Agent Bricks: a plataforma da Databricks que quer resolver o maior gargalo da IA corporativa
Inteligência Artificial para empresas deixou de ser uma promessa distante e virou uma pressão real do dia a dia.
Mas tem um detalhe que muita gente ainda subestima: construir um agente de IA é a parte fácil. O padrão básico já é conhecido, um modelo conectado a ferramentas, raciocinando e executando ações. Montar esse loop não é mais o problema.
O verdadeiro desafio começa quando esse agente precisa funcionar com dados empresariais reais, respeitando permissões, entendendo o contexto do negócio e operando com consequências concretas, não em ambiente de teste.
Um agente que analisa pedidos de crédito e aplica políticas internas de subscrição de uma instituição financeira só é valioso porque ele entende o contexto daquele negócio, não porque usa um modelo mais sofisticado ou um framework específico. É a profundidade da conexão com registros de clientes, sistemas operacionais, políticas internas e conhecimento institucional que torna esses agentes úteis de verdade.
É exatamente aí que a maioria das soluções trava: elas entregam peças, mas não uma plataforma completa.
Foi pensando nisso que a Databricks desenvolveu o Agent Bricks, uma plataforma empresarial construída do zero para criar, implantar e governar agentes que operam sobre os dados da sua organização, de ponta a ponta. A plataforma unifica acesso a modelos, execução, governança e contexto para que times consigam rodar agentes de forma confiável em produção.
Neste artigo, você vai entender o que torna essa plataforma diferente, o que chegou de novo e por que a governança deixou de ser um detalhe técnico para se tornar o coração de qualquer estratégia séria de IA em produção. 🚀
O que é o Agent Bricks e por que ele importa agora
O Agent Bricks é a resposta da Databricks para uma pergunta que as equipes de tecnologia corporativa vêm tentando responder há algum tempo: como levar agentes de inteligência artificial para produção de verdade, sem abrir mão de controle, segurança e rastreabilidade? A plataforma não foi criada para competir com ferramentas de prototipagem rápida ou ambientes de experimentação. Ela foi desenhada para o mundo real das grandes organizações, onde um dado errado acessado no momento errado pode representar uma violação de compliance, uma decisão equivocada ou até um problema regulatório sério. Isso muda completamente a escala do problema que precisa ser resolvido.
A proposta central do Agent Bricks é integrar, em uma única plataforma empresarial, tudo que um agente de IA precisa para existir com qualidade em ambiente corporativo: acesso aos dados empresariais com controle granular de permissões, ferramentas para construção e orquestração dos fluxos de raciocínio do agente, infraestrutura de avaliação contínua e, no centro de tudo, uma camada robusta de governança. Não é um conjunto de APIs avulsas. É uma arquitetura pensada para que as peças funcionem juntas, reduzindo fricção entre os times de dados, engenharia e negócio.
- E-BOOK GRATUITO
Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.
Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.
Entrega em PDF no seu e-mail · Sem spam · LGPD
🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.
Milhares de organizações em setores como serviços financeiros, varejo, saúde e tecnologia já implantaram agentes em produção e em escala no Agent Bricks. Empresas como Workday, Virgin Atlantic, Zapier, EchoStar e AstraZeneca estão entre as que utilizam a plataforma. Os casos de uso são variados: equipes construindo agentes que entregam análises de mercado contínuas para centenas de analistas, orquestram fluxos de trabalho em cadeia de suprimentos, compras e P&D, resolvem solicitações de funcionários em tarefas complexas de forma automática e detectam anomalias em campanhas de marketing antes que verba de publicidade seja desperdiçada.
Vale entender também o contexto em que essa plataforma surge. O mercado de agentes de IA corporativos cresceu de forma acelerada nos últimos dois anos, mas a maioria das soluções disponíveis ainda exige que as empresas montem sua própria infraestrutura de controle por fora. O resultado disso são camadas improvisadas de segurança, dificuldade de auditoria e agentes que funcionam bem no ambiente de desenvolvimento mas travam na hora de escalar. O Agent Bricks nasce justamente para fechar esse gap, trazendo para dentro da plataforma o que antes precisava ser construído artesanalmente por cada equipe.
