O dado que mudou silenciosamente o jogo de infraestrutura corporativa em 2026: na Neon — Postgres serverless adquirida pela Databricks e tecnologia-base do Lakebase — agentes de IA já criam 80% de todos os bancos de dados novos e 97% dos branches. Workloads multi-agente cresceram 327% em apenas quatro meses. O DBA não é mais o gatekeeper da camada operacional. Quem cria, pivota e descarta esquema são processos autônomos. Para CIOs no Brasil, o sinal é categórico: a arquitetura de dados que vai sustentar 2027 não cabe na governança que você desenhou em 2023.
O que é Lakebase e por que importa
Lakebase é uma classe nova de banco de dados, anunciada pela Databricks em fevereiro e generally available em Azure desde maio. Tecnicamente: um Postgres serverless gerenciado, sentado em cima do lakehouse, com capacidade de leitura/escrita transacional e analítica unificada. Conceitualmente: o fim da divisão entre OLTP e OLAP que dominou os últimos 20 anos de banco de dados.
A consequência prática: agentes de IA não precisam mais montar pipelines ETL para mover dados de produção (Postgres, Oracle, SQL Server) para data warehouses (Snowflake, Redshift, BigQuery) antes de raciocinar sobre eles. Lendo, escrevendo e operando sobre o mesmo storage, o agente fecha o loop em milissegundos onde antes era trabalho de horas.
Por que 80% dos novos databases têm criação automatizada
O dado da Neon descreve o comportamento de 20 mil organizações que usam o serviço. O padrão dominante: o agente recebe uma tarefa, decide que precisa de espaço de trabalho isolado, cria um branch (cópia lógica do banco), faz seu trabalho, descarta. Cada experimento, cada agente paralelo, cada teste — uma instância nova.
O DBA tradicional, que provisionava esquema com semanas de antecedência e dois forms preenchidos, virou ineficiência operacional. Os agentes operam em janela de minutos. Os 97% de branches criados por agentes mostram que o desenvolvimento humano também migrou — devs estão usando branching de banco como Git para código.
O efeito de 327% em workflows multi-agente
Os 327% de crescimento em multi-agent workflows em quatro meses revelam o que está consumindo capacidade computacional do enterprise: agentes orquestrando outros agentes. Um agente principal recebe um chamado de cliente, dispara três sub-agentes (consulta CRM, valida pagamento, gera carta de cobrança), recebe resultados, decide próximo passo. Cada um precisa de contexto persistente, e Lakebase é onde esse contexto vive.
O efeito colateral: bancos de dados como entendíamos — entidades estáveis com schema versionado por humano e ciclo de vida medido em anos — viraram exceção. A regra agora é instância efêmera, criada para uma tarefa, descartada em horas. A camada de governança precisa ser reescrita.
Onde isso quebra a governança atual
Três frentes onde a maioria dos times de dados brasileiros está exposta. Primeiro, LGPD: como você documenta tratamento de dado pessoal num banco que existe por 4 horas e foi criado por um agente? Os ROPAs (Records of Processing Activities) atuais foram desenhados para sistemas estáticos.
Segundo, custo: a maioria dos times opera com modelo de licenciamento por instância ou por core. Se o agente cria 50 bancos por dia, esse modelo explode. Lakebase e Neon usam billing serverless por uso real, mas o orçamento corporativo brasileiro não foi feito para variabilidade desse tipo — vai gerar atrito com finance.
Terceiro, observabilidade: stacks de monitoramento (Datadog, New Relic, Grafana) foram construídas para topologia estável. Quando agentes criam e destroem databases dezenas de vezes por hora, dashboards baseados em “host fixo” deixam de fazer sentido. Quem está observando o quê?
O que a Accenture está fazendo
A Accenture e a Databricks formaram em fevereiro o Accenture Databricks Business Group, com 25 mil profissionais certificados, mirando exatamente esse vácuo. A oferta consiste em deploy combinado de Lakebase, Genie e Agent Bricks com governança turnkey. O fato de a Accenture ter dimensionado uma operação desse tamanho mostra onde o gasto enterprise está indo nos próximos 24 meses.
No Brasil, a Accenture já está no campo com clientes de banking, energia e varejo, e empresas brasileiras de TI (Stefanini, TIVIT, ATP) estão correndo atrás de certificação Databricks. O CIO que esperar 6 meses vai contratar consultoria com uplift de 30-40% em valor de hora porque o pipeline da Accenture vai estar lotado.
O que CIOs brasileiros precisam fazer agora
Quatro decisões que precisam estar pautadas até o final de Q2. Primeiro, mapear quais workloads atuais ainda fazem sentido em arquitetura clássica (Postgres + Snowflake + ETL) e quais já precisariam de Lakebase ou equivalente para escalar agentes. Quase nenhum CIO brasileiro fez esse exercício.
Segundo, redesenhar os ROPAs e a documentação LGPD para incluir databases efêmeros criados por agente — com critério de retenção, masking e exclusão automática — antes que a ANPD note essa exposição em fiscalização. Terceiro, renegociar contratos de cloud database com cláusula de escalabilidade dinâmica.
Quarto, e talvez o mais difícil: pacificar internamente que o time de DBA tradicional vai mudar de papel. Não desaparece — vira responsável por governança e por padrões de uso seguros, não por provisionamento manual. O CIO que perder essa conversa vai ver o time melhor pedir demissão para uma vendor de IA, e vai ter um pesadelo de retenção em 2027.
Publicado em 10 de maio de 2026.
]]>
