Um agente empresarial de IA responde com total confiança, mas o número está errado. Ninguém o detecta até que alguém o rastreie até uma definição de métrica obsoleta ou um documento que o sistema de recuperação nunca extraiu. O modelo não falhou. O contexto que foi dado sim.

Nos últimos seis meses, 57% das empresas identificaram uma resposta confiante, mas errada, do agente de IA a um contexto de negócios ausente ou inconsistente, e 31% disseram que isso aconteceu mais de uma vez, de acordo com uma pesquisa VB Pulse de junho de 2026 com 101 empresas qualificadas com mais de 100 funcionários.

A razão não é difícil de encontrar. A recuperação de documentos é a forma padrão pela qual os agentes obtêm contexto de negócios para 38% das empresas, quase o dobro da próxima abordagem mais próxima. A forma como a maioria das empresas escolhe um sistema de recuperação agrava o problema. A facilidade de ingestão e a simplicidade operacional lideram os critérios de seleção, com a precisão da recuperação ficando atrás de ambos. O problema de precisão só aparece depois que o sistema já está ativo.

Existe uma solução conhecida para isso: uma camada de contexto governada da qual cada agente lê em vez de adivinhar. Os fornecedores estão correndo para implementar plataformas de contexto enquanto a maioria das empresas ainda está descobrindo o que são.

75% ainda não possuem uma camada de contexto agente

A camada de contexto pretende ser um modelo compartilhado do que os dados de negócios realmente significam, construído uma vez e referenciado de forma consistente, em vez de ser re-derivado por cada agente que os toca.

A pesquisa da VentureBeat mostra que a resposta das empresas a essa ideia é ampla, mas inacabada. Vinte e cinco por cento dos entrevistados executam um em produção. Trinta e quatro por cento estão construindo um agora. Os 41% restantes ainda não começaram.

Entre as empresas que já estão construindo ou executando uma camada de contexto governada, 78% relatam uma falha confiante-errada – um agente de IA que respondeu com total certeza e ainda estava errado. Entre as empresas que não têm planos de construir uma camada, apenas 20% relatam a mesma coisa. As empresas que já foram prejudicadas têm muito mais probabilidade de construir a solução. As empresas que ainda não foram queimadas não veem urgência.

Qual é a aparência do contexto governado quando alguém realmente constrói um

Todos os principais fornecedores de plataformas de dados e IA estão agora construindo alguma versão dessa camada e não estão convergindo para a mesma arquitetura.

• O DataHub está tratando metadados de catálogo e anos de comportamento de consulta de analistas como uma fonte de conhecimento e, em seguida, mantendo-os atualizados como um sistema vivo, em vez de um wiki estático.

• O Fabric IQ da Microsoft está construindo uma ontologia de negócios que qualquer agente, não apenas o da própria Microsoft, pode consultar através do MCP.

• O Couchbase está levando a memória do agente e a recuperação de contexto até o limite, argumentando que o banco de dados operacional é um lar mais natural para ele do que uma camada de pesquisa ou análise instalada após o fato.

• O Nexus da Pinecone está compilando a lógica estrutural na camada de metadados antes do tempo de execução, apostando que os agentes precisam mais de uma estrutura pré-construída do que de uma pesquisa mais rápida.

• Snowflake executa um sistema de duas camadas, Horizon Context para definições gerenciadas pelo cliente e Cortex Sense para contexto que a plataforma infere por conta própria.

• O Unified Memory Core da Oracle adota a abordagem oposta, agrupando dados vetoriais, gráficos e relacionais em um mecanismo transacional para que não haja nenhuma camada de sincronização que fique obsoleta.

• O Catálogo de conhecimento do Google explora registros de consulta e padrões de uso para selecionar o contexto semântico automaticamente.

• O serviço Context da AWS faz a mesma aposta, um gráfico de conhecimento que fica mais inteligente a partir de como os agentes realmente o utilizam, em vez de uma nova curadoria manual.

Analistas convergem para um diagnóstico

As abordagens do fornecedor são diferentes. O que analistas e profissionais disseram à VentureBeat sobre o problema subjacente, em uma série de entrevistas este ano, não.

Quando o impulso da camada de contexto do DataHub chegou nesta primavera, o vice-presidente e analista principal da Constellation Research, Michael Ni, enquadrou o que estava em jogo em termos contundentes. "Quem controla o contexto do tempo de execução controla a camada de decisão de IA para dados corporativos," Ni disse. Ele foi igualmente direto sobre até que ponto um único produto realmente consegue um comprador. "A memória vetorial não é significado comercial, o significado comercial não é governança e governança não é execução," Ni disse.

