O que mudou
A AWS anunciou no final de julho de 2026 a Experiência de Catálogo Agentic (Agentic Catalog Experience) para o Amazon Quick, sua plataforma de analytics com linguagem natural. A novidade usa agentes de IA para automatizar a descoberta, catalogação e preparação de ativos de dados — eliminando boa parte do trabalho manual que curadores de dados enfrentam diariamente.
Na prática, o curador agora descreve em linguagem natural o que precisa — por exemplo, “dados de vendas do último trimestre por região” — e o agente navega pelo catálogo upstream, encontra as tabelas relevantes, verifica relacionamentos, herda descrições semânticas e cria automaticamente Datasets e Tópicos prontos para consumo.
Por que isso importa
O gargalo da análise de dados com IA generativa não está na capacidade dos modelos de gerar SQL — está na qualidade do contexto semântico que alimenta esses modelos. Se as tabelas não têm descrições claras de colunas, relacionamentos documentados e metadados de negócio, o melhor LLM do mundo produz SQL incorreto ou irrelevante.
A Experiência de Catálogo Agentic ataca exatamente esse problema: ela faz a semântica fluir automaticamente do catálogo central para os ativos de analytics. O agente herda descrições de colunas, tipos de dados, relacionamentos de chave estrangeira e regras de negócio documentadas no catálogo upstream — sem que o curador precise copiar e colar manualmente.
Como funciona
O fluxo de trabalho tem três etapas:
- Descoberta: o curador faz uma pergunta em linguagem natural. O agente consulta o catálogo do Amazon Quick, que indexa fontes como Amazon Redshift, S3, RDS e catálogos do AWS Glue.
- Herança semântica: o agente identifica as tabelas candidatas, herda automaticamente descrições de colunas, metadados de negócio e relacionamentos entre tabelas do catálogo upstream.
- Criação automatizada: o agente gera Datasets e Tópicos no Amazon Quick já enriquecidos com metadados semânticos — prontos para consulta em linguagem natural por analistas de negócio.
O que diferencia de um catálogo tradicional
Catálogos de dados existem há anos (AWS Glue, Collibra, Alation), mas sempre dependeram de curadores humanos para manter a qualidade semântica. O diferencial aqui é que o agente age — ele não apenas lista tabelas, ele cria os artefatos downstream automaticamente, herda contexto e reduz o ciclo de preparação de dados de horas para minutos.
Isso é especialmente relevante para organizações com centenas ou milhares de tabelas, onde a documentação manual de metadados é inviável.
Limitações e contexto
O anúncio é focado no ecossistema AWS — a herança semântica funciona melhor quando o catálogo upstream já está bem documentado no AWS Glue ou em fontes gerenciadas pela AWS. Organizações com catálogos em ferramentas de terceiros podem não aproveitar o mesmo nível de automação. Além disso, o recurso está sendo lançado como parte do Amazon Quick Suite, que tem custo adicional sobre as edições básicas do QuickSight.
Para o cenário brasileiro, onde muitas empresas estão nos estágios iniciais de governança de dados, o valor está mais na visão de futuro do que na adoção imediata: a direção é clara — agentes de IA farão a curadoria semântica, e os humanos focarão em definir as perguntas de negócio.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
