Tech Radar — Agentes entram em produção e a camada de confiança amadurece
Nesta edição: OpenTelemetry se gradua, a AWS dá micro-VMs a cada agente, o Copilot corrige vulnerabilidades no Azure DevOps, a Alibaba teria banido uma ferramenta de IA, a Oracle corta o free tier em silêncio, a Apple roda computação confidencial no Google Cloud e a Virgínia proíbe a venda de dados de localização.
O padrão desta semana não é "a IA agora consegue fazer X". É o encanamento que está se formando em volta da IA que já roda em produção: como isolar, observar, proteger e decidir se você confia no fornecedor por trás dela. As notícias mais úteis para um time de liderança raramente são as demos chamativas — são as que falam de fronteiras de isolamento, sustos na fatura e decisões de governança. Aqui está o que eu levaria para uma reunião de liderança técnica esta semana, e por que importa além da manchete.
OpenTelemetry se gradua — observabilidade virou pré-requisito
O OpenTelemetry atingiu o nível máximo de maturidade da CNCF, o status "graduated", reconhecendo-o como pronto para uso corporativo em produção (CNCF). É um dos projetos mais adotados do ecossistema cloud-native, e este é o mercado oficializando o que muitos times já assumiam.
Impacto para empresas: telemetria neutra de fornecedor deixa de ser aposta e vira padrão. Você instrumenta uma vez e continua portável entre backends, em vez de ficar preso ao agente e ao preço de um único fornecedor de observabilidade.
Riscos e oportunidades: o risco é tratar a graduação como "pronto" — instrumentar sem modelo de custo gera dashboards caros e ignorados. A oportunidade é padronizar traces, métricas e logs agora, ainda mais com agentes de IA adicionando chamadas não determinísticas impossíveis de depurar sem eles.
Minha visão: se você ainda usa um agente proprietário por causa de lock-in, este é o momento de planejar a migração. Observabilidade que você não controla é uma conta e uma dependência que você não consegue renegociar depois.
A AWS dá a cada agente (e usuário) sua própria micro-VM
A AWS lançou o Lambda MicroVMs, uma primitiva serverless que roda cada sessão de usuário ou agente de IA dentro de sua própria máquina virtual Firecracker, com isolamento em hardware, inicialização rápida via snapshot e estado que persiste por até oito horas (AWS). Contas iniciais da comunidade estimam um mínimo de cerca de US$ 3/dia por setup — aproximadamente 9x o preço do Fargate spot.
Impacto para empresas: rodar código não confiável ou gerado por agente era o bloqueador silencioso de muitos produtos de IA. Isolamento por hardware a cada sessão elimina uma classe real de risco e torna "deixe o agente executar isso" uma decisão defensável.
Riscos e oportunidades: a oportunidade é ganhar uma fronteira de segurança que você teria de construir sozinho. O risco é custo — é uma primitiva premium, e uma frota de micro-VMs sempre ligadas vira um problema de FinOps se ninguém definir TTLs e escala a zero.
Minha visão: o isolamento vale o preço quando você roda código que não escreveu. Não vale como runtime padrão. Use com intenção, limite a vida da sessão e modele a fatura antes de padronizar.
Copilot Autofix chega ao Azure DevOps
A Microsoft abriu um preview público limitado do Copilot Autofix para o GitHub Advanced Security no Azure DevOps, estendendo a remediação de vulnerabilidades gerada por IA para times que trabalham no Azure Repos (Microsoft). O scanner não apenas aponta o problema — ele propõe a correção como uma mudança revisável.
Impacto para empresas: o gargalo de segurança de aplicações nunca foi a detecção; foi a capacidade de correção. Transformar achados em pull requests em rascunho pode reduzir de forma real a fila de "vulnerabilidades conhecidas e não corrigidas".
Riscos e oportunidades: a oportunidade é reduzir o tempo médio de remediação sem contratar um exército de segurança. O risco é a falsa sensação de segurança — um patch sugerido por IA é uma proposta, não uma garantia, e aprová-lo no automático anula o benefício.
Minha visão: adote como motor de primeiro rascunho, não como aprovador. Mantenha o portão de revisão humana, mantenha seus testes e meça se ele de fato fecha achados mais rápido — não quantas sugestões gera.
Alibaba teria banido uma ferramenta de IA por risco de backdoor
A Reuters informou que a Alibaba pretende banir um assistente de código com IA no ambiente de trabalho por suposto risco de backdoor e exfiltração de dados, segundo uma fonte (Reuters). Trate os detalhes como não confirmados, mas a decisão de fundo é o que importa: uma grande organização de engenharia traçando uma linha dura em torno de uma ferramenta de IA para desenvolvimento.
