Klaviyo escala analytics com agentes de IA ao centralizar contexto, métricas governadas e acesso ao warehouse

O post da Klaviyo descreve o KBI (Klaviyo Business Intelligence), um harness de analytics com agentes de IA. Um harness, nas palavras da empresa, é tudo que cerca o modelo e torna a resposta confiável: o que ele lê, no que pode mexer e quais verificações o trabalho precisa passar. A camada mais externa do desenho é a que a empresa chama de Dark Forest, o espaço além do Walled Garden (cerca de 90 tabelas curadas), ao qual o usuário só chega por opt-in e com permissões próprias. O nome Forest, aqui, aparece só nessa metáfora. O texto é da própria Klaviyo, que descreve o sistema interno, e não um projeto aberto: não há repositório citado na fonte.

A resposta sai em três níveis de certeza. Primeiro, métricas governadas, com mais de cem definições em dezenas de modelos semânticos, construídas na Semantic Layer do dbt. Se nenhuma servir, o agente escreve SQL contra as tabelas confiáveis do Walled Garden. Só depois, e com permissão, o usuário cruza o muro. Um banner acima do resultado mostra o sinal de confiança antes do número. Por trás há uma camada de conhecimento com mais de 40 guias e um registro de caveats que cresceu mais de dez vezes, injetado no runtime por regras em código. Guardrails rodam sobre o SQL do agente antes que ele chegue ao warehouse. A Klaviyo também diz que há um ano menos de 10% das queries vinham de agentes e que hoje a maioria vem, com cerca de metade das pessoas que consultam o warehouse usando o KBI.

Para quem opera plataforma de dados, o recado é de arquitetura: o ganho veio de contexto e governança, não de um modelo mais esperto. Métricas em código, caveats injetados por regra e um ponto único de passagem para os agentes tornam o resultado auditável. Para o analista, o papel tende a deslocar do atendimento de fila para a curadoria das definições. É a leitura do CEVIU a partir do que a Klaviyo relata, e os números de adoção são autodeclarados.