Platform Engineering na era da IA Agêntica: quando a plataforma passa a servir também à IA

Durante os últimos anos, Platform Engineering ganhou espaço como resposta a um problema bastante concreto: a complexidade necessária para desenvolver e operar aplicações cresceu mais rápido do que seria razoável transferir para cada equipe de desenvolvimento.

Infraestrutura, pipelines, segurança, observabilidade, políticas, ambientes, serviços compartilhados e inúmeras outras capacidades passaram a ser organizadas por times de plataforma, oferecendo aos desenvolvedores caminhos padronizados para consumir tudo isso sem precisar dominar cada detalhe da infraestrutura.

Agora, uma mudança começa a alterar uma das premissas desse modelo.

O desenvolvedor humano já não é necessariamente o único consumidor da plataforma.

Agentes de inteligência artificial começam a consultar catálogos, analisar telemetria, utilizar ferramentas, executar workflows e interagir com recursos corporativos. Em cenários mais avançados, podem participar da investigação de incidentes, do provisionamento de recursos e até de processos de implantação de software.

Quando isso acontece, Platform Engineering deixa de ter apenas pessoas do outro lado da interface.

A plataforma que foi criada para abstrair a complexidade para os desenvolvedores começa a precisar fazer o mesmo para agentes de IA.

Essa mudança parece pequena, mas suas implicações vão muito além de simplesmente criar novas APIs.

Platform Engineering nasceu para esconder uma complexidade que não deveria estar em todos os lugares

O princípio por trás de Platform Engineering é relativamente simples.

Em vez de cada equipe montar individualmente sua própria combinação de infraestrutura, automação, segurança, observabilidade e processos de entrega, uma plataforma interna oferece capacidades compartilhadas, autosserviço e caminhos previamente definidos.

Um dos elementos utilizados para isso são as Internal Developer Platforms (IDPs), ou plataformas internas para desenvolvedores, que organizam capacidades de desenvolvimento e operação de maneira padronizada e acessível às equipes.

Catálogos de serviços, templates, ambientes padronizados, automações e os chamados golden paths, caminhos recomendados que incorporam práticas e controles previamente definidos, ajudam a reduzir a quantidade de decisões que cada desenvolvedor precisa tomar para executar tarefas recorrentes.

A Cloud Native Computing Foundation (CNCF), organização que mantém e promove importantes projetos do ecossistema cloud native, descreve essa evolução como uma forma de encapsular práticas operacionais atrás de workflows, autosserviço e ambientes padronizados, permitindo que os desenvolvedores se concentrem mais na funcionalidade que precisam entregar [1].

O modelo funcionou durante anos com uma premissa quase implícita: quem consome a plataforma é uma pessoa. É justamente essa premissa que a IA Agêntica começa a alterar.

O agente também começa a consumir a plataforma

Um agente investigando um incidente pode precisar descobrir quais serviços estão relacionados, consultar telemetria, identificar o responsável por uma aplicação, verificar uma mudança recente ou acionar um workflow operacional.

Outro agente, atuando no ciclo de desenvolvimento, pode precisar consultar padrões arquiteturais, descobrir quais componentes são aprovados, provisionar um ambiente ou iniciar um processo de implantação.

São tarefas que utilizam capacidades que muitas plataformas internas já oferecem às pessoas.

Em julho de 2026, a CNCF publicou uma análise sobre Platform Engineering para empresas agênticas argumentando justamente que agentes de IA estão se tornando consumidores da plataforma ao lado dos profissionais humanos. O texto cita atividades como provisionamento de infraestrutura, implantação de aplicações, investigação de incidentes, análise de telemetria e execução de workflows operacionais [1].

O Gartner chega a uma conclusão semelhante. Em Agentic AI Readiness Requires Platform Engineering, publicado em junho de 2026, recomenda que as organizações ofereçam caminhos automatizados e padronizados para que agentes possam construir, implantar e operar software, utilizando componentes consumíveis por máquinas com governança e validação incorporadas [2].

Não estamos, portanto, falando apenas de usar IA para aumentar a produtividade dos times de plataforma. Estamos falando de algo diferente: a própria IA começa a se tornar usuária da plataforma.

A mesma plataforma, mas não necessariamente a mesma interface

Pessoas e agentes não precisam interagir com uma plataforma da mesma maneira.

Um desenvolvedor pode utilizar um portal, uma interface de linha de comando ou um pipeline. Um agente provavelmente consumirá essas capacidades de forma programática.

Isso não significa, porém, que seja necessário construir uma segunda plataforma apenas para a IA.

A análise da CNCF defende justamente a evolução da plataforma existente para que humanos e agentes possam operar sobre fundamentos comuns de identidade, governança, segurança, observabilidade, políticas e gestão do ciclo de vida [1].

Uma pesquisa realizada pela CNCF em parceria com a SlashData ajuda a mostrar como esse movimento já começa a aparecer. O CNCF Technology Radar Q1 2026, baseado em respostas de mais de 400 desenvolvedores profissionais, identificou diferentes estratégias para incorporar workflows de IA às plataformas existentes. Entre os 364 respondentes que integravam workflows de IA, 35% indicaram uma abordagem híbrida, com experimentação separada e implantação em produção compartilhada, enquanto 17% disseram ter estendido sua plataforma de desenvolvimento existente para suportar esses workflows [3].

Esses números não significam que exista um modelo dominante definitivo. Eles mostram, porém, que as empresas já estão decidindo se a IA será integrada à fundação existente ou tratada como uma infraestrutura separada.

Criar uma plataforma paralela para cada nova geração tecnológica pode resolver o problema imediato, mas também pode criar novos silos de operação, segurança e governança.

Para agentes, essa fragmentação pode ser particularmente problemática porque eles precisarão interagir justamente com recursos que já pertencem ao ambiente corporativo.

A plataforma passa a ter dois tipos de consumidores

A evolução dos portais internos ajuda a tornar essa mudança mais concreta.

O Gartner, em seu Market Guide for Internal Developer Portals de julho de 2026, afirma que os times de Platform Engineering passam a ter a responsabilidade de melhorar a experiência tanto dos desenvolvedores quanto dos agentes de IA, mantendo governança consistente e facilitando a descoberta e o acesso às capacidades de desenvolvimento e entrega [4].

A Red Hat apresenta uma visão semelhante ao argumentar que o valor de um portal interno não está apenas em sua interface gráfica. Catálogos de serviços, documentação, templates, ownership, integrações e políticas constituem um conjunto de contexto corporativo que pode ser consumido também por agentes [5].

Nesse modelo, o portal deixa de ser apenas um destino que o desenvolvedor visita e passa a funcionar também como uma infraestrutura de contexto que agentes podem consultar programaticamente.

Isso muda a maneira de pensar sobre experiência de plataforma.

A experiência do desenvolvedor continua importante, mas surge também uma espécie de experiência do agente: ele consegue descobrir quais capacidades existem? Entende como utilizá-las? Recebe somente as permissões necessárias? Consegue acessar contexto suficiente para tomar uma decisão? Suas ações ficam registradas?

As perguntas são diferentes, mas a responsabilidade continua sendo da plataforma.

O contexto passa a fazer parte da infraestrutura

Esse talvez seja o ponto que considero mais importante nessa evolução.

Um agente pode ter acesso a ferramentas excelentes e ainda assim tomar decisões ruins se não compreender o ambiente em que está atuando.

Para investigar um incidente, por exemplo, não basta ter acesso a logs. Pode ser necessário compreender topologia, dependências, ownership, mudanças recentes, políticas, histórico operacional e relação entre serviços.

A CNCF argumenta que, à medida que