A Dun & Bradstreet, instituição com mais de 180 anos de história, iniciou uma transformação profunda em seu Commercial Graph para adaptar sua base de dados de 642 milhões de empresas à era dos agentes de inteligência artificial. O sistema, que historicamente serviu analistas de crédito e profissionais de risco, revelou-se insuficiente para a velocidade e a natureza das consultas feitas por máquinas autônomas. Segundo reportagem do VentureBeat, a empresa concluiu que a arquitetura legada, composta por sistemas fragmentados e integrações customizadas, não oferecia a latência ou a estrutura necessária para fluxos de trabalho modernos de IA.

O desafio central não era apenas o volume de dados, que dobrou nos últimos cinco anos, mas a forma como esses dados eram consumidos. Enquanto analistas humanos toleravam interfaces complexas e consultas SQL, os agentes de IA exigem respostas instantâneas e contextos dinâmicos. A empresa, que agora realiza cerca de 100 bilhões de verificações de qualidade mensalmente, precisou redesenhar sua base para permitir que máquinas naveguem por hierarquias corporativas e relacionamentos complexos sem a necessidade de intervenção humana constante.

A falha da arquitetura voltada para humanos

O problema enfrentado pela companhia reflete uma limitação comum em grandes corporações: a infraestrutura de dados foi construída para suportar a cognição humana, não a lógica de execução dos agentes. Sistemas desenvolvidos para consultas estáticas, onde um analista busca a relação entre um CEO e uma empresa, falham ao lidar com a necessidade de agentes de monitorar mudanças dinâmicas, como a transição de um executivo para uma nova organização ou a reestruturação de subsidiárias.

Essa fragmentação exigia, até então, um trabalho manual de curadoria para garantir que as informações estivessem normalizadas. A análise aqui é que a transição para a IA não é apenas um desafio de software, mas de ontologia de dados. Sem uma base normalizada e padronizada, os agentes de IA operam sobre dados que carecem da precisão necessária para decisões automatizadas de crédito ou risco, tornando a infraestrutura de dados o principal gargalo para a escalabilidade da IA corporativa.

O novo paradigma de acesso via MCP

Para resolver essas limitações, a Dun & Bradstreet consolidou seus bancos de dados em uma infraestrutura de nuvem unificada. A empresa implementou uma camada de 'data fabric' que normaliza registros entre diferentes mercados, preservando exigências regulatórias regionais. Em vez de expor o SQL bruto, a companhia desenvolveu ferramentas acessíveis via MCP (Model Context Protocol), que encapsulam os dados com o contexto necessário para que os agentes identifiquem a entidade correta sem ambiguidades.

O mecanismo de resolução de entidades é o diferencial dessa nova camada. Ao receber uma consulta, o sistema não apenas busca um nome, mas confirma a identidade da empresa através de um motor de verificação robusto. Isso permite que os agentes operem de forma confiável em cadeias de processos, como verificações de KYC (Know Your Customer) e análises de risco de terceiros, garantindo que diferentes agentes em um mesmo workflow estejam consultando a mesma entidade.

A segurança no ecossistema de agentes

Um dos pontos críticos da reconstrução foi a criação de um modelo de identidade para máquinas. A Dun & Bradstreet introduziu o conceito de 'Know Your Agent', uma extensão dos protocolos de segurança tradicionais. Cada agente agora possui uma chave de acesso individual e um mapeamento de IP verificado, tratando a máquina como um usuário autenticado no pipeline de dados.

Além disso, a empresa resolveu o problema da 'saída' dos fluxos de trabalho: a necessidade de garantir que, em uma cadeia de múltiplos agentes, todos permaneçam alinhados à mesma entidade. O sistema agora exige uma verificação constante, uma espécie de handshake digital, que impede que agentes operem sobre registros divergentes durante o processamento de uma mesma tarefa complexa.

O futuro da infraestrutura de dados

O que permanece em aberto é como essa padronização afetará a competitividade de longo prazo no setor de dados corporativos. A iniciativa da Dun & Bradstreet sinaliza que a infraestrutura de dados está se tornando um produto de consumo para agentes, e não apenas um repositório para consulta humana. Observar como outros players do mercado reagirão a essa necessidade de normalização para IA será fundamental para entender a próxima fase da economia de dados.

A transição para uma arquitetura centrada em agentes redefine o papel das grandes bases de dados comerciais. A questão agora é se a agilidade imposta pela IA forçará uma padronização global mais rígida ou se veremos uma fragmentação ainda maior entre diferentes ecossistemas de agentes. O mercado de dados corporativos entra em uma fase onde a confiabilidade da máquina é tão vital quanto a precisão da informação, alterando permanentemente a forma como o risco é avaliado e reportado.

Com reportagem de [Brazil Valley](/categoria/Inteligência Artificial)

Source · VentureBeat