HPE Zerto usa agentes de IA para acelerar recuperação de desastres

Agentes de IA no coração da recuperação de desastres

Empresas que operam infraestrutura híbrida e multi-nuvem enfrentam um dilema crescente: à medida que os ambientes ficam maiores e mais críticos, o trabalho de monitorar saúde, interpretar alertas e investigar falhas se espalha por painéis, relatórios e documentação fragmentada. A HPE Zerto, especializada em resiliência cibernética e recuperação de desastres, decidiu atacar esse problema com um sistema de solução de problemas agente-driven construído sobre o Amazon Bedrock.

O resultado é um assistente embutido no próprio produto Zerto, acessível pela mesma interface que as equipes já usam no dia a dia. Em linguagem natural, ele responde perguntas operacionais, investiga falhas e sugere caminhos de recuperação — tudo ancorado no estado real do ambiente do cliente.

O desafio de negócio

Equipes de proteção de dados e recuperação de desastres trabalham sob pressão constante. As informações necessárias para responder a uma pergunta operacional costumam estar espalhadas entre alertas de produto, eventos e documentação, obrigando os operadores a juntar contexto manualmente antes de agir. Durante uma interrupção ou ataque cibernético, esse atraso se transforma em custo real: a incerteza é alta e as equipes precisam de orientação confiável com rapidez.

A HPE Zerto identificou quatro dores específicas: perda de tempo alternando entre dashboards e fontes de conhecimento; dificuldade de administradores menos experientes em interpretar sintomas; falta de resumos rápidos de risco e exposição de SLA para gestores; e, nos piores momentos, atrasos que amplificam o impacto de qualquer incidente.

Arquitetura em camadas

O sistema foi desenhado em quatro camadas. A camada de interface é um chat embutido no Zerto UI, com streaming em tempo real via Server-Sent Events (SSE) para mostrar o progresso da investigação enquanto ela acontece. A camada agêntica roda como um pod dentro do ambiente on-premises, usando o framework Strands Agents. A camada de inteligência faz a inferência via Amazon Bedrock, com roteamento para o modelo escolhido e aplicação de Amazon Bedrock Guardrails antes e depois da geração. Por fim, a camada de observabilidade envia telemetria ao Amazon CloudWatch.

Um detalhe importante é o uso de servidores MCP (Model Context Protocol): um servidor local expõe as APIs do Zerto Manager de forma estruturada e tipada, dando ao agente acesso ao estado ao vivo do ambiente. Isso, segundo a equipe, acelerou significativamente o desenvolvimento — em vez de escrever integrações sob medida para cada ferramenta, os agentes simplesmente chamam o MCP.

Fluxo multiagente com hub-and-spoke

O sistema não é um agente monolítico. Um agente Orquestrador decide quando delegar trabalho a subagentes especializados. Perguntas de rotina são respondidas diretamente; investigações profundas, que exigem vasculhar logs, são roteadas para subagentes dedicados — o ZVM agent (para falhas de serviço, rede e upgrades) e o VRA agent (para problemas de replicação entre sites).

A topologia é hub-and-spoke: toda delegação passa pelo Orquestrador, e um subagente que descobre que o problema pertence a outro domínio reporta de volta ao pai em vez de chamar o colega diretamente. Isso mantém um único ponto de controle para regras de segurança e a resposta final, evita recursão descontrolada entre agentes e facilita o rastreamento em telemetria.

Resultados medidos

Desde o lançamento no segundo trimestre de 2026, mais de 20% dos clientes da HPE Zerto já adotaram o sistema. Em produção, a empresa observou uma redução de 10% nos casos de suporte para fluxos cobertos pelo agente, com investigação e resolução de problemas comuns feitas por autoatendimento guiado dentro do produto.

Internamente, a equipe de engenharia passou a usar o sistema para investigar e resolver falhas operacionais, e o time de QA integrou o agente aos seus fluxos de teste, acelerando a identificação de defeitos.

O que a HPE Zerto aprendeu

• Implantação on-premises muda a arquitetura por completo. A restrição de que nenhum dado do cliente poderia sair da rede interna moldou cada decisão, da escolha do SDK Strands ao design do servidor MCP para acesso local.
• MCP é um padrão eficaz para ancorar agentes em dados operacionais reais, evitando o trabalho manual de integração.
• Decomposição multiagente melhora a confiabilidade. Quebrar o fluxo em agentes especializados com responsabilidade limitada tornou cada componente testável de forma independente.
• Streaming gera confiança. Mostrar o progresso da investigação em tempo real melhorou substancialmente a experiência do usuário.