RespostasPublicado19 fontes
Google amplia acesso a dados entre nuvens para agentes de IA, com ressalvas sobre custos
Em 4 de novembro de 2026, o Google anunciou novidades para permitir que agentes de IA consultem dados distribuídos e usem contexto de negócios compartilhado. O Borderless Lakehouse é baseado no formato aberto Apache Iceberg e foi apresentado como uma forma de consultar dados sem reuni los primeiro em um único ambiente.
Publicado porEditado com GPT-6 LunaImagens geradas com GPT Image 2
Resposta de pesquisa
Principais conclusões
- Em 4 de novembro de 2026, o Google anunciou novidades para permitir que agentes de IA consultem dados distribuídos e usem contexto de negócios compartilhado.
- O Borderless Lakehouse é baseado no formato aberto Apache Iceberg e foi apresentado como uma forma de consultar dados sem reuni los primeiro em um único ambiente.
- A disponibilidade varia entre os recursos, e as informações disponíveis não demonstram que o acesso entre nuvens elimina todos os custos nem que os agentes possam executar processos empresariais com segurança.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Google announce on November 4, 2026, about its Agentic Data Cloud, first introduced at Google Cloud Next 2026, and how do its Apach. Article summary: On November 4, 2026, Google announced updates to its Agentic Data Cloud centered on querying distributed data and giving AI agents more consistent business context, extending the architecture introduced at Google Cloud N. Topic tags: general, documentation, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
A atualização do Agentic Data Cloud anunciada pelo Google em 4 de novembro de 2026 tem um objetivo prático: permitir que agentes de inteligência artificial usem dados espalhados por diferentes ambientes de nuvem sem que tudo precise ser consolidado antes em um único lugar. A proposta também inclui fornecer contexto de negócios para que os agentes interpretem essas informações. O Borderless Lakehouse, baseado em Apache Iceberg, e o Knowledge Catalog são as peças centrais. Mas os recursos não têm todos o mesmo status de disponibilidade, e as informações disponíveis não comprovam que consultar dados entre nuvens elimina todos os custos ou confirma toda economia anunciada. 4
10
Lakehouse: consultar os dados onde eles estão
O Google descreve o Borderless Lakehouse como uma base de dados governada, construída sobre o formato aberto Apache Iceberg. Na documentação do Lakehouse, o Iceberg é apresentado como fundamento de uma interface unificada para análises e aplicações de IA. 4
1 Os materiais do Google dizem que é possível consultar e ativar dados em diferentes nuvens sem transferi-los; uma cobertura da atualização afirma que as consultas podem acessar dados na AWS e no Azure.
15
3
A proposta difere de levar os dados para um repositório central antes de analisá-los. Em tese, consultar os dados no local pode reduzir a necessidade de criar pipelines apenas para copiá-los entre sistemas. Ainda assim, o funcionamento depende de conexões, permissões, formatos e serviços configurados adequadamente.
Disponibilidade geral não vale automaticamente para todos os recursos
A página de produto do Google informa que o Borderless Lakehouse está disponível de forma geral. 11 Isso não significa que todas as integrações e funções de federação tenham o mesmo status: a visão geral do Lakehouse classifica como prévia a federação de catálogos com AWS Glue, Databricks Unity Catalog e Snowflake Horizon.
10 A documentação do Google também descreve uma conexão entre nuvens para consultar, no Google Cloud, dados do Databricks Unity Catalog.
Essa diferença importa ao avaliar afirmações sobre interconexões privadas, cache ou integrações sem cópia de dados. Os trechos disponíveis não confirmam todos os detalhes de rede e cache para AWS e Azure nem integrações desse tipo com SAP, Workday e Salesforce. Portanto, não é possível tratar essas especificações como comprovadas aqui.
Knowledge Catalog: contexto além das tabelas
Ter acesso a tabelas não basta para que um agente saiba o que um indicador significa, qual definição uma equipe adota ou como diferentes conjuntos de dados se relacionam. O Google apresenta o Knowledge Catalog como uma forma de acrescentar significado de negócio e contexto governado aos dados usados por agentes. No anúncio de novembro, a empresa afirma que o Borderless Lakehouse se integra ao Knowledge Catalog para indexar dados distribuídos e não estruturados na nuvem e oferecer contexto aos agentes. 4
O Google também descreveu como prévias o enriquecimento de contexto com aprendizado contínuo e o Knowledge Studio. A ideia do enriquecimento é usar interações de agentes e usuários para identificar lacunas no contexto de negócios; o Knowledge Studio oferece ferramentas para que responsáveis pelos dados explorem e revisem esse contexto. 19 São recursos de gestão de contexto, mas, por si sós, não demonstram que um agente consiga executar um processo empresarial com segurança.
