- Gemini Enterprise começa a processar dados localmente 🇧🇷
- E o hardware também chega mais perto ⚙️
- O Gemini Enterprise quer sair do protótipo 🧩
- Banco de dados também entra na equação
- Empresas brasileiras já estão colocando os agentes para trabalhar 🏢
- Magalu e Natura entram no desenvolvimento de agentes
- O problema: mais autonomia também significa mais risco 🛡️
- E quem controla as credenciais do agente?
- Brasil também vira campo de treinamento 🎓
- A adoção está avançando. A governança, nem tanto.
Principais destaques
- Infraestrutura local em expansão: Google planeja dobrar sua infraestrutura técnica no Brasil até 2030 e amplia o acesso a GPUs na região de São Paulo.
- Gemini Enterprise ganha recursos: Projetos, Skills Registry, Agent Sandbox e AlloyDB para Agentes chegam para facilitar a passagem de experimentos de IA para operações em escala.
- Segurança vira parte do pacote: Google Cloud amplia o Model Armor, apresenta novos controles para agentes autônomos e anuncia uma avaliação de segurança em parceria com a Wiz.
O Google Cloud quer que a próxima fase da inteligência artificial corporativa aconteça mais perto dos dados, dos usuários e das empresas brasileiras.
Durante o Google Cloud Summit Brasil, realizado nesta quinta-feira (24), em São Paulo, a companhia anunciou uma série de mudanças em infraestrutura, Gemini Enterprise, segurança e capacitação profissional para acelerar a adoção de IA agêntica no país.
A estratégia tem um componente bastante concreto: infraestrutura.
A empresa planeja dobrar sua infraestrutura técnica no Brasil até 2030, ampliando capacidade de processamento, armazenamento e computação voltada para IA.
E há uma data importante no meio desse caminho.
Gemini Enterprise começa a processar dados localmente 🇧🇷
A partir de 15 de outubro, a versão web do Gemini Enterprise passará a oferecer processamento local de dados para o Gemini 3.5 Flash no Brasil.
Isso se soma ao suporte já existente para armazenamento local de dados de clientes em fluxos de trabalho envolvendo agentes.
Na prática, a mudança aproxima o processamento de IA das organizações que precisam lidar com requisitos de soberania, regulamentação e baixa latência.
🔐 A lógica é simples: quanto mais crítica a aplicação, mais importante se torna saber onde seus dados são armazenados e processados.
O Google Cloud afirma ainda que os dados e resultados dos clientes não são utilizados para treinar modelos de linguagem base sem consentimento explícito, independentemente da região ou do modelo utilizado.
💡 A aposta do Google é levar a IA agêntica de uma experiência de chatbot para uma camada de infraestrutura corporativa.
E o hardware também chega mais perto ⚙️
A expansão não ficará restrita ao software.
As máquinas virtuais Google Cloud G4, equipadas com GPUs NVIDIA RTX PRO 6000 Blackwell Server Edition, já estão disponíveis na região de nuvem de São Paulo.
Esses aceleradores são direcionados a cargas de trabalho de IA que exigem grande capacidade computacional, especialmente inferência pesada e aplicações em tempo real.
Para empresas brasileiras, isso reduz a distância entre o dado corporativo e a infraestrutura utilizada para processá-lo.
É um movimento importante em um mercado no qual agentes de IA deixam gradualmente de ser apenas experimentos internos e começam a assumir tarefas operacionais.
O Gemini Enterprise quer sair do protótipo 🧩
A segunda frente anunciada pelo Google Cloud está dentro do próprio Gemini Enterprise.
A empresa apresentou novos recursos destinados a tornar mais simples o desenvolvimento, implantação e gerenciamento de agentes conectados aos dados corporativos.
Um dos novos recursos é o Projects, que cria espaços persistentes para trabalhar com determinados arquivos e documentos.
Eles podem ser utilizados individualmente ou compartilhados com equipes, preservando histórico, contexto e estado operacional.
Outro componente é o Skills Registry, um registro centralizado para administrar as habilidades utilizadas pelos agentes.
As skills podem reunir instruções, scripts e outros recursos necessários para ensinar um agente a executar uma tarefa especializada.
Um tipo de “laboratório” para agentes 🧪
O Agent Sandbox segue outra direção.
Ele oferece um ambiente isolado e gerenciado no qual agentes podem compilar e executar código, utilizar interfaces de linha de comando e até operar um ambiente computacional completo.
Isso inclui recursos como navegação na web, cliques e capturas de tela.
A ideia é permitir que organizações testem agentes capazes de executar ações reais sem simplesmente colocá-los diretamente dentro dos ambientes de produção.
🧠 A mudança de mentalidade é relevante: não se trata mais apenas de perguntar algo ao modelo. O agente precisa ter ferramentas, contexto, permissões e um ambiente controlado para executar tarefas.
Banco de dados também entra na equação
O Google Cloud também apresentou o AlloyDB para Agentes, uma arquitetura baseada em PostgreSQL projetada para aplicações com grandes quantidades de agentes colaborativos.
Segundo a empresa, a tecnologia foi concebida para suportar milhões de agentes, permitindo consultas operacionais em tempo real e análises de lakehouse sem sobrecarregar os sistemas principais de produção.
Isso toca em um dos problemas menos glamourosos, mas mais importantes, da IA empresarial: onde guardar, consultar e atualizar todo o contexto usado pelos agentes?
Quanto mais agentes entram em operação, maior tende a ser a pressão sobre bancos de dados, sistemas legados e pipelines de dados.
