top of page

MariaDB para IA: conclusões do primeiro webinar em português da MariaDB com a Amber

27 de out.
8 min de leitura

Atualizado: 5 de nov.

No dia 15 de outubro, a MariaDB® realizou seu primeiro webinar em português, em parceria com a Amber. O encontro, chamado “Impulsionando a Empresa Orientada a Agentes”, serviu para anunciar e reforçar a parceria entre as duas empresas e tratou do que uma empresa precisa resolver nos dados antes de colocar agentes de IA para trabalhar. Abri o webinar com os desafios que as empresas enfrentam para transformar tecnologia em resultado e com a forma como a Amber atua do diagnóstico à sustentação. Em seguida, Natasha Rinaldi, da MariaDB, apresentou como a plataforma está organizada para sustentar aplicações e agentes de IA.

Este artigo reúne as conclusões do encontro que interessam a empresas que avaliam MariaDB para IA ou que estão estruturando a base de dados que os agentes vão consultar. Elas tratam da qualidade dos dados, do que as empresas passam a exigir de um banco de dados, da plataforma da MariaDB, da governança e do papel da consultoria na adoção.


Logo da amber e MariaDB com foca sobre pilha de banco de dados e ícone IA em fundo preto.


AGENTES DE IA DEPENDEM DA QUALIDADE DOS DADOS QUE RECEBEM


A primeira conclusão do webinar é que a principal barreira para usar agentes de IA está nos dados, antes de estar na tecnologia escolhida. Natasha mostrou a projeção que a Gartner publicou em comunicado de junho de 2025: até 2028, 33% dos softwares corporativos terão IA agêntica, contra menos de 1% em 2024. No mesmo comunicado, a Gartner prevê que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, por custos crescentes, valor de negócio pouco definido ou controle de risco insuficiente.

O outro dado da apresentação indica onde as empresas encontram mais dificuldade. No PEX Report 2025/26, baseado em uma pesquisa da PEX Network com mais de 200 profissionais, 52% apontam a qualidade e a disponibilidade dos dados como o maior obstáculo para adotar IA. A falta de conhecimento interno aparece logo depois, com 49%.

Um agente de IA consulta informações, cruza registros e executa tarefas com base no que encontra nos sistemas da empresa. Se o cadastro do cliente está desatualizado no CRM, se o histórico de pedidos fica em outro sistema sem integração ou se parte do controle ainda é feita em planilhas, o agente responde e age com informação errada ou incompleta. E, ao contrário de um atendente, ele repete o mesmo erro em todos os atendimentos que fizer.

Esse diagnóstico confirma o que apresentei na abertura do webinar. A primeira dificuldade é a adaptação digital: empresas de qualquer porte precisam estar no digital, e esse movimento se acelerou depois da pandemia. A segunda é a maturidade executiva, porque a tecnologia avança mais rápido do que as lideranças conseguem acompanhar. A terceira é o que chamamos de abundância tech: há tecnologia de sobra e informação demais chegando a executivos e times técnicos, o que exige mais cuidado nas decisões e direcionamento para integrar as soluções.

Na prática, antes de escolher qual agente usar, a empresa precisa responder três perguntas: onde estão os dados que ele vai consultar, quais sistemas precisam estar integrados para que esses dados fiquem consistentes e quem responde pela qualidade da informação. Por isso, na abertura, coloquei a organização dos processos de ponta a ponta, a partir de uma base única de dados, como o passo seguinte a atrair demanda e converter oportunidades. É nesse ponto que a escolha do banco de dados entra na discussão sobre MariaDB para IA, tema da próxima conclusão.




O QUE AS EMPRESAS PASSAM A EXIGIR DE UM BANCO DE DADOS


A segunda conclusão é que os agentes de IA alteram os critérios para escolher um banco de dados. Na apresentação, Natasha resumiu essa mudança em cinco exigências do mercado, que têm a mesma origem: aplicações que consultam dados e agem sobre eles de forma contínua, sem uma pessoa revisando cada passo. Na tabela, cada exigência aparece ao lado de uma pergunta que a empresa pode levar para a avaliação de fornecedores.


Exigência

O que a MariaDB apresentou

Pergunta para o fornecedor

Escala

Dados e usuários crescem além da capacidade do banco, com cargas distribuídas entre regiões e nuvens

O banco passa de um servidor para vários sem reescrever a aplicação?