Os três pilares que definem a plataforma
A Databricks estruturou o Agent Bricks em torno de três características que, segundo a empresa, são o que separa uma plataforma de verdade de um conjunto de ferramentas desconectadas.
Aberto e multi-IA
Para construir agentes úteis de verdade, as equipes precisam trabalhar com múltiplos provedores de modelos e frameworks. O Agent Bricks suporta nativamente modelos de fronteira e agentes de código populares como Cursor, Codex e Claude Code através de uma API unificada, com roteamento embutido, fallback automático e otimização de custos. Também é possível construir e implantar agentes com frameworks como LangGraph e OpenAI Agents SDK.
Isso permite que times troquem de modelo ou integrem agentes externos sem precisar reconstruir seus sistemas. Um dado interessante: 63% dos clientes da plataforma já roteiam tarefas entre dois ou mais famílias de modelos, garantindo que os agentes permaneçam flexíveis e resilientes conforme os modelos evoluem.
Governança unificada
A maioria das plataformas governa apenas o agente em si, quais ferramentas ele pode chamar e quais permissões possui. O Agent Bricks governa o agente e tudo com o que ele interage em um sistema único. Com o Unity Catalog e o AI Gateway, o acesso a dados, modelos e MCPs externos é gerenciado e observado em um só lugar, com identidade aplicada de ponta a ponta.
Os agentes herdam a identidade do usuário por meio de passagem de token on-behalf-of. Na prática, isso significa que o agente só consegue acessar o que o usuário está autorizado a usar. Seja consultando o lakehouse ou chamando APIs externas, as mesmas permissões, auditoria e regras de roteamento se aplicam em cada interação.
Preciso porque entende o contexto do negócio
A acurácia de um agente depende de muito mais do que a qualidade do modelo. O Agent Bricks utiliza metadados do Unity Catalog, incluindo schema, definições de negócio, linhagem, permissões e sinais de qualidade de dados, para melhorar a forma como os agentes raciocinam e agem. Esse contexto é incorporado diretamente na recuperação e no planejamento, entregando, segundo a Databricks, 70% mais acurácia do que RAG padrão e 30% de melhoria em fluxos de trabalho multi-etapa.
Para dados estruturados, os Genie Spaces aproveitam a camada semântica para que os agentes raciocinem sobre definições de negócio, não sobre nomes crus de colunas. Isso faz com que os agentes retornem respostas alinhadas à forma como o negócio realmente opera. 🎯
Governança como estrutura central, não como apêndice
Um dos aspectos mais relevantes do Agent Bricks é a forma como a governança foi posicionada dentro da arquitetura da plataforma. Em muitas soluções de inteligência artificial corporativa, a governança aparece como uma camada adicionada depois, quase como um plug-in de conformidade. No Agent Bricks, ela está no núcleo do design. Isso significa que cada agente criado na plataforma nasce com rastreabilidade embutida, com controle de acesso nativo aos dados empresariais e com mecanismos que permitem auditar o que o agente fez, por quê fez e com base em quais informações ele chegou àquela conclusão. Para setores como financeiro, saúde e jurídico, isso não é um diferencial: é um requisito básico para colocar qualquer coisa em produção.
A governança dentro do Agent Bricks se apoia fortemente na infraestrutura do Unity Catalog, que já é o sistema de catalogação e controle de dados da Databricks. Isso quer dizer que as permissões que uma organização já definiu para seus dados, quem pode acessar o quê, em qual contexto e com qual nível de detalhe, são automaticamente respeitadas pelos agentes que operam na plataforma. Um agente de RH não consegue acessar informações financeiras porque o catálogo já sabe que esse dado não pertence ao escopo daquele agente. Essa integração elimina uma camada inteira de configuração manual que, quando feita por fora, costuma ser a maior fonte de falhas de segurança em projetos de IA corporativa.