Na mesma entrevista, o analista do BARC, Kevin Petrie, apontou para uma lacuna mais estreita, mas concreta. A maioria das plataformas de contexto concentra-se em tabelas estruturadas, disse ele, que fornecem aos agentes fatos confiáveis, mas perdem o contexto mais difícil e confuso preso em documentos e conteúdo não estruturado, exatamente o material que uma empresa realmente utiliza no dia a dia.

Stephanie Walter, líder prática de AI Stack na HyperFRAME Research, fez uma observação relacionada no início deste ano, quando VentureBeat lhe perguntou sobre a fragmentação do contexto empresarial.

"O mercado está convergindo para a mesma conclusão," disse Valter. "Os agentes não precisam apenas de mais tokens ou modelos melhores. Eles precisam de um contexto governado, atual e de baixa latência." Ela apresentou um caso semelhante em uma análise anterior do lançamento do Nexus da Pinecone, tomando cuidado para não exagerar o quão novo isso é. Nexus, ela disse, "muda o trabalho de conhecimento do caos do tempo de execução para uma estrutura pré-compilada. Mas é uma evolução da arquitetura RAG, não uma reinvenção completa."

Arun Chandrasekaran, do Gartner, analisando o mesmo lançamento, ofereceu uma leitura mais prospectiva. A IA Agentic, disse ele, está migrando da pura recuperação de informações para uma arquitetura de raciocínio, onde o contexto longo funciona como memória de curto prazo e um banco de dados vetorial funciona como armazenamento profundo abaixo dele.

O problema da fragmentação é mais difícil no nível profissional, onde ferramentas separadas para recuperação, memória e controle de acesso nunca foram construídas para concordar umas com as outras. Steven Dickens, CEO e analista principal da HyperFRAME Research, foi direto após o lançamento do banco de dados de IA da Oracle nesta primavera. "As equipes de dados estão exaustas pela fadiga da fragmentação," Dickens disse. "Gerenciar um armazenamento de vetores, um banco de dados gráfico e um sistema relacional separados apenas para alimentar um agente é um pesadelo de DevOps."

Matt Kimball, da Moor Insights and Strategy, na mesma história, colocou a realidade da produção de forma mais simples. Conseguir que um agente trabalhe não é a parte difícil, disse ele. A dificuldade é executá-lo na produção, onde o objetivo é remover a distância entre os dados e a execução, em vez de adicionar outra camada sobre eles.

O que isso significa para as empresas

Aqui está o que isso significa para as empresas que estão construindo nesta camada.

A recuperação por si só não fechará a lacuna de contexto. RAG é a fonte padrão de contexto na maioria das empresas hoje em dia e também é a camada mais associada à falha na resposta confiante-errada. Adicionar mais documentos ou um índice maior não corrige uma definição inconsistente entre sistemas.

A camada de contexto semântico é para onde o orçamento realmente está se movimentando, mesmo onde ainda não foi enviado. Cinquenta e oito por cento das empresas já estão envolvidas – na construção ou na produção – mas apenas 25% conseguiram realmente colocar uma camada em funcionamento. Essa lacuna mostra onde as empresas decidiram gastar, e não onde chegaram.

Nenhum fornecedor possui a arquitetura ainda, e é provável que isso permaneça verdade por um tempo. As empresas que avaliam esta camada devem esperar integrar-se em vez de escolher um único vencedor, pelo menos durante os próximos trimestres.

A decisão de compra está acontecendo este ano e está concentrada entre as empresas já queimadas por ela. Cinquenta e sete por cento das empresas planejam mudar ou adicionar uma plataforma de recuperação ou de contexto nos próximos doze meses. Essa intenção não é espalhada uniformemente. Cerca de 81% das empresas que relataram falhas repetidas e erradas planejam mudar ou adicionar um provedor, contra 32% entre as empresas que nunca enfrentaram o problema. As empresas que procuram novas ferramentas de contexto neste momento são, em grande parte, aquelas cujos agentes já erraram.

Os agentes já estão em execução. O contexto por trás da maioria deles ainda está sendo construído, e o fornecedor que venderá a correção será escolhido este ano.

Esses dados farão parte de uma conversa mais ampla em Transformada VB 2026 nos dias 14 e 15 de julho em Menlo Park: a lacuna de contexto que as empresas estão correndo para fechar e quais das abordagens emergentes – camadas semânticas governadas, recuperação híbrida, pacotes nativos do provedor – realmente se sustentam na produção.

Fonte ==> Cyberseo