A Oracle apresentou sua estratégia de IA agêntica operando dentro dos bancos de dados no Oracle Data Deep Dive, na quinta-feira (21): a tese central é que mover dados entre plataformas aumenta custo, risco e fragmentação nas arquiteturas corporativas.
Estratégia Oracle para IA em dados corporativos
| Desafio |
Resposta Oracle |
| Dados fragmentados entre plataformas |
Banco convergente (relacional, vetorial, grafos, documentos) |
| IA fora dos dados corporativos |
IA agêntica embutida no banco de dados |
| Segurança na camada de aplicação |
Controles integrados à camada de dados |
| Ameaça da computação quântica |
Criptografia resistente ao quantum incorporada |
Apresentação de Shasank Chavan no Oracle Data Deep Dive, maio de 2026. Fonte: TiInside
Levar a IA ao dado: a crítica aos pipelines complexos
Shasank Chavan, vice-presidente de Data, In-Memory and AI Technologies da Oracle, apresentou a visão central da empresa para a próxima geração de aplicações corporativas: agentes de IA operando diretamente sobre os dados já armazenados nas empresas, sem mover informações entre plataformas. “Nós queremos levar a IA até os dados privados, e não mover os dados para fora do ambiente onde eles estão”, afirmou. O argumento é que arquiteturas fragmentadas, nas quais dados percorrem pipelines antes de chegarem aos modelos, aumentam custo operacional e superfície de ataque. “Você não quer criar pipelines extremamente complexos apenas para mover dados. Isso adiciona custo, risco e mais dificuldade operacional”, disse.
A resposta da empresa para a fragmentação é o conceito de banco de dados convergente: uma única arquitetura capaz de suportar workloads relacionais, vetoriais, de documentos, grafos e análises. O executivo classificou o cenário atual de múltiplos bancos especializados como “caos de dados”, que limita a velocidade de inovação. “Você não consegue continuar expandindo sua arquitetura adicionando novos bancos de dados o tempo inteiro”, afirmou. A demanda por infraestrutura moderna para IA generativa tem pressionado as organizações financeiras a revisitar exatamente esse ponto.
IA agêntica no centro das operações e o risco dos guardrails
Chavan detalhou como a Oracle está estruturando sua estratégia para IA agêntica: sistemas que interpretam contexto, planejam ações e executam tarefas sem intervenção humana constante. “Estamos saindo de sistemas que apenas respondem perguntas para sistemas que efetivamente completam tarefas em nome do usuário”, afirmou. Com agentes ganhando autonomia para acessar dados e executar ações, o executivo apontou um risco específico da combinação entre IA e bancos de dados: “Os agentes podem gerar SQL extremamente rápido e até tentar ignorar guardrails de segurança”, disse.
A resposta da Oracle é integrar controles de acesso diretamente à camada de dados, e não confiar apenas nas aplicações que consomem esses dados. Chavan usou a analogia de um hotel onde todos os hóspedes recebem uma chave capaz de abrir qualquer quarto: a regra verbal de que cada um deve acessar apenas o próprio quarto não é suficiente. Para o quantum, a empresa anunciou criptografia resistente já incorporada à infraestrutura de banco de dados.
“As pessoas estão capturando dados agora para tentar descriptografá-los no futuro”, afirmou, referindo-se ao padrão de ataques que interceptam dados criptografados hoje para explorá-los quando a capacidade quântica amadurecer. A IA mal configurada já representa risco à infraestrutura corporativa, e a combinação com computação quântica amplia essa exposição.
O que observar
A tese de “levar a IA ao dado” inverte a lógica dominante de muitas arquiteturas atuais, onde dados são extraídos e enviados a plataformas de IA externas. Para instituições financeiras, esse movimento tem implicação direta: dados sensíveis de clientes, histórico de transações e informações de crédito precisam de governança rígida. Uma arquitetura em que os agentes operam dentro do perímetro de dados reduz a exposição regulatória, mas exige que os controles de acesso sejam robustos na camada de infraestrutura, não apenas nas aplicações. O risco dos guardrails de SQL apontado pelo executivo é especialmente relevante para bancos que já testam agentes de IA em transações financeiras.
A ameaça quântica à criptografia ainda está no horizonte, mas o padrão “harvest now, decrypt later” é real e documentado. Para gestoras e bancos que armazenam dados de longo prazo, a migração para padrões resistentes ao quantum não é decisão de 2030: é uma decisão de arquitetura que começa agora, nos próximos ciclos de atualização de infraestrutura. Vale monitorar se a expansão do ecossistema de IA no Brasil acelera a adoção dessas arquiteturas no setor financeiro local.
Fontes: TiInside • Let’s Money • Let’s Money • Let’s Money