Como resumiu William Acosta, Head de Engenharia de IA Agêntica da EchoStar: com o Agent Bricks, a empresa não está construindo projetos isolados de IA, mas sim uma malha de IA empresarial, onde interoperabilidade, segurança baseada em identidade e governança foram projetadas desde o primeiro dia, fazendo com que os agentes se comportem como qualquer outro sistema de missão crítica.
Além disso, a plataforma oferece rastreabilidade de linhagem de dados aplicada aos agentes. Isso significa que é possível saber exatamente de onde veio cada informação que o agente utilizou para tomar uma decisão, qual versão do dado foi consultada, e se houve alguma transformação no caminho. Para times de compliance e auditoria, isso representa uma mudança significativa na forma de trabalhar com IA em produção. Em vez de tentar reconstruir a lógica do agente depois que algo deu errado, a organização já tem o registro completo disponível desde o primeiro momento. Isso é governança funcionando como infraestrutura, não como burocracia. 🔍
O que chegou de novo na plataforma
A Databricks anunciou a disponibilidade geral (GA) do Document Intelligence e dos Custom Agents, junto com novas capacidades em toda a plataforma, incluindo o AI Gateway. As novidades se espalham por três frentes principais:
Multi-IA e orquestração de agentes
- Custom Agents on Apps (GA) — Permite construir e implantar aplicações de agentes com qualquer modelo ou framework, com suporte completo de ciclo de vida e computação serverless. A integração nativa com o Lakebase fornece memória, histórico de conversas e estado para fluxos de trabalho de longa duração.
- Supervisor Agent (GA) — Orquestra múltiplos agentes e ferramentas em um único fluxo de trabalho. Você define a tarefa e conecta seus sistemas, e o supervisor coordena a execução entre modelos e ferramentas.
- Web Search na Foundation Model API — Fundamenta as respostas dos agentes com informações em tempo real da web, usando capacidades nativas de busca de provedores.
Acesso governado a ferramentas, modelos e dados
- AI Gateway — Uma camada unificada para gerenciar e governar acesso a modelos, agentes de código e agora ferramentas conectadas via MCP. Aplica identidade, permissões e observabilidade em cada interação. Agora também conta com guardrails para detectar e mitigar riscos como exposição de PII, conteúdo inseguro, injeção de prompt, exfiltração de dados e alucinações, com opções customizáveis para diferentes necessidades de segurança.
- Managed OAuth MCP Connectors — Conecta serviços externos como GitHub, Atlassian e Glean como ferramentas governadas. As credenciais são gerenciadas de forma centralizada, para que agentes acessem sistemas sem expor segredos.
Contexto empresarial que torna agentes precisos
- Document Intelligence (GA) — Extrai e estrutura dados de documentos não estruturados como contratos, faturas e relatórios, transformando PDFs em conhecimento consultável sem pipelines customizados.
- Knowledge Assistant (GA) — Ingere automaticamente documentos empresariais e os disponibiliza para qualquer agente, com recuperação que incorpora contexto do sistema, metadados e restrições do usuário.
- Agent Mode nos Genie Spaces — Evolui de perguntas e respostas de turno único para raciocínio multi-etapa e análise sobre seus dados, permitindo que agentes planejem, explorem e respondam perguntas complexas de negócio.
- Framework CLEARS para qualidade de agentes com MLflow — Avalia agentes em seis dimensões: correção, latência, execução, aderência, relevância e segurança, com um framework padronizado no MLflow para qualidade em produção.
A experiência da Zapier ilustra bem o impacto prático dessas capacidades. Segundo Alvaro Martin, engenheiro de dados sênior da empresa, o Agent Bricks oferece uma forma estruturada de coordenar múltiplos endpoints de inteligência de dados em um único sistema. Em vez de codificar a lógica de roteamento manualmente, é possível orientar como o agente prioriza Genie e dados governados no Unity Catalog por meio de instruções claras, o que facilita bastante a construção de uma experiência interna de consulta de dados que é flexível e confiável conforme evolui. 🤝
Por que dados empresariais mudam tudo
Existe uma diferença fundamental entre um agente de IA treinado com dados públicos e um agente que opera sobre os dados empresariais de uma organização. O segundo tem acesso ao contexto real do negócio: histórico de transações, políticas internas, base de clientes, contratos vigentes, estrutura de produtos e toda a inteligência acumulada ao longo dos anos de operação da empresa. Esse contexto é o que transforma um agente genérico em uma ferramenta genuinamente útil. Mas é também o que cria o maior risco, porque esses dados são sensíveis, frequentemente regulados e, em muitos casos, são o principal ativo competitivo da organização.
