O Verdadeiro Desafio da IA Empresarial Não É Mais o Modelo, Mas Sua Operação

A grande mudança na IA empresarial em junho de 2026 não é a chegada de mais um LLM, mas o surgimento do MLOps como disciplina para operar agentes, com quatro desafios-chave: contexto de negócios, governança, observabilidade e custo unitário de inferência. O Google Cloud lançou o Gemini Enterprise Agent Platform para construir, escalar, governar e otimizar agentes, enquanto a Microsoft, na Build 2026, enfatizou que o gargalo não é o poder do modelo, mas sim fornecer contexto de dados coerente aos agentes. O Bedrock AgentCore da AWS foca na exploração operacional, usando traces de produção para melhorar sistemas e destacando o risco de falhas silenciosas. A Databricks argumenta que o loop agêntico é apenas os 1% visíveis, com os 99% restantes envolvendo implantação, segurança, avaliação e contexto. A stack de MLOps está evoluindo para incluir runtime de agente, memória, identidade, gateways e tracing. O Agent Identity do Google usa o padrão SPIFFE para atestação criptográfica, e o AgentCore Gateway da AWS integra APIs existentes com o Model Context Protocol. A observabilidade agora inclui avaliação qualitativa, como visto no MLflow 3 e no AgentCore Observability da AWS. A infraestrutura está se tornando mais orientada a plataformas, com o Inference Gateway do CNCF atingindo GA. O FinOps está mudando: o State of the Cloud 2026 da Flexera relata que 58% das organizações usam serviços de IA generativa em nuvem pública, 73% operam em modo híbrido e 49% usam economia unitária. Sistemas agênticos incorrem em custos além da API do modelo, incluindo chamadas de gateway, memória e observabilidade. Na Europa, o Cloud and AI Development Act foi proposto em 3 de junho, e o AI Act se torna totalmente aplicável a partir de 2 de agosto de 2026. Empresas europeias estão diversificando fornecedores para reduzir dependência e abordar preocupações de soberania.