Databricks Data + AI Summit 2026: o que minha ida ao evento mostrou sobre o futuro dos dados e da IA

Entre os dias 15 e 18 de junho de 2026, estive em San Francisco para o Databricks Data + AI Summit, um dos principais eventos globais sobre dados, inteligência artificial, analytics e arquitetura lakehouse.

Mais do que acompanhar keynotes e anúncios de produto, a experiência foi importante por outro motivo: ela mostrou, com bastante clareza, para onde a conversa sobre IA corporativa está caminhando.

E a resposta curta é: a IA deixou de ser apenas uma conversa sobre modelos e passou a ser uma conversa sobre operação.

Durante muito tempo, a pergunta dominante foi:

“qual é o melhor modelo?”

Agora, a pergunta mais relevante parece ser outra:

“como colocamos IA para trabalhar com dados reais, segurança, governança, custo controlado e impacto mensurável?”

Essa mudança é enorme.

E, para quem trabalha em organizações grandes, reguladas e cheias de sistemas, dados, exceções e processos legados, ela é muito bem-vinda.

Minha ida ao Summit: mais do que tecnologia, uma mudança de fase

Ir ao Databricks Data + AI Summit 2026 teve um significado especial para mim.

Além de acompanhar os principais anúncios e tendências, também foi uma oportunidade de levar para um palco internacional uma discussão que faz parte do meu trabalho: como transformar dados, Open Finance e inteligência artificial em aplicações reais de negócio.

No nosso caso, a conversa passa por temas como microofertas inteligentes, personalização, uso de dados compartilhados, modelos analíticos, gêmeos digitais e formas mais inteligentes de conectar oportunidade, contexto e cliente.

Mas o ponto mais interessante foi perceber que a nossa discussão não estava isolada.

O evento inteiro apontava para uma mesma direção: empresas não querem mais apenas experimentar IA. Elas querem usar IA em produção, integrada aos seus dados, aos seus processos e aos seus mecanismos de governança.

Isso muda o jogo.

O recado principal: agentes precisam de dados, contexto e controle

Um dos grandes temas do Summit foi a consolidação da ideia de agentes de IA.

Agentes são sistemas que não apenas respondem perguntas, mas também executam tarefas, acessam ferramentas, buscam informações, acompanham objetivos e podem operar em fluxos de trabalho mais longos.

Parece futurista, mas a discussão já está ficando bastante prática.

A pergunta não é mais apenas:

“o agente consegue fazer?”

A pergunta agora é:

“o agente consegue fazer com segurança, contexto, rastreabilidade, custo controlado e qualidade?”

Esse é o ponto.

Em uma demonstração, um agente pode parecer mágico. Em uma empresa real, ele precisa lidar com:

• permissões;
• dados sensíveis;
• regras de negócio;
• sistemas legados;
• auditoria;
• custo computacional;
• supervisão humana;
• políticas internas;
• risco regulatório;
• responsabilidade pela decisão.

Ou seja: o problema não é só construir agentes. É operar agentes com maturidade.

Agent Bricks: a industrialização dos agentes

Um dos anúncios mais importantes foi a expansão do Agent Bricks, a plataforma da Databricks para criação, avaliação, otimização e operação de agentes de IA sobre dados corporativos.

A ideia central é muito forte: criar agentes não deveria ser apenas escrever um prompt bonito ou conectar um modelo a uma ferramenta. Isso é só uma parte pequena do trabalho.

O desafio real está no restante:

• avaliação de qualidade;
• monitoramento;
• segurança;
• contexto;
• memória;
• deploy;
• governança;
• integração com dados empresariais;
• melhoria contínua;
• controle de comportamento.

A Databricks chamou atenção para esse “trabalho escondido” dos agentes. E essa talvez seja uma das mensagens mais importantes do evento.

Porque, no mundo corporativo, o agente que impressiona no laboratório pode falhar na operação se não houver base sólida.

Para mim, o impacto é claro: a próxima vantagem competitiva não estará apenas em ter agentes, mas em conseguir governá-los, medir sua qualidade e integrá-los ao fluxo real de trabalho.

Genie One: o coworker de IA para equipes de negócio

Outro anúncio relevante foi o Genie One, apresentado como um coworker agentic para equipes de negócio.

A proposta é levar IA para áreas como marketing, vendas, finanças e operações, permitindo que pessoas interajam com dados empresariais de forma mais natural e orientada a ação.

Aqui existe um ponto muito interessante: o Genie One não é apenas uma interface bonita para perguntar coisas ao banco de dados. A proposta envolve contexto de negócio, automação, visualizações, tarefas, alertas e agentes que podem transformar conversas em fluxos reutilizáveis.

Isso conversa diretamente com uma dor comum em empresas grandes.

Muitas organizações já possuem muitos dados. O problema é que esses dados nem sempre viram decisão no tempo certo.