Multimodelo

Transações, analytics e vetores na mesma plataforma

Quantos sistemas serão necessários para guardar dados transacionais, vetores e dados analíticos?

Baixa latência

Resposta em submilissegundos com muitos acessos simultâneos

Qual o tempo de resposta medido no volume de acessos do nosso pico?

Contexto

Base confiável e governada, com memória para os agentes e trilhas auditáveis

Conseguimos auditar quais dados o agente consultou antes de agir?

Governança

Controle sobre residência e soberania dos dados

Em que país e em qual ambiente os dados ficam armazenados?

Essas perguntas servem para comparar qualquer fornecedor, inclusive a própria MariaDB. Em agentes de atendimento e vendas, latência e auditoria são as mais sensíveis: o agente responde ao cliente durante a conversa, e a empresa precisa saber depois por que ele respondeu daquela forma.




MARIADB PARA IA: UM BANCO SÓ PARA TRANSAÇÕES, VETORES E ANALYTICS


A terceira conclusão é que a MariaDB organizou a plataforma para atender a essas exigências com uma única base de dados, em vez de um sistema separado para cada tipo de dado. Segundo a empresa, o banco soma mais de 3 bilhões de downloads e mais de 800 clientes corporativos em produção. Ele também é compatível com o MySQL, o que permite a quem já usa MySQL evoluir a arquitetura sem reconstruir a base.

O InnoDB, engine de armazenamento do MariaDB, guarda quatro modelos de dados no mesmo lugar: linhas para transações, vetores para busca semântica, JSON para dados semiestruturados e formato colunar para análises. Os vetores permitem ao banco guardar embeddings, as representações numéricas de textos e documentos que os agentes usam para encontrar informação pelo significado, e não só por palavra exata. Para análises de grande volume, a MariaDB apresentou o Exa, desenvolvido em parceria com a Exasol.

Entre a aplicação e o banco fica o MaxScale®, proxy da MariaDB que também foi comentado no webinar. Ele envia gravações para o servidor principal e leituras para as réplicas e, se o servidor principal cair, promove automaticamente a réplica mais adequada. Com o recurso de transaction replay ativo, a transação em andamento é refeita no novo servidor sem que o usuário perceba a falha. O MaxScale também captura alterações nos dados (CDC) para manter outros sistemas sincronizados.

Para os agentes, a plataforma passou a incluir o GridGain, empresa de cache e processamento em memória que foi adquirida recentemente pela MariaDB, como a Natasha contou no webinar. Esse componente guarda o contexto das interações dos agentes como memória de curto e longo prazo e oferece armazenamento chave-valor com resposta abaixo de 1 milissegundo, segundo a MariaDB. Com o lançamento da MariaDB Enterprise Platform 2027, em novembro de 2026, a plataforma ganhou também o cache semântico, que guarda respostas já geradas pelo modelo de IA e as reaproveita quando uma nova pergunta é parecida o bastante, reduzindo o custo com chamadas ao modelo.

A conexão com aplicações de IA acontece por RAG, técnica em que o modelo busca trechos relevantes nos dados da empresa antes de responder, apoiada no suporte vetorial do próprio banco. Há conectores para os frameworks LangChain, LlamaIndex e Spring AI e um MCP Server, servidor que segue o Model Context Protocol, padrão usado por agentes de IA para acessar dados e ferramentas. A plataforma inclui ainda copilotos de IA para desenvolvedores e administradores de banco de dados. Na versão 2027, ela passou a oferecer também o AI Retrieval, com pipelines de RAG prontos para uso, e plugins de IA para ferramentas de programação assistida, como Claude Code e Codex.

Na prática, um agente de atendimento que precisa do histórico de compras do cliente, de trechos de manuais encontrados por similaridade e do contexto da conversa em andamento acessa os três na mesma plataforma, em vez de depender de três integrações. O ganho para a empresa é ter menos sistemas para integrar, sincronizar e governar.

Na avaliação, a empresa precisa separar o que já está disponível do que ainda está no roadmap da MariaDB, como o SQL distribuído. Para entender as bases do banco e a comparação com o MySQL, leia o artigo O que é MariaDB e como se compara ao MySQL.




