Google Cloud atualiza o Agentic Data Cloud com Lakehouse sem fronteiras baseado em Apache Iceberg

O Google Cloud posiciona o Agentic Data Cloud como um "System of Action" e usa o anúncio para detalhar o Lakehouse sem fronteiras, construído sobre o formato aberto Apache Iceberg. A proposta é consultar dados em multicloud, on-premises e em SaaS (SAP, Salesforce, Workday, Confluent) sem mover dados nem montar conectores. O interconnect entre nuvens com cache para AWS e Azure está em disponibilidade geral, com conexão privada e sem tarifa variável de egress. Há ainda federação de catálogo Iceberg com Databricks Unity, Snowflake Horizon e AWS Glue.

No lado de governança, o Knowledge Catalog ganha enriquecimento com autoaprendizado (preview), conjuntos de contexto reutilizáveis no Open Knowledge Format e uma experiência de studio com auditoria, versionamento e rollback. Fica ligado por padrão no Gemini, em preview, respeitando as permissões de cada usuário. Os modelos semânticos de BigQuery, Looker, Databricks, Snowflake, dbt e SAP estão em disponibilidade geral. Os números de desempenho (agentes quase 4x mais precisos, até 75% menos tokens, AlloyDB até 7x mais rápido em agregações) vêm de benchmarks internos da empresa. O cliente talabat, do Delivery Hero, relata redução de cerca de 40% nos custos de movimentação de dados.

Parte do pacote já tinha sido noticiada. Em 24 de abril de 2026, o CEVIU publicou "Google Impulsiona 'Agentic Data Cloud' para Fortalecer a IA Corporativa", quando a tese era conectar dados estruturados e não estruturados para dar contexto aos agentes. Agora a proposta ganha entregas concretas, como o Lakehouse multicloud e o AlloyDB com acesso direto a Iceberg.

Em 22 de outubro de 2026, o CEVIU noticiou "Google Cloud lança em preview enriquecimento de contexto com autoaprendizado no Knowledge Catalog". O recurso segue em preview neste anúncio, agora dentro de um pacote maior, com o catálogo ligado por padrão no Gemini.

Para quem opera arquitetura de dados, a leitura é que o Google tenta reduzir o custo de egress e de ETL como argumento contra o lock-in, apostando em Iceberg e federação com concorrentes. Vale testar com carga própria, já que os ganhos citados são benchmarks da fabricante. Para governança, o ponto central é o contexto respeitar permissões por usuário e ter trilha de auditoria. Várias peças seguem em preview, o que pesa em decisões de produção e compliance.