Entre o dado existir e o gestor conseguir agir, há uma longa distância:

• acesso;
• entendimento;
• qualidade;
• permissão;
• contexto;
• ferramenta;
• confiança;
• linguagem;
• tempo.

Se a IA conseguir reduzir essa distância com segurança, o impacto pode ser enorme.

Mas há um cuidado: o usuário de negócio não precisa apenas de uma resposta rápida. Ele precisa de uma resposta confiável, explicável o suficiente e conectada ao contexto correto.

Genie Ontology: contexto como nova infraestrutura

Um termo que merece atenção é ontologia.

Parece técnico, mas a ideia é simples: empresas precisam de uma camada que ajude a IA a entender o significado dos dados, processos, métricas, relações e conceitos do negócio.

Sem isso, a IA pode até acessar dados, mas não necessariamente entende o que eles significam dentro da organização.

Um exemplo simples: “cliente ativo”, “conta principal”, “receita”, “conversão”, “produto contratado”, “risco”, “consentimento” ou “relacionamento” podem ter significados diferentes entre áreas.

Para humanos, isso já gera confusão. Para IA, pode virar um problema ainda maior.

Por isso, a ideia de uma camada viva de contexto é relevante. Ela aponta para uma conclusão importante:

a IA corporativa não depende apenas de modelos melhores; depende de contexto melhor organizado.

No limite, a empresa que não entende seus próprios conceitos terá dificuldade para ensinar esses conceitos à IA.

Lakebase e LTAP: quando IA precisa de dados vivos

Outro movimento importante foi o avanço da Databricks em torno do Lakebase e da ideia de unir dados transacionais e analíticos em uma arquitetura mais integrada.

Na prática, isso conversa com um problema real: agentes e aplicações inteligentes precisam de dados atualizados, não apenas relatórios históricos.

Muitas arquiteturas empresariais separam fortemente o mundo operacional do mundo analítico.

De um lado, sistemas transacionais registram operações. De outro, ambientes analíticos consolidam dados para relatórios, modelos e decisões. Entre os dois mundos, há pipelines, integrações, atrasos, cópias, reconciliações e custos.

Quando falamos de agentes de IA, essa separação pode se tornar um obstáculo.

Um agente que precisa agir em tempo quase real não pode depender sempre de dados atrasados, incompletos ou copiados de forma frágil. Ele precisa de uma fundação capaz de conectar operação e inteligência com mais fluidez.

É aqui que a proposta de uma arquitetura mais integrada ganha força.

A mensagem é clara: IA em produção precisa de dados vivos, não apenas dados bonitos em apresentações.

Governança deixou de ser freio e virou condição de escala

Um dos pontos mais relevantes do Summit foi a ênfase em governança, segurança, identidade e controle.

Isso é especialmente importante porque, em muitas empresas, governança ainda é vista como algo que atrasa inovação.

Mas, na prática, quanto mais a IA entra em processos reais, mais governança deixa de ser burocracia e passa a ser condição de escala.

Se uma IA apenas sugere um título de e-mail, o risco é pequeno. Se ela acessa dados de clientes, recomenda ações comerciais, interage com sistemas, gera análises executivas ou automatiza fluxos, o nível de controle precisa ser muito maior.

Algumas perguntas deixam de ser opcionais:

• quem pode acessar o quê?
• qual dado pode ser usado?
• como o uso é registrado?
• quem audita?
• como controlar custo?
• como impedir vazamento?
• como limitar a autonomia?
• como garantir contexto correto?
• como evitar decisões sem supervisão?

No mundo dos agentes, governança não é o departamento que diz “não”.

Governança é o que permite dizer “sim, com segurança”.

Unity AI Gateway e o novo problema do custo da IA

Outro tema quente é custo.

A empolgação com IA generativa trouxe uma conta nova para as empresas: uso de tokens, chamadas a modelos, agentes rodando em segundo plano, aplicações consumindo inferência e fluxos automatizados que podem crescer rapidamente.

Quando uma pessoa usa IA, o custo é controlável. Quando centenas ou milhares de pessoas usam, com agentes executando tarefas em cadeia, a conta pode mudar de escala.

Por isso, ferramentas de controle de gasto, limites, roteamento entre provedores e visibilidade de consumo deixam de ser detalhe técnico.

Elas viram parte da governança financeira da IA.

A pergunta para líderes passa a ser:

“qual valor essa IA gera em relação ao custo que ela consome?”

Sem essa pergunta, a organização corre o risco de trocar experimentação barata por desperdício caro.

Segurança: IA também mudou o jogo defensivo

Outro movimento relevante no ecossistema Databricks foi a aquisição da Panther Labs, uma empresa de segurança.

Esse ponto não deve passar despercebido.

A mensagem é simples: se ataques ficam mais automatizados e sofisticados com IA, a defesa também precisa se tornar mais inteligente, integrada e orientada por dados.

Segurança, dados e IA estão ficando cada vez mais próximos.

