Jul, 134 min de leitura
Automação
News · Resumo dos clientes do Google no Cloud Next '26: o que está realmente indo pro ar
Apr, 224 min de leitura
AutomaçãoResumo dos clientes do Google no Cloud Next '26: o que está realmente indo pro ar
Por trás de dez implantações de agentes de destaque, há uma única plataforma recorrente e um punhado de números que sustentam tudo
Gemini Enterprise é o fio condutor, não os dez logotipos
O post apresenta dez histórias independentes, mas a maioria delas passa pelo mesmo produto. O Magic Apron da Home Depot e seu agente de telefone são construídos sobre o Gemini Enterprise e o Gemini Enterprise for Customer Experience. A plataforma de até 1 bilhão de dólares da Merck implanta o Gemini Enterprise em P&D, manufatura, área comercial e funções corporativas. A Mars nomeou o Gemini Enterprise seu "sistema operacional de IA principal". A solução de compras da Unilever usa o Gemini Enterprise Agent Platform, assim como o AI Concierge da Vodafone. O Rovey da Virgin Voyages funciona com Gemini Enterprise mais Google Distributed Cloud.
Essa repetição é o verdadeiro anúncio. O Google não está mostrando dez colaborações de pesquisa feitas sob medida; está demonstrando que uma plataforma comercial está sendo adotada como camada padrão dentro de grandes empresas. Os nomes dos clientes dão credibilidade; o nome do produto conta a história real.
Quais números têm peso, e quais são só decoração
Alguns números do post são concretos e verificáveis. Os agentes de playtesting da Capcom registram mais de 30 mil horas de teste por mês, navegando por mundos de jogos para encontrar bugs, falhas visuais e inconsistências de áudio. A Home Depot relata que seu agente de telefone conseguiu identificar a necessidade de quem ligava em até 10 segundos, num piloto em todo o país. A Citadel Securities cita TPUs executando cargas de trabalho de IA até quatro vezes mais rápido a um custo 30% menor, reduzindo tarefas que levavam dias a apenas minutos. A Tata Steel implantou mais de 300 agentes especializados em nove meses. A Virgin Voyages diz que o Distributed Cloud cortou os prazos de produção em até 60%.
Outras afirmações são mais aspiracionais do que medidas. O investimento da Merck é "avaliado em até 1 bilhão de dólares" e visa aumentar a produtividade de 75 mil funcionários, mas nenhum resultado concreto é reportado. A "personalização em escala" da Unilever para 3,7 bilhões de pessoas descreve uma ambição, não um resultado já implantado. Cabe ao leitor separar as métricas de piloto das promessas — as evidências mais fortes aqui vêm da Capcom, da Citadel e da Home Depot, onde um número específico está atrelado a uma tarefa específica.
A infraestrutura por trás dos agentes
Duas das dez histórias são, na verdade, sobre hardware e implantação de ponta, não sobre agentes propriamente ditos. A citação da Citadel Securities gira inteiramente em torno da TPU Ironwood e da execução de milhares de chips em paralelo para uma única carga de trabalho — um argumento de que os pesquisadores deveriam ser limitados pela própria criatividade, e não pela escala ou pelo custo da plataforma. O Rovey da Virgin Voyages depende do Google Distributed Cloud para manter o agente concierge funcionando em navios com conectividade limitada em alto mar.
Essas inclusões importam porque mostram onde a restrição realmente está. Um agente só é útil na medida do acesso barato a poder computacional e da conectividade que consegue suportar sem ela. O custo por experimento da Citadel e a resiliência offline da Virgin são as condições que viabilizam a camada de agentes, e o Google está discretamente colocando em evidência seu silício e sua infraestrutura de ponta ao lado dos seus modelos.
A mudança que esse resumo documenta: de assistentes gerais para frotas com tarefas bem definidas
O detalhe mais revelador é o quão restritos são a maioria desses agentes. A Capcom descreve agentes de inspeção visual, preditivos e de conhecimento institucional — três funções especializadas, não um assistente geral único. A Tata Steel fala de uma frota de mais de 300 agentes e de uma plataforma low-code, a Zen AI, que permite que quem não é cientista de dados construa e implante os próprios agentes. A Unilever construiu uma solução multiagente voltada especificamente para decisões de compras. Até as ferramentas voltadas ao cliente têm funções bem delimitadas: o agente de telefone da Home Depot direciona a intenção da chamada; o Citi Sky responde "Estou bem financeiramente?" e deixa claro que não substitui consultores.
Esse é o padrão de automação que vale a pena tirar desse post. As implantações que trazem números reais são justamente as voltadas para uma tarefa limitada e repetitiva — horas de playtesting, direcionamento de chamadas, iterações de pesquisa — em vez de raciocínio aberto e irrestrito. Para times que estão construindo seus próprios agentes, a lição não é que os agentes conseguem fazer tudo, mas que os que já produzem resultados mensuráveis são justamente aqueles com uma única tarefa bem definida e a infraestrutura necessária para executá-la em volume.
Find this story relevant to you?
Contact us to find a unique solution
Precisa de um parceiro de engenharia de IA que consiga construir de verdade?
Ajudamos empresas no Brasil a integrar IA, acelerar produtos com IA, automatizar operações e modernizar os sistemas de software por trás do negócio.
Leituras relacionadas
Mais análises sobre entrega de produto, IA operacional e o trabalho de sistemas que faz a implantação se sustentar na prática.