Impacto para empresas: toda ferramenta de código com IA tem acesso de leitura ao seu fonte e, muitas vezes, a um contexto bem além do arquivo aberto. Isso é uma superfície de supply chain e de governança de dados que a maioria dos times adotou mais rápido do que governou.
Riscos e oportunidades: o risco é o vazamento silencioso de código proprietário e segredos por ferramentas que ninguém aprovou formalmente. A oportunidade é se antecipar com uma política real: quais ferramentas são permitidas, o que elas podem ver e para onde vai a telemetria.
Minha visão: você não precisa banir para estar seguro, mas precisa decidir de propósito. Faça o inventário das ferramentas de IA já presentes no seu código, entenda os fluxos de dados e escolha seus padrões antes que uma manchete os escolha por você.
Oracle corta o Always Free pela metade, em silêncio
A Oracle reduziu a cota Always Free do Ampere A1 de 4 OCPUs e 24 GB de RAM para 2 OCPUs e 12 GB — sem anúncio público e com o suporte dando respostas conflitantes sobre quem é afetado (Oracle).
Impacto para empresas: o free tier é onde vivem, discretamente, projetos paralelos, protótipos e ferramentas internas. Um corte silencioso importa menos pela computação e mais pelo sinal: os termos podem mudar sob seus pés, sem aviso.
Riscos e oportunidades: o risco é arquitetura construída sobre premissas que o fornecedor pode revisar da noite para o dia. A oportunidade é o lembrete de manter workloads portáveis e ler compromissos como revogáveis, salvo contrato.
Minha visão: a computação aqui é trivial; a confiança não é. Como um fornecedor conduz um corte silencioso mostra como ele conduzirá o próximo. Tenha rota de saída para tudo que importa.
Apple roda Private Cloud Compute no Google Cloud
Pela primeira vez, a Apple escolheu o Google Cloud para rodar o Private Cloud Compute fora dos seus próprios data centers, usando GPUs NVIDIA Blackwell, Intel TDX e a camada de segurança Titanium do Google, mantendo seu próprio ledger de hardware append-only e atestação de dois fornecedores (Apple).
Impacto para empresas: computação confidencial está saindo do discurso de pesquisa para a arquitetura de produção. O padrão — rodar workloads sensíveis no hardware de outra empresa provando que você nunca confiou nele — agora é algo que uma hyperscaler e um cliente do porte de uma hyperscaler operam juntos.
Riscos e oportunidades: a oportunidade é um modelo crível de IA que preserva privacidade em escala. O risco é a complexidade: atestação, raízes de confiança de dois fornecedores e ledgers de hardware são difíceis de acertar e mais ainda de auditar.
Minha visão: a maioria de nós não vai construir isso, mas vai comprar serviços que alegam ter. Aprenda o vocabulário — atestação, TEEs, computação confidencial — para distinguir uma garantia real de uma de marketing.
Virgínia proíbe a venda de dados de geolocalização
A Virgínia aprovou a proibição da venda de dados precisos de geolocalização, endurecendo as regras sobre uma das categorias mais sensíveis de dado pessoal (Hunton). É mais um capítulo da fragmentação estado a estado da lei de privacidade nos EUA — e um espelho do que a LGPD já exige por aqui em torno de dado sensível.
Impacto para empresas: se localização toca seu produto, seu analytics ou sua stack de anúncios, conformidade virou um alvo móvel que varia por jurisdição. "A gente anonimiza" já não é a defesa que já foi.
Riscos e oportunidades: o risco é dado coletado sob uma regra virar passivo sob outra. A oportunidade é minimização de dados como estratégia — a localização que você nunca guardou é a que você nunca precisa defender.
Minha visão: trate geolocalização como radioativa por padrão. Colete o mínimo, defina retenção e garanta que alguém seja dono do mapa de para onde a regulação está indo, não só de onde ela está hoje.
A tendência para observar
O fio condutor é que IA em produção virou um problema de infraestrutura e governança, não de modelagem. O trabalho interessante migrou para as fronteiras: isolar o que os agentes podem executar, observar o que eles fazem, automatizar as correções e decidir em quais fornecedores e ferramentas você realmente confia com seu código e os dados dos seus usuários. As organizações que vencerem o próximo ano não serão as dos prompts mais espertos — serão as que trataram agentes como qualquer outro sistema de produção, com orçamento, raio de impacto, telemetria e um responsável. Construa a camada de confiança antes de escalar a autonomia.