Com agentes de IA, engenheiros de dados passam a focar em dados, contexto e confiabilidade

Na conversa, o CEO da MotherDuck, Jordan Tigani, perguntou a um engenheiro de dados, Nicholas Ursa, como a IA mudou o trabalho dele. A resposta: "primeira vez na carreira sem backlog". Isso não significa menos trabalho. Antes, uma pergunta do negócio virava ticket na fila dele. Agora quem pergunta responde sozinho, com agentes, e o engenheiro decide quanto de checagem cada resposta exige. Um número de baixa importância pode rodar solto. Um número que vai para o conselho é acompanhado em cada etapa.

Tigani chama esse papel de engenheiro de inteligência de dados (data intelligence engineer). Ele responde pela base da stack self-service: constrói frameworks, o modelo de dados e a curadoria de contexto, evita quebras, conserta o que quebra, roda evals e responde por superfícies-chave. O resultado é que qualquer pessoa pode virar builder: responder perguntas sobre o negócio, criar visualizações interativas, montar aplicações ricas em dados e alimentar agentes que dependem de dados.

A tese não é nova no CEVIU. Em 12 de fevereiro de 2026, o CEVIU noticiou "Equipes de Dados Devem se Tornar Equipes de Contexto", que já apontava a falta de confiabilidade de agentes ligados a fontes de conhecimento não governadas. Em 12 de julho de 2026, "Engenharia de Contexto: O Novo Horizonte para Agentes de IA Confiáveis" tratou da organização do conhecimento corporativo para respostas em linguagem natural. Em 22 de junho de 2026, "Engenheiro de Analytics em 2026: do SQL para o design de sistemas, governança e engenharia de contexto para IA" descreveu o deslocamento do papel. E em 1 de outubro de 2026, "Engenharia de Dados e a Era dos Agentes de IA: Um Novo Paradigma" falava em infraestrutura pensada para agentes autônomos.

A diferença agora é o relato de prática: um engenheiro de dados descreve o resultado no dia a dia (fila zerada, decisão sobre o nível de checagem) e o papel ganha nome próprio. Também reforça o que o CEVIU registrou em 6 de abril de 2026, em "Como se Tornar um Engenheiro de Dados e IA": a camada de IA depende de bases sólidas de engenharia de dados.

Para quem opera pipelines e modelos, a leitura é que o gargalo sai do atendimento de demandas e vai para a garantia de confiança. Isso pede critérios explícitos de risco por tipo de resposta, evals e contexto curado. Quem hoje mede o time pelo tamanho da fila talvez precise medir por confiabilidade das respostas.