A plataforma de dados inteligente para a era da IA

Alguns de vocês devem ter percebido um nome diferente e talvez familiar na parte superior desta publicação.

Após a mudança de liderança desta semana, o conselho me pediu para assumir o cargo de CEO interino. Liderei o MongoDB por mais de 11 anos e atuo no conselho desde então, por isso me mantive próximo da nossa equipe, dos nossos clientes e da empresa. Estou feliz por estar de volta e empolgado em compartilhar os próximos passos do MongoDB.

A IA está passando por uma transição importante. Os modelos estão ficando melhores em raciocinar, mas a mudança maior está no que estamos pedindo que façam. A IA está deixando de gerar respostas para agir. O software não ajuda mais apenas as pessoas a fazerem seu trabalho. Cada vez mais, os agentes realizam partes do trabalho por conta própria. Eles resolvem problemas dos clientes, escrevem e implantam software, executam processos de negócios e operam continuamente com cada vez menos intervenção humana.

Essa mudança tem implicações profundas para a infraestrutura abaixo dos aplicativos. Um agente não se limita a receber um prompt e retornar uma resposta. Ele observa o que está acontecendo, recupera o contexto, raciocina sobre o que fazer, executa uma ação, vê o resultado e, muitas vezes, inicia o ciclo novamente. À medida que os agentes se tornam mais capazes, esses loops se tornam mais longos, mais autônomos e mais importantes.

A qualidade do modelo é extremamente importante. Mas a qualidade, a atualidade e a acessibilidade dos dados com que o modelo trabalha também são importantes. É aí que o MongoDB desempenha um papel importante.

Hoje, estamos anunciando a maior expansão da nossa plataforma até o momento:

• MongoDB 9.0 é a versão mais rápida e com melhor desempenho do MongoDB que já criamos, projetada para aplicativos e agentes que atuam em dados em tempo real.
• O Atlas Infinite é uma nova opção de implantação criada para cargas de trabalho altamente elásticas, permitindo que o armazenamento e a computação sejam dimensionados de forma independente conforme a demanda muda.
• O Atlas Agent Engine fornece a memória, o tempo de execução e a governança necessários para operar agentes em produção, com a mesma base de dados em que os clientes já confiam e aberta a qualquer modelo, framework ou nuvem.

Antes de compartilhar mais sobre o que estamos fazendo, vale a pena explicar o problema que estamos tentando resolver.

Por que este momento exige mais da camada de dados

Quase todas as empresas de dados agora se descrevem como uma plataforma para IA. A questão mais interessante é o que acontece com a arquitetura de dados quando a IA para de apenas responder perguntas e começa a realizar ações.

Considere um agente de atendimento ao cliente decidindo se deve emitir um reembolso, um agente de comércio que promete a entrega de um item ou um agente financeiro tomando medidas em uma conta. O agente precisa saber o que é verdade no momento. Um modelo pode raciocinar perfeitamente sobre as informações que possui e ainda tomar a decisão errada se essas informações estiverem obsoletas. O inventário de ontem, um saldo de conta antigo ou um status de pedido desatualizado podem transformar uma inferência tecnicamente correta em uma ação incorreta.

Isso torna o frescor muito mais importante. Para muitas aplicações com agentes, copiar periodicamente dados operacionais para outro sistema não é suficiente. Os agentes precisam de acesso ao estado operacional da empresa e, cada vez mais, precisam agir com base nesse mesmo estado.

Mas ter dados atuais não resolve todo o problema. Uma empresa pode ter quantidades enormes de informações potencialmente relevantes. O agente tem que identificar o pequeno subconjunto que importa para a decisão que ele está tomando. Uma melhor recuperação melhora o contexto apresentado ao modelo, reduz tokens irrelevantes e reduz a probabilidade de o modelo ter que inferir o que ele não conhece.

É por isso que acreditamos que os dados operacionais e a recuperação estão convergindo. O MongoDB já é o sistema de registro operacional para algumas das maiores empresas do mundo e companhias de IA de crescimento mais rápido. Com a pesquisa nativa e a pesquisa vetorial, em conjunto com a tecnologia de recuperação e embedding da Voyage AI, os desenvolvedores podem recuperar o contexto relevante a partir dos mesmos dados operacionais em tempo real que suas aplicações já utilizam. Você não precisa escolher entre dados operacionais e contexto de IA. Cada vez mais, eles são a mesma coisa.

Os agentes também criam uma carga de trabalho muito diferente. Aplicativos tradicionais tendem a ter padrões de tráfego relativamente fáceis de entender. Os sistemas agênticos podem se comportar de maneira muito diferente. Uma solicitação de um usuário pode desencadear uma sequência de planejamento, recuperação, chamadas de ferramenta, leituras e gravações no banco de dados e raciocínio adicional. Um agente pode gerar centenas de operações. Milhares de agentes podem começar a trabalhar simultaneamente.

Como resultado, a relação entre usuários e consumo de infraestrutura se torna muito menos previsível. A demanda pode ser baixa em um momento e enorme no seguinte. Provisione para a demanda média e você corre o risco de não dar conta durante um pico. Provisione para o pico e você pagará por uma infraestrutura que permanece ociosa na maior parte do tempo.

Acreditamos que a arquitetura do banco de dados deve mudar de acordo com a carga de trabalho. A capacidade computacional deve aumentar rapidamente quando os agentes precisam dela e diminuir quando não precisam. O armazenamento não deve precisar escalar só porque a computação escala. E os desenvolvedores não devem ter que reprojetar seus aplicativos sempre que sua carga de trabalho atingir um novo limite. Essa é a ideia por trás do Atlas Infinite.