Empresas brasileiras já estão colocando os agentes para trabalhar 🏢
O Google Cloud apresentou também exemplos de organizações brasileiras que utilizam o Gemini Enterprise em diferentes setores.
| Empresa | Uso de IA | Resultado citado |
|---|---|---|
| Bradesco | Análises fiscais, contábeis e contratuais | Revisões de documentos caíram de 1 hora para 5 minutos |
| CNA | Assistente de inteligência agronômica no WhatsApp | Atendimento e orientação a milhões de produtores |
| Livelo | Moderação de avaliações e processos de canais e campanhas | 20 mil horas recuperadas por ano |
| Sabesp | Fluxo jurídico e identificação de possíveis multas | Mais eficiência na preparação de defesas |
| SulAmérica | Agentes para chamados e relatórios | Centenas de horas operacionais liberadas |
O padrão é interessante.
Em vez de concentrar a IA em uma única aplicação, as empresas estão explorando agentes especializados para tarefas bastante específicas.
💼 E existe uma consequência direta: quando uma tarefa que consumia horas passa a ser executada por um agente, o ganho não está necessariamente em reduzir pessoas, mas em deslocar tempo operacional para atividades de maior valor, segundo a lógica apresentada pelo Google Cloud.
Magalu e Natura entram no desenvolvimento de agentes
Para ajudar nessa transição, o Google Cloud também está ampliando sua equipe brasileira de Forward-Deployed Engineers (FDEs).
São engenheiros especializados em IA que trabalham diretamente com as equipes técnicas dos clientes para desenvolver aplicações voltadas a necessidades específicas do negócio.
Entre as empresas que já trabalham com esses especialistas estão Magalu e Natura.
A estratégia mostra que a adoção corporativa de agentes não depende apenas de disponibilizar um modelo poderoso.
Existe uma camada considerável de integração, dados, segurança, arquitetura e governança entre o chatbot funcionando em uma demonstração e um agente autorizado a executar tarefas dentro de uma grande companhia.
O problema: mais autonomia também significa mais risco 🛡️
É justamente aqui que entra a nova frente de segurança do Google Cloud.
A empresa anunciou o Agentic Defense, conjunto de soluções destinado a proteger diferentes partes do ciclo de vida da IA.
Em parceria com a Wiz, empresas brasileiras poderão ter acesso a uma avaliação gratuita de exposição de segurança utilizando o Red Agent, ferramenta de pentest baseada em IA.
O sistema procura riscos exploráveis, valida vulnerabilidades e produz um relatório priorizado para correção.
Model Armor fica mais preparado para a era dos agentes
O Model Armor também recebeu novas capacidades.
Entre elas estão:
• Triagem nativa de imagens.
• Detecção aprimorada de prompt injection indireto em arquivos do Google Workspace.
• Janela de contexto de até 64 mil tokens em disponibilidade geral.
• Listas de exclusão para reduzir falsos positivos.
• Suporte ampliado a modelos Anthropic hospedados no Gemini Enterprise, em Public Preview.
O ponto central é que a segurança precisa acompanhar o próprio comportamento dos agentes.
Um sistema que apenas gera texto apresenta uma superfície de risco diferente de outro capaz de acessar arquivos, executar código, navegar na web e interagir com sistemas corporativos.
E quem controla as credenciais do agente?
Outro anúncio foi o Auth Manager, já em disponibilidade geral.
A ferramenta foi desenvolvida para reduzir a quantidade de código personalizado necessária para atualização de tokens, gerenciamento de credenciais e fluxos OAuth complexos.
O Google Cloud também colocou em Public Preview o suporte a JSON Web Token (JWT) para autenticação criptograficamente atestada em arquiteturas de agente para agente, conhecidas como A2A.
🔎 O detalhe importa: quando agentes começam a conversar entre si e executar ações em sequência, identidade e autorização deixam de ser detalhes de implementação. Elas passam a fazer parte da arquitetura central do sistema.
Brasil também vira campo de treinamento 🎓
A expansão não termina na infraestrutura.
O Google Cloud anunciou 10 mil vouchers gratuitos de certificação para desenvolvedores brasileiros.
Entre as credenciais estão certificações como Associate Cloud Engineer e Generative AI Leader.
A iniciativa faz parte da meta declarada pela companhia de capacitar 3 milhões de brasileiros em tecnologias de nuvem e IA até 2030.
Durante o Summit em São Paulo, a empresa também realizará uma nova edição do Capacita+, programa gratuito de treinamento em IA.
A iniciativa envolve mais de 150 instituições de ensino e pretende treinar 200 mil pessoas em um único dia no Brasil e na América Latina.
A adoção está avançando. A governança, nem tanto.
O anúncio ocorre em um momento em que a diferença entre experimentar IA e colocá-la efetivamente para trabalhar começa a ficar mais evidente.
Segundo estudo encomendado pelo Google Cloud e realizado pela IDC e Provokers, 62% das organizações brasileiras estão implementando ou acelerando a adoção de agentes de IA.
Mas apenas 17% já consolidaram essa implementação com os níveis de governança considerados necessários para levar agentes a múltiplos processos críticos.
Essa diferença ajuda a explicar o pacote anunciado nesta quinta-feira.
O Google não está apresentando apenas modelos. Está combinando chips, nuvem, dados, agentes, bancos de dados, segurança, autenticação e capacitação em uma mesma estratégia.
E isso muda a natureza da disputa.
Até pouco tempo, a pergunta era qual empresa tinha o modelo mais capaz.
Agora começa uma pergunta bem mais difícil: qual infraestrutura consegue colocar milhões de agentes para trabalhar sem perder controle sobre custo, dados, permissões e segurança?
No Brasil, o Google Cloud acaba de sinalizar que pretende disputar essa resposta com infraestrutura instalada no próprio país. A próxima etapa será descobrir quantas dessas máquinas, certificações e plataformas realmente chegarão aos processos críticos das empresas até 2030.