Isso vale para detecção de ameaças, investigação, resposta a incidentes, correlação de eventos e uso de agentes para lidar com grandes volumes de sinais.

Para organizações reguladas, como bancos, seguradoras, governo e saúde, esse tema é crítico.

IA corporativa não pode ser discutida apenas pela lente da produtividade. Ela também precisa ser discutida pela lente da segurança.

O impacto para empresas brasileiras

O que tudo isso significa para empresas brasileiras?

Significa que a conversa sobre IA precisa amadurecer rápido.

Ainda há muita empresa discutindo IA como se fosse apenas escolher uma ferramenta de chatbot ou contratar acesso a um modelo generativo.

Isso é pouco.

A agenda real passa por perguntas mais difíceis:

• os dados estão organizados?
• existe governança?
• os processos estão prontos para mudar?
• os custos são monitorados?
• os riscos são claros?
• há integração com sistemas?
• as áreas de negócio estão envolvidas?
• há capacidade de colocar em produção?
• há métricas de valor?
• há supervisão humana adequada?

Essa é a diferença entre usar IA como vitrine e usar IA como capacidade organizacional.

O impacto para bancos, dados e Open Finance

Para o setor financeiro, os anúncios e tendências do Summit são especialmente relevantes.

Bancos e instituições financeiras vivem em um ambiente de alta complexidade:

• muitos dados;
• sistemas legados;
• regulação forte;
• segurança crítica;
• necessidade de personalização;
• pressão por eficiência;
• competição com fintechs;
• clientes cada vez mais digitais;
• novas fontes de dados, como Open Finance.

Nesse contexto, IA só faz sentido se estiver conectada a dados confiáveis, arquitetura robusta e processos bem desenhados.

O Open Finance amplia essa discussão porque traz uma nova camada de dados compartilhados, consentidos e potencialmente muito ricos para análise, recomendação e personalização.

Mas dado compartilhado não gera valor sozinho.

É preciso transformar dados em contexto, contexto em inteligência e inteligência em ação.

É aí que temas como agentes, governança, Lakehouse, dados em tempo real e IA aplicada passam a fazer muito sentido.

O que fica para profissionais não técnicos

Para profissionais de negócio, a principal mensagem do Summit é simples:

IA não é mais assunto apenas da tecnologia.

Mesmo quem não programa precisa entender o suficiente para participar das decisões.

Isso inclui saber perguntar:

• qual problema estamos resolvendo?
• qual dado será usado?
• qual risco existe?
• qual processo muda?
• como medir resultado?
• quem revisa a resposta?
• quando a IA pode agir sozinha?
• quando precisa de aprovação humana?

O profissional que souber fazer essas perguntas terá vantagem.

Não porque entende todos os detalhes técnicos, mas porque entende o que realmente importa para transformar tecnologia em valor.

O que fica para líderes

Para líderes, a mensagem é ainda mais direta.

Não basta pedir “um projeto de IA”.

É preciso criar condições para que a IA funcione:

• priorizar bons casos de uso;
• organizar dados;
• patrocinar mudanças de processo;
• definir métricas;
• cuidar de riscos;
• evitar modismos;
• acompanhar custo;
• formar equipes;
• envolver negócio, tecnologia, jurídico, segurança e dados.

A liderança que trata IA como ferramenta isolada provavelmente vai gerar pilotos.

A liderança que trata IA como mudança organizacional pode gerar transformação real.

O que eu trouxe do evento

Minha principal conclusão do Databricks Data + AI Summit 2026 é que estamos entrando em uma nova fase.

A fase do encantamento com IA generativa ainda existe, mas começa a perder espaço para uma discussão mais madura:

como escalar IA com dados, governança, segurança, custo controlado e impacto real?

Essa é uma conversa menos glamourosa do que vídeos virais de modelos multimodais.

Mas é a conversa que importa para empresas.

No fundo, os anúncios do Summit apontam para uma mesma direção:

• agentes precisam de contexto;
• contexto depende de dados;
• dados precisam de governança;
• governança permite escala;
• escala exige custo controlado;
• custo precisa estar ligado a valor;
• valor depende de processo e adoção.

Nada disso cabe em uma demo de cinco minutos. Mas é isso que separa IA de verdade de IA de palco.

Conclusão

Minha ida ao Databricks Data + AI Summit 2026 reforçou uma convicção: a inteligência artificial corporativa está deixando de ser um experimento isolado e se tornando uma camada operacional do trabalho.

Isso é poderoso. E também é perigoso se for tratado com superficialidade.

A próxima disputa não será apenas por quem tem acesso ao modelo mais avançado.

Será por quem consegue combinar dados confiáveis, agentes úteis, governança forte, segurança, custo controlado e processos redesenhados.

Para empresas, líderes e profissionais, esse é o ponto de virada.

A IA está ficando mais capaz.

Agora as organizações precisam ficar mais maduras.