Existe outra mudança arquitetônica em andamento que eu acho que é pouco apreciada. Agentes úteis têm estado.

Eles precisam lembrar o que aconteceu, recuperar o que importa, entender quem ou o que está realizando uma ação, manter o contexto durante as interações e operar dentro de permissões e políticas explícitas.

Hoje, os desenvolvedores costumam montar essa infraestrutura sozinhos. Eles combinam um banco de dados operacional com um banco de dados vetorial, sistema de memória, framework de orquestração, provedor de modelos e camada de governança. Cada sistema adicional cria outro ponto de integração, outro limite de segurança e, muitas vezes, outra cópia dos dados.

Isso pode ser viável em um protótipo. Isso se torna muito mais difícil quando os agentes realizam ações com consequências em um ambiente corporativo de produção.

Acreditamos que a camada de estado, memória, recuperação e governança para agentes deve estar o mais próximo possível dos dados operacionais sobre os quais esses agentes atuam. É isso que o Atlas Agent Engine foi projetado para oferecer.

Os anúncios de hoje se apoiam na base do MongoDB.

O que estamos anunciando hoje

MongoDB 9.0

Os agentes que operam com dados em tempo real impõem grandes demandas ao banco de dados subjacente.

O MongoDB 9.0 é a versão mais rápida e de maior desempenho do MongoDB que já construímos. Comparado ao MongoDB 8.0, ele oferece até o dobro da taxa de transferência em instâncias de grande porte, leituras 35% mais rápidas e atualizações 30% mais rápidas, melhorando significativamente a relação preço-desempenho em escala.

Também continuamos elevando o padrão em termos de segurança, observabilidade e produtividade dos desenvolvedores. A Queryable Encryption agora protege mais tipos de dados em mais situações, enquanto a rede privada expandida no Atlas facilita que as organizações em setores altamente regulamentados executem suas cargas de trabalho mais sensíveis no MongoDB.

O objetivo é claro. Conforme as aplicações se tornam mais autônomas e operam em maior escala, o banco de dados operacional por trás delas precisa se tornar mais rápido, mais seguro e mais eficiente.

Atlas Infinite

As cargas de trabalho agentivas podem ser extraordinariamente instáveis, e o Atlas Infinite foi projetado com base nessa realidade.

Representa a maior mudança arquitetônica que já fizemos no Atlas, permitindo que o armazenamento e a computação sejam dimensionados independentemente para que os clientes possam dimensionar cada um de acordo com o que sua carga de trabalho realmente exige.

O resultado é uma arquitetura projetada para crescer do protótipo à escala de petabyte sem forçar os desenvolvedores a prever hoje os requisitos de infraestrutura de amanhã. O tempo de dimensionamento é mais de 96% mais rápido, e cada shard pode comportar 10 vezes mais armazenamento.

Igualmente importante: os clientes não precisam reescrever seus aplicativos para usá-lo.

O Atlas Infinite é um novo tipo de cluster dentro da plataforma Atlas que os desenvolvedores já conhecem. Os clientes podem escolher essa opção junto com o Atlas Core, dependendo das características da carga de trabalho deles.

A pré-visualização pública começa na AWS, com disponibilidade multinuvem completa planejada para disponibilidade geral (GA).

Mecanismo de agente do Atlas

A parte mais difícil de criar um agente não é mais a demonstração, é operar o agente de forma confiável em produção.

O Atlas Agent Engine traz a infraestrutura com estado de que os agentes precisam para a mesma plataforma de dados em que seus dados operacionais já residem.

A memória e a recuperação integradas dão aos agentes acesso a um contexto relevante em tempo real, reduzindo o consumo desnecessário de tokens. Um plano de controle unificado fornece identidade e governança sobre as ações dos agentes. E como o Agent Engine é aberto a qualquer modelo, framework ou nuvem, os desenvolvedores podem escolher a pilha de IA que melhor se adapta à sua aplicação, em vez de ficarem presos a um único provedor.

Isso é particularmente importante para empresas.

Mais de 70.000 clientes e mais de 75% da Fortune 100 já confiam no MongoDB com seus dados operacionais. O Atlas Agent Engine lhes oferece uma maneira de criar e operar agentes com base na mesma base, em vez de criar uma arquitetura de dados completamente separada para a IA.

A estrada à frente

Ainda estamos no início dessa transição. Os modelos ficarão melhores. As janelas de contexto ficarão maiores. A inferência ficará mais barata. Os agentes se tornarão mais capazes e autônomos. Mas nenhum desses avanços elimina a necessidade de dados operacionais de alta qualidade. Eles a tornam mais importante.

À medida que o software migra de sistemas que registram o que as pessoas fazem para sistemas que as ajudam a decidir o que fazer e para sistemas que agem cada vez mais por conta própria, a camada de dados se torna parte do plano de controle da empresa.

Essa é a oportunidade para a qual estamos criando o MongoDB.

O nome no topo desta publicação pode ser familiar, mas o MongoDB é muito mais do que seu líder. São as equipes de produto e engenharia que continuam a entregar inovação significativa, as equipes de go-to-market obstinadas pelos resultados dos clientes e os clientes que confiam ao MongoDB seus aplicativos mais sofisticados e estratégicos.

Sou grato a todos eles pelo que foi feito hoje. Vejo você amanhã em .local NYC.