Data is Back: MongoDB, Databricks, Snowflake

Contexto

CJ Desai, CEO do MongoDB, discute o papel central da camada de dados na era da Inteligência Artificial. Em conversa com Molly O'Shea no RAISE Summit, ele analisa a transição das arquiteturas de dados, o retorno do processamento on-premise e o papel do MongoDB como a infraestrutura de memória para aplicações de agentes de IA.

Pontos Principais

• O Retorno dos Dados: Desai defende que "os dados são o herói não celebrado" da IA. A qualidade de qualquer aplicação de IA é limitada pela qualidade e pela camada de dados que a sustenta.
• Capacidade dos Hyperscalers: O executivo relata que grandes hyperscalers estão atingindo limites de capacidade, recusando demandas de clientes do top 50 global. Isso tem forçado empresas a reconsiderar o on-premise e a soberania de dados, não apenas por regulação, mas por necessidade física de infraestrutura.
• Arquitetura de Agentes: O MongoDB atua como uma camada de memória para agentes de IA (como no caso da ElevenLabs, que opera mais de 50 milhões de agentes na plataforma). Desai observa que, em grandes empresas, a arquitetura de agentes é complexa, envolvendo dezenas de ferramentas, modelos e bancos de dados, sem uma padronização clara entre modelos open-source e proprietários.
• Diferenciação de Mercado: O MongoDB foca em processamento transacional (OLTP) em tempo real, diferenciando-se de soluções analíticas (OLAP) como Snowflake e Databricks. O objetivo é eliminar a necessidade de DBAs (administradores de banco de dados) caros através de auto-scaling e automação.
• Citações:
  • "Você não pode criar uma aplicação de IA sem uma ótima camada de dados, e sua aplicação de IA é tão boa quanto seus dados."
  • "Os hyperscalers estão ficando sem capacidade. Eles dizem: 'Desculpe, não temos capacidade'. E eles são um dos 50 maiores clientes desse hyperscaler."

Implicações

• Descentralização da Infraestrutura: A escassez de capacidade em nuvem pública está validando o retorno de data centers privados e estratégias multicloud para garantir resiliência e soberania.
• Fim da Era do DBA Humano: A complexidade das aplicações de IA exige que o banco de dados seja autogerenciável. A automação de infraestrutura tornou-se um requisito crítico para startups e empresas que buscam escalar sem aumentar proporcionalmente a equipe técnica.
• Estratégia de Modelos: Não há uma "bala de prata" na escolha de modelos de IA. As empresas estão adotando uma abordagem híbrida, combinando modelos proprietários, open-source e específicos por domínio, dependendo do caso de uso.