Esta é uma publicação no blog de um convidado, escrita por Devin Pratt, diretor de pesquisa da IDC.
Quando converso com líderes de TI hoje em dia, o foco da conversa muda. Antes, a questão era qual modelo usar. Agora é uma questão de saber se sua plataforma de dados consegue acompanhar o software que age por conta própria. A IA generativa responde a perguntas. A IA agêntica age, e essa única mudança transforma tudo o que uma plataforma de dados precisa fazer.
Este não é um problema para depois. De acordo com a Worldwide Data Management Survey da IDC de abril de 2026 (n = 715), 30% das organizações já executam IA agêntica em produção, e outras 50% estão investindo nisso, com um plano de gastos estabelecido. Quatro em cada cinco empresas já passaram da fase de decidir se devem incorporar agentes às suas operações. Elas estão descobrindo como operá-los com segurança.
Figura 1. A IA agente já está entrando em produção.
P. O que melhor descreve a situação atual da sua organização em relação à avaliação ou ao uso de IA agêntica?
n = 715, Fonte: Pesquisa Mundial de Gerenciamento de Dados da IDC, abril de 2026
Esta é a mudança a que sempre volto. Uma plataforma criada para analisar o que já aconteceu não é o mesmo que uma plataforma criada para executar o que vem a seguir. Quando um agente lê dados, toma decisões e age em tempo real, o banco de dados deixa de ser um repositório passivo de registros. Ele se torna o ponto de controle onde o contexto em tempo real é disponibilizado, a informação certa é recuperada e as políticas são aplicadas no exato momento em que o agente atua. Se isso der errado, uma única leitura incorreta vira uma ação errada em velocidade de máquina e depois se repete.
O tempo real agora é o padrão, não a exceção. Na mesma pesquisa, 64,6% dos casos de uso de dados corporativos já exigem entrega em tempo real ou quase em tempo real; para cenários de streaming, 91,2% precisam de latência de ponta a ponta inferior a 200ms. As arquiteturas voltadas ao processamento em lote estão cada vez mais do lado errado dessa linha.
Então, o que os líderes de TI devem realmente procurar? Quando eu trabalho nisso com equipes, quatro requisitos aparecem sempre.
- Uma base operacional em tempo real que se adapta aos dados gerados por IA: os dados de IA não são estruturados, mudam rapidamente e têm grande volume. A base tem que se ajustar a esse formato e servi-lo rapidamente. É por isso que a IDC prevê que os sistemas não esquemáticos e o data lake superem o mercado geral de bancos de dados, mesmo que o relacional continue sendo o maior segmento.
Escalabilidade elástica para uma demanda imprevisível impulsionada por agentes: o tráfego de agentes ocorre em picos e é difícil de prever. As equipes querem crescer sobre uma única base, sem as reconstruções disruptivas impostas por limites rígidos de escalabilidade. Essa é a lógica por trás da consolidação em uma plataforma central, com a nuvem pública respondendo agora por 64,6% da receita de bancos de dados.
Recuperação precisa e sempre atualizada: um agente só é tão bom quanto o contexto que consegue recuperar. Os compradores sabem disso. Cerca de 75% preferem bancos de dados vetoriais integrados a independentes, e 47% consideram essencial uma camada semântica consistente para uma IA segura e confiável.
Um runtime governado para executar agentes em produção: memória durável, política vinculada à identidade e observabilidade permitem que uma equipe de governança confie em um agente para executar ações reais. Até 2027, a IDC espera que 80% dos casos de uso de IA agêntica exijam acesso contextual a dados em tempo real, levando as empresas de um modelo de controle de acesso para um modelo de acesso federado com governança centralizada.
Conhecer os requisitos é a parte fácil. Na prática, três coisas retardam as equipes e vale a pena citá-las:
Preocupações com dependência de fornecedor: com cerca de 95% das organizações relatando requisitos de soberania de dados e 90% executando bancos de dados de código aberto, as empresas querem operar em várias nuvens e na própria infraestrutura, e não apostar o negócio em uma única stack.
Governança de ação autônoma: quando o software pode agir por conta própria, torna-se obrigatório um acesso controlável e auditável. Até que você possa provar isso, os agentes ficam estagnados na fase piloto.
Custos que fogem do controle: agentes que fazem uso intensivo de recuperação geram picos de consumo, e repetir o contexto a cada etapa consome tokens sem que você perceba. O custo deve acompanhar o uso, não a capacidade ociosa.
O lado positivo é que essas questões têm resposta. Uma plataforma que mantém a recuperação próxima dos dados, pode ser implantada em qualquer lugar e governa agentes por padrão atende diretamente aos três requisitos.
A estrada à frente
O padrão já é visível. A IDC prevê que, até 2029, 60% das plataformas de dados corporativas unificarão cargas de trabalho transacionais e analíticas em arquiteturas de processamento híbrido para viabilizar a IA agêntica. O banco de dados deixou de ser o lugar onde os dados ficam parados. É onde os agentes agem. As empresas que o tratam dessa forma passarão de projetos-piloto à produção. As que não fizerem isso verão essa lacuna aumentar.
Se você está traçando seu próprio caminho, os requisitos acima são um bom ponto de partida: uma base em tempo real, escala elástica, recuperação precisa e um runtime governado, com liberdade para operar em qualquer lugar.
Continue lendo
Para a análise completa, incluindo os dados de mercado que embasam cada um desses quatro requisitos, leia o IDC Spotlight The Intelligent Data Platform Era: Preparing Enterprises for Agentic AI (IDC #US54925526, setembro de 2026), patrocinado pelo MongoDB.