O Agent Bricks foi construído partindo dessa premissa. A plataforma não trata os dados empresariais como um input qualquer que entra no agente e desaparece. Ela os trata como um recurso gerenciado, com ciclo de vida, permissões e rastreabilidade. Isso significa que quando um agente consulta a base de clientes para personalizar uma resposta, existe um registro desse acesso, vinculado ao contexto da conversa, ao agente que fez a consulta e ao resultado que foi gerado. Esse nível de controle é o que permite que uma organização mantenha sua postura de segurança mesmo depois de abrir seus dados para que os agentes possam trabalhar com eles.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
Além disso, a plataforma oferece suporte nativo ao que a Databricks chama de dados proprietários como vantagem competitiva. A ideia é que os agentes não sejam apenas melhores porque usam um modelo de linguagem mais poderoso, mas porque eles têm acesso a informações que nenhum modelo público tem. Essa combinação, modelo de inteligência artificial com dados exclusivos da organização, operando dentro de uma camada de governança robusta, é o que a Databricks aposta que vai definir quais empresas realmente conseguem extrair valor estratégico da IA nos próximos anos. É uma visão que faz sentido, especialmente para organizações que já investiram anos construindo suas bases de dados e que agora querem colocar esse investimento para trabalhar de verdade. 💡
O ecossistema por trás da plataforma
Um ponto que diferencia o Agent Bricks de outras iniciativas no mercado é o ecossistema de parceiros que está se formando ao redor da plataforma. A Databricks vem expandindo essa rede com integradores e empresas de tecnologia que estendem as capacidades dos agentes para além do ambiente nativo. Entre os parceiros já anunciados estão nomes como Accenture, Capgemini, Deloitte, EY, Infosys, Wipro, LTIMindtree, Slalom e Tiger Analytics no lado de consultoria e implementação, além de empresas de tecnologia como Arize, Collibra, Dataiku, Glean, LlamaIndex, Monte Carlo, Qlik, Retool e Sigma Computing.
Esse ecossistema é relevante porque, na prática, nenhuma plataforma de IA corporativa funciona isoladamente. As empresas utilizam dezenas de ferramentas e serviços no seu dia a dia, e os agentes precisam se conectar a esses sistemas para serem realmente úteis. Ter parceiros que já estão construindo integrações nativas com o Agent Bricks reduz significativamente o tempo entre a decisão de adotar a plataforma e o momento em que os agentes estão efetivamente em produção, gerando valor.
O desafio que não é mais o loop do agente
A Databricks deixa claro que o desafio de hoje não é mais construir o loop do agente. O que realmente precisa ser resolvido é tudo que fica ao redor dele: identidade que não pode ser contornada, credenciais que não vazam, roteamento de modelos que evita lock-in com um único fornecedor, contexto de negócio que faz os resultados serem corretos, e observabilidade que mostra o que cada agente fez e por quê.
A maioria das plataformas foca em pedaços desse sistema. O Agent Bricks se propõe a trazer tudo junto em um único lugar.
O Agent Bricks representa uma mudança de mentalidade importante no mercado de inteligência artificial corporativa: a ideia de que governança, dados e agentes não são problemas separados que precisam ser resolvidos por equipes diferentes, mas partes de uma mesma solução que precisa funcionar de forma integrada para entregar valor real.
Para as equipes que estão avaliando como evoluir sua estratégia de IA em produção, entender como plataformas como o Agent Bricks resolvem o problema de ponta a ponta é o ponto de partida mais honesto para tomar boas decisões. Não se trata de qual tecnologia é mais moderna, mas de qual abordagem realmente funciona quando os dados são reais, os riscos são concretos e os resultados precisam ser explicáveis. 🎯
