de 36% para 59% entre agosto e outubro de 2025. Essa diversidade permite que as equipes de engenharia atribuam tarefas mais simples a modelos menores e mais econômicos, reservando os modelos avançados para raciocínios complexos.

As empresas de varejo estão liderando essa tendência, com 83% usando duas ou mais famílias de modelos para equilibrar desempenho e custo. Uma plataforma unificada capaz de integrar vários modelos proprietários e de código aberto está se tornando rapidamente essencial para a pilha de IA empresarial moderna.

Ao contrário da abordagem legada de big data de processamento em lote, a IA agênica opera principalmente em tempo real. O relatório observa que 96% de todas as solicitações de inferência são processadas imediatamente.

Isso é particularmente evidente em setores onde a latência afeta diretamente o valor. O setor de tecnologia processa 32 solicitações em tempo real para cada solicitação em lote. Na área de saúde e ciências da vida, onde as aplicações podem envolver monitoramento de pacientes ou suporte à decisão clínica, a proporção é de 13 para 1. Para os líderes de TI, isso ressalta a necessidade de uma infraestrutura de serviço de inferência capaz de lidar com picos de tráfego sem comprometer a experiência do usuário.

A governança acelera as implantações de IA nas empresas

Talvez a descoberta mais contraintuitiva para muitos executivos seja a relação entre governança e velocidade. Muitas vezes vistas como um gargalo, estruturas rigorosas de governança e avaliação, na verdade, aceleram a implantação da produção.

As organizações que utilizam ferramentas de governança de IA implementam mais de 12 vezes mais projetos de IA em produção do que aquelas que não o fazem. Da mesma forma, as empresas que utilizam ferramentas de avaliação para testar sistematicamente a qualidade dos modelos alcançam quase seis vezes mais implementações de produção.

O raciocínio é simples. A governança fornece proteções essenciais, como a definição do uso de dados e a definição de limites de taxa, o que dá às partes interessadas a confiança necessária para aprovar a implantação. Sem esses controles, os projetos-piloto muitas vezes permanecem presos na fase de prova de conceito devido a riscos não quantificados de segurança ou conformidade.

O valor da automação empresarial “monótona” da IA agênica

Embora os agentes autônomos possam evocar capacidades futurísticas, o valor empresarial atual da IA agênica vem da automação de tarefas rotineiras, mundanas, mas essenciais. As principais aplicações de IA variam por setor, mas se concentram em resolver desafios comerciais específicos:

• Manufatura e automotivo: 35% dos casos de uso se concentram na manutenção preditiva.

• Saúde e ciências da vida: 23% dos casos de uso envolvem síntese de literatura médica.

• Varejo e bens de consumo: 14% dos casos de uso são dedicados à inteligência de mercado.

Além disso, 40% dos principais casos de uso de IA abordam preocupações práticas dos clientes, como suporte ao cliente, defesa e integração. Essas aplicações proporcionam eficiência mensurável e desenvolvem a capacidade organizacional necessária para fluxos de trabalho agenticos mais avançados.

Para a alta administração, o caminho a seguir envolve menos foco na “magia” da IA e mais na disciplina de engenharia que a envolve. Dael Williamson, CTO da EMEA na Databricks, observa que a conversa evoluiu.

“Para as empresas em toda a EMEA, a conversa passou da experimentação da IA para a realidade operacional”, diz Williamson. “Os agentes de IA já estão executando partes críticas da infraestrutura empresarial, mas as organizações que veem valor real são aquelas que tratam a governança e a avaliação como fundamentos, e não como considerações secundárias.”

Williamson enfatiza que a vantagem competitiva está voltando a ser como as empresas constroem, em vez de simplesmente o que compram.

“Plataformas abertas e interoperáveis permitem que as organizações apliquem a IA aos seus próprios dados empresariais, em vez de depender de recursos de IA incorporados que proporcionam produtividade a curto prazo, mas não diferenciação a longo prazo.”

Em mercados altamente regulamentados, essa combinação de abertura e controle é “o que separa os pilotos da vantagem competitiva”.

Veja também: Anthropic selecionada para construir piloto de assistente de IA do governo

Quer saber mais sobre IA e big data com os líderes do setor? Confira a AI & Big Data Expo, que acontecerá em Amsterdã, Califórnia e Londres. O evento abrangente faz parte da TechEx e é realizado em conjunto com outros eventos de tecnologia importantes, incluindo a Cyber Security & Cloud Expo. Clique aqui para obter mais informações.

O AI News é desenvolvido pela TechForge Media. Explore outros eventos e webinars de tecnologia empresarial que estão por vir aqui.