Ao combinar a profundidade analítica do Looker com o Agentic Data Cloud do Google, a capacidade de modelar, interagir e extrair valor dos dados corporativos atinge um novo patamar. No Next '26, o Google apresentou uma releitura de sua stack de BI focada na era da IA, com uma integração mais profunda com o BigQuery. A estratégia é clara: fornecer dados confiáveis e insights prescritivos para que agentes realizem ações automatizadas.
A arquitetura do Looker foi reconstruída com o Gemini para impulsionar essa nova geração de agentes. Para times de engenharia e stakeholders brasileiros, isso significa focar em inovar rapidamente sem sacrificar a precisão ou o rigor da governança corporativa.
BI Conversacional e Agentes: De conversas para ações
A grande mudança exposta no evento é o movimento de agentes que não apenas entregam respostas estáticas, mas disparam fluxos downstream baseados na semantic layer do Looker.
Hoje, o Looker introduz novos agentes:
- Conversational Agents (Preview): Upgrade significativo no agente de Conversational Analytics, agora com maior capacidade de grounding semântico. Ferramentas de visibilidade permitem que administradores monitorem a performance e a precisão do modelo em escala, além da integração direta com o Gemini Enterprise.
- Dashboard Agents (Preview): Traz capacidade de consulta em linguagem natural diretamente para dentro de dashboards.
- Embedded Conversational Experiences (GA): Permite embedar agentes em fluxos de trabalho ou aplicações customizadas via UI ou API.
- Agentic Workflows (Preview): Agentes que monitoram métricas em busca de irregularidades ou correlações, sugerindo recomendações pró-ativas.
Reimagining self-service: Poder da IA, controle de UI
O objetivo do Google é tornar o self-service de dados mais intuitivo, reduzindo o atrito para usuários de negócio sem remover o controle do time de dados.
- Interface modernizada: Interface drag-and-drop inspirada na experiência Google, com foco em Explores orientados por IA.
- Visualization & Expression Assistants: O Gemini agora permite criar filtros, métricas e ajustes visuais usando linguagem natural, eliminando a dependência do usuário final em sintaxes complexas.
- Self-service Explores (GA): A capacidade de mesclar fontes externas (CSV/Excel) com dados da empresa, mantendo o controle do LookML por trás da cena, garante que a agilidade do usuário não quebre a governança da companhia.
Uma plataforma aberta e confiável
Manter uma semantic layer centralizada é a defesa mais eficaz contra alucinações de IA. O Google reforça isso com o suporte ao Model Context Protocol (MCP) e novos recursos para desenvolvedores:
- Looker Extension para VS Code: Um agente de LookML que permite o uso de natural language para gerar código de modelagem, traduzindo intenção de negócio em LookML production-ready.
- CI/CD (GA): Integração avançada de CI que automatiza a validação de queries e testes de conteúdo, essencial para evitar que mudanças em modelos impactem negativamente os relatórios em produção.
- Knowledge Catalog: Integração que transforma metadados em um grafo semântico, fornecendo o contexto necessário para que agentes operem com precisão.
Em resumo, a era do Agentic BI exige que empresas brasileiras repensem sua estratégia de dados não como um repositório de visualizações, mas como o motor de ações automatizadas. O sucesso aqui dependerá da qualidade da sua semantic layer e de como seus times de engenharia orquestram a governança dentro desses novos fluxos de trabalho automatizados.
Artigo originalmente publicado por Karthik RamakrishnanVice President, Engineering, Data Cloud em Cloud Blog.