As notas de versão do Gemini Enterprise documentam, em prévia, um modo de consulta federada para conectores do Data Cloud e a integração com o Knowledge Catalog. Quando um conector federado do Data Cloud é associado, o Knowledge Catalog é ativado automaticamente para o Assistente, com ferramentas somente de leitura para buscar dados aos quais o usuário tenha acesso e recuperar contexto técnico e de negócios. 17 Trata-se de uma integração documentada e delimitada — não de uma confirmação de todas as alegações mais amplas sobre o suporte do Gemini.
Custos de transferência não são o custo total
A proposta do Google destaca o acesso a dados sem movê-los, e a cobertura do anúncio descreve consultas em AWS e Azure sem custos variáveis de saída de dados. 15
3 No entanto, os trechos disponíveis do anúncio e da documentação não demonstram que todas as cobranças associadas a serviços remotos desapareçam nem trazem detalhes suficientes para estimar o custo total de uma carga de trabalho específica.
Da mesma forma, o material fornecido não comprova a redução de cerca de 40% nos custos de movimentação de dados atribuída à talabat nem confirma a configuração específica que envolveria dados Iceberg no Amazon S3 consultados pelo BigQuery. Mesmo que uma economia na movimentação fosse verificada, isso não provaria, por si só, uma redução equivalente no custo total das consultas ou na conclusão de uma tarefa por um agente.
Outros bancos de dados: o que é possível afirmar
Uma cobertura da época inclui AlloyDB e BigQuery entre os produtos que receberam atualizações junto com o Knowledge Catalog. 3 Os trechos disponíveis, porém, não comprovam a afirmação específica de que o AlloyDB possa combinar diretamente registros históricos Iceberg com dados operacionais em tempo real do PostgreSQL.
O Spanner Omni é outra parte relevante da estratégia de dados do Google, mas foi anunciado como disponível de forma geral em 30 de setembro de 2026 — antes do anúncio de 4 de novembro. O Google o descreveu como um banco de dados distribuído e multimodelo que pode ser implantado em ambientes locais ou em outras nuvens. 20
O que o anúncio mostra — e o que não mostra — sobre agentes
A conclusão sustentada pelas fontes é que o Google está construindo uma camada de acesso a dados entre nuvens e combinando-a com contexto compartilhado para assistentes e agentes de IA. Isso pode ajudar os sistemas a encontrar informações relevantes e usar definições consistentes. 4
17
19
Mas esse avanço não demonstra, por si só, que um agente consiga executar com segurança um processo empresarial. Para isso, seriam necessárias evidências separadas sobre permissões, validação, gestão de transações, auditoria, recuperação de falhas e custo total por tarefa concluída com sucesso. Os trechos fornecidos também não trazem detalhes suficientes para confirmar as avaliações de analistas citadas nem comparações com Microsoft, Databricks, Snowflake e AWS. O anúncio indica uma direção para a plataforma; alegações sobre execução autônoma e seus custos exigem evidências além do acesso a dados e dos recursos de contexto.
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "Google amplia acesso a dados entre nuvens para agentes de IA, com ressalvas sobre custos"?
Em 4 de novembro de 2026, o Google anunciou novidades para permitir que agentes de IA consultem dados distribuídos e usem contexto de negócios compartilhado.
Quais são os pontos-chave para validar primeiro?
Em 4 de novembro de 2026, o Google anunciou novidades para permitir que agentes de IA consultem dados distribuídos e usem contexto de negócios compartilhado. O Borderless Lakehouse é baseado no formato aberto Apache Iceberg e foi apresentado como uma forma de consultar dados sem reuni los primeiro em um único ambiente.
O que devo fazer a seguir na prática?
A disponibilidade varia entre os recursos, e as informações disponíveis não demonstram que o acesso entre nuvens elimina todos os custos nem que os agentes possam executar processos empresariais com segurança.