GOVERNANÇA: REGRAS DE ACESSO, SUPERVISÃO HUMANA E CONTROLE SOBRE ONDE OS DADOS FICAM


Autonomia para agentes de IA exige regras definidas antes da implantação. Na abertura do webinar, mostrei que todo projeto com agentes precisa estabelecer limites de atuação, regras de acesso aos dados, critérios de qualidade da informação e supervisão humana nas etapas decisivas, com validação gradual dos resultados. Em um agente de vendas, por exemplo, isso pode significar que ele consulta preços e disponibilidade sozinho, mas a proposta com desconto passa por um vendedor antes de chegar ao cliente.


Esse cuidado ainda é minoria nas empresas. O mesmo PEX Report 2025/26 citado na primeira conclusão mostra que menos da metade das empresas pesquisadas tem uma política de governança de IA.


Governança também envolve controle sobre onde os dados ficam. Empresas reguladas ou com exigências regionais precisam garantir residência e soberania dos dados, e a MariaDB apresentou quatro opções de implantação para isso: on-premises, com controle total da infraestrutura; multicloud em AWS, Google Cloud e Azure, sem depender de um único provedor; serverless, com cobrança por consumo; e BYOA, em que a plataforma gerenciada roda na conta de nuvem do próprio cliente. A opção BYOC (Bring Your Own Cloud), que estava no roadmap na data do webinar, já está disponível, como a MariaDB anunciou no lançamento da MariaDB Enterprise Platform 2027, em novembro de 2026. Ela implanta os componentes da plataforma em contas de nuvem que o próprio cliente controla.


No Brasil, essas escolhas precisam considerar a LGPD desde o desenho da solução. Nos projetos da Amber, isso inclui controles de acesso, criptografia, gestão de logs e políticas de governança de dados. O tema aparece em detalhe no artigo IA e LGPD: como adotar com segurança jurídica, e os critérios de segurança para sistemas críticos estão em Banco de dados seguro: por que sistemas críticos estão migrando para MariaDB.




COMO A AMBER APOIA A ADOÇÃO DE MARIADB PARA IA NO BRASIL


Tecnologia gera retorno quando entra na empresa com diagnóstico, planejamento e acompanhamento. Na abertura do webinar, apresentei o papel da consultoria em três etapas: diagnóstico, para mapear dores antes de qualquer investimento; planejamento, com um roteiro para introduzir IA com segurança e a seleção de soluções compatíveis com a arquitetura existente; e execução, com gestão da mudança, sustentação e acompanhamento do retorno sobre o investimento.

Em projetos com MariaDB, essas etapas se traduzem em atividades concretas. A Amber parte do diagnóstico técnico do ambiente e desenha a arquitetura de dados conforme os objetivos da empresa. A implementação inclui validação de compatibilidade, testes de carga e estratégias de contingência, tanto na adoção inicial quanto na migração de MySQL ou de outros bancos para o MariaDB.

A integração com sistemas legados, APIs e plataformas corporativas permite que o MariaDB funcione junto dos processos existentes sem interrompê-los. Com o banco em produção, a Amber sustenta o ambiente com suporte técnico contínuo, ajustes de performance e acompanhamento estratégico, para que a base de dados suporte o crescimento da empresa e as novas demandas de IA.

No fechamento do webinar, trouxe um ponto que não tínhamos abordado na apresentação: além do argumento técnico, MariaDB é uma alternativa de custo. A pressão por competitividade chega ao preço final e leva as empresas a revisar processos e arquitetura, e um banco aberto, que se conecta à estrutura existente, permite essa revisão sem trocar tudo de uma vez. A adoção pode ser modular, resolvendo pontos técnicos e financeiros por etapas, em vez de um projeto big bang.

A proposta apresentada no webinar une a tecnologia da MariaDB a uma equipe local, com atuação no Brasil e na América Latina e projetos entregues em oito países. Para empresas que querem preparar seus dados para agentes de IA, o próximo passo é um estudo conjunto com a Amber, feito a partir do caso de uso da empresa e do diagnóstico do ambiente atual, que pode ser solicitado através do nosso WhatsApp. Assista ao webinar completo no YouTube: MariaDB e IA: Plataforma de Dados para IA Agêntica

MariaDB® e MaxScale® são marcas registradas da MariaDB plc. MySQL é marca registrada da Oracle Corporation, e não há vínculo entre a MariaDB plc e a Oracle Corporation.

Comentários

Avaliado com 0 de 5 estrelas.
Ainda sem avaliações

Adicione uma avaliação
bottom of page