A área que mais mudou na revisão de agosto de 2026 do guia do exame Cloud Digital Leader é a IA. O domínio 3 (cerca de 18%) agora inclui IA agêntica, Gemini Enterprise Agent Platform e AI Hypercomputer, e o domínio 1 também pede que você defina IA agêntica e reconheça o AI Hypercomputer como um dos diferenciais do Google Cloud. Além disso, em abril de 2026 a Vertex AI passou a se chamar Gemini Enterprise Agent Platform, então, se você estuda com material antigo, talvez não reconheça os nomes de produtos que aparecem nas alternativas.
Este artigo começa pela diferença entre IA generativa e IA agêntica e depois percorre como os agentes mudam a forma de trabalhar, os pontos fortes da IA do Google Cloud, como a Agent Platform é organizada, os critérios para escolher a solução de IA certa, o AI Hypercomputer e a qualidade dos dados. Os conceitos básicos de IA, ML e aprendizado profundo, junto com o BigQuery ML e a IA responsável, são tratados primeiro em Serviços de inovação IA/ML.
---
IA generativa e IA agêntica: a IA que responde e a IA que trabalha
Se a IA generativa é um assistente que responde às suas perguntas e escreve primeiros rascunhos, a IA agêntica é um funcionário que, diante do objetivo "prepare minha viagem de trabalho da semana que vem", divide a tarefa em etapas por conta própria e a conclui: confere a agenda, pesquisa voos, faz a reserva e informa o resultado. O exame verifica se você sabe distinguir esses termos com precisão.
| Termo | Significado | Exemplo | |------|------|------| | Inteligência artificial (IA) | O campo amplo que cria sistemas capazes de aprender, raciocinar e tomar decisões como as pessoas | Chatbots, reconhecimento de imagens | | Aprendizado de máquina (ML) | Uma forma de fazer IA que aprende padrões a partir dos dados em vez de regras escritas à mão | Previsão de demanda, detecção de fraude | | IA generativa | IA que usa os padrões aprendidos para criar conteúdo novo, como texto, imagens, código ou áudio | Rascunhos de textos de marketing, resumos de documentos | | IA agêntica | IA que recebe um objetivo, planeja por conta própria e usa ferramentas para levar até o fim uma tarefa de várias etapas | Processar reembolsos de clientes, automatizar a redação de relatórios | | Análise de dados | Examinar os dados para descobrir o que aconteceu e por quê | Encontrar a causa da queda de vendas do último trimestre | | Business intelligence (BI) | As ferramentas e os processos que transformam a análise em painéis e relatórios para a tomada de decisão | Um painel de vendas para a diretoria |
A IA agêntica costuma repetir as quatro etapas a seguir até atingir o objetivo.
Entender o objetivo: descobrir qual resultado o usuário quer Planejar: dividir o objetivo em etapas menores Usar ferramentas: executar ações como pesquisar, consultar um banco de dados ou chamar a API de outro sistema Verificar e corrigir: analisar o resultado e, se não for suficiente, ajustar o plano e tentar de novo
Dica para o exame: "Planeja por conta própria e transita entre vários sistemas para concluir o trabalho sem que uma pessoa dirija cada etapa" descreve a IA agêntica. Se para em "cria uma frase ou uma imagem nova", é IA generativa.
---
Como a IA agêntica muda o trabalho
O guia do exame lista seis áreas em que a IA agêntica está transformando os setores e a forma como as pessoas trabalham. No exame, isso aparece como escolher "o valor que um agente de IA traz nesta situação".
| Área | O que o agente faz | Valor de negócio | |------|------|------| | Produtividade da equipe | Transita entre e-mail, documentos e sistemas internos para encontrar informações, redigir conteúdo e fazer o acompanhamento depois das reuniões | Menos tempo em tarefas repetitivas, para que as pessoas se concentrem nas decisões | | Atendimento ao cliente | Entende o que o cliente está pedindo, consulta pedidos e conduz devoluções e trocas até o fim | Resposta imediata 24 horas por dia, com os atendentes humanos livres para os casos complexos | | Experiências de vendas | Reúne o histórico do cliente e informações da concorrência para preparar reuniões e escrever propostas personalizadas | Propostas mais personalizadas e um ciclo de vendas mais curto | | Inovação de produtos | Explora ideias, gera código e designs de protótipos e analisa o feedback dos usuários | Menor tempo de lançamento no mercado | | Operações | Monitora estoque, logística e alertas de TI e executa ações predefinidas | Resposta a incidentes e processamento mais rápidos | | Pesquisa | Pesquisa e resume enormes volumes de documentos e organiza hipóteses | Menos tempo de pesquisa e descobertas mais rápidas |
Problemas de negócio que o ML resolve especialmente bem
Mesmo sem agentes, há três problemas clássicos em que o ML sozinho gera valor.
Substituir ou simplificar sistemas em que as pessoas não param de acrescentar regras (por exemplo, filtros de spam e detecção de fraude) Extrair insights que as pessoas deixariam passar a partir de grandes volumes de dados estruturados e não estruturados (por exemplo, analisar centenas de milhares de avaliações de clientes) Escalar decisões que antes eram tomadas uma a uma (por exemplo, recomendações de produtos e apoio à análise de crédito)
Dica para o exame: "Há tantas regras de exceção que o sistema é difícil de manter" é o sinal para substituir o sistema baseado em regras por ML.
---
Cinco pontos fortes da IA do Google Cloud
O guia do exame resume em cinco pontos os principais benefícios das ofertas de IA do Google Cloud. Eles coincidem em parte com "os diferenciais do Google Cloud" do domínio 1, então memorizá-los juntos economiza esforço.
| Ponto forte | Significado | Produtos representativos | |------|------|------| | A melhor infraestrutura para IA | Hardware, software e modelo de preços otimizados em conjunto para treinamento e inferência | AI Hypercomputer, TPUs, GPUs | | Nuvem de dados pronta para IA | Analisar em um só lugar dados dispersos e conectá-los diretamente à IA | BigQuery, AlloyDB, Cloud Storage | | Modelos próprios (1P) sofisticados | Modelos de ponta desenvolvidos pelo próprio Google | Gemini, Veo | | Plataforma de desenvolvimento de IA completa | Da escolha de um modelo à criação, implantação e gerenciamento de agentes, tudo em um só lugar | Gemini Enterprise Agent Platform | | Agentes e aplicativos de IA pré-criados | Agentes e aplicativos usados de imediato, sem precisar criá-los | Gemini Enterprise, Agent Garden |
Próprio (1P, first-party) significa um modelo criado pelo próprio Google. Isso não quer dizer que você só pode usar modelos do Google. O Model Garden permite escolher entre mais de 200 modelos, incluindo modelos de outras empresas e modelos abertos, além dos modelos 1P como o Gemini, o que dá poder de escolha e flexibilidade em vez de prender você aos modelos de um único fornecedor.
---
Gemini Enterprise Agent Platform: antiga Vertex AI
Em 22 de abril de 2026, o Google mudou o nome da Vertex AI para Gemini Enterprise Agent Platform (Agent Platform, para encurtar). A documentação oficial a descreve como "uma evolução da Vertex AI" que cobre todo o ciclo de vida da IA, do acesso aos modelos de base até a implantação e o gerenciamento de agentes. Se um material antigo ou uma questão mencionar a Vertex AI, entenda como a mesma plataforma.
Os nomes que mudaram, de relance
| Nome anterior | Nome novo | |------|------| | Vertex AI | Gemini Enterprise Agent Platform | | Vertex AI Studio | Agent Studio | | Vertex AI API | Agent Platform API | | Vertex AI Model Garden | Model Garden (mantém o nome) | | Vertex AI AutoML | Agent Platform AutoML | | Vertex AI Agent Engine | Agent Runtime | | Vertex AI Search | Agent Search |
Quatro pilares: criar, escalar, governar e melhorar
A Agent Platform é organizada em quatro pilares. O ponto principal é que ela não para na criação de agentes: executá-los em produção, controlar suas permissões e sua segurança e melhorar continuamente sua qualidade acontecem todos na mesma plataforma.
| Pilar | O que faz | Componentes representativos | |------|------|------| | Build (criar) | Projetar e desenvolver agentes e modelos | Agent Studio (low-code), Agent Development Kit (código), Agent Garden (agentes e modelos prontos), Model Garden | | Scale (escalar) | Executar em produção os agentes criados | Agent Runtime, Sessions e Memory Bank (contexto da conversa e memória de longo prazo) | | Govern (governar) | Gerenciar a identidade, as permissões e as políticas de segurança dos agentes | Agent Registry, Agent Identity, Agent Gateway, Model Armor | | Optimize (melhorar) | Avaliar, monitorar e melhorar a qualidade | Avaliação de agentes, testes simulados, observabilidade (traces e logs) |
!Os quatro pilares da Gemini Enterprise Agent Platform e o AI Hypercomputer que os sustenta
Lembre-se também de que o caminho depende do nível de quem constrói. Quem começa sem código usa o Agent Studio, e os desenvolvedores que criam agentes sofisticados com código usam o Agent Development Kit (ADK). Se você quer treinar um modelo personalizado com seus próprios dados e com o mínimo de código, usa o AutoML. É por isso que o guia do exame cita juntos o Agent Studio e o AutoML como exemplos de "como uma organização pode criar modelos personalizados com seus próprios dados para gerar valor de negócio".
Dica para o exame: "Queremos comparar modelos de várias empresas e escolher um" aponta para o Model Garden. "Projetar prompts e agentes sem código" aponta para o Agent Studio. "Começar rápido a partir de modelos de agentes já prontos" aponta para o Agent Garden.
---
Escolhendo a solução de IA certa
O guia do exame lista cinco considerações estratégicas que as organizações devem pesar ao escolher uma solução de IA do Google Cloud.
Velocidade de implementação: com que rapidez podemos usá-la? Esforço de desenvolvimento: quanto desenvolvimento ela exige? Potencial de diferenciação do negócio: ela pode criar um valor que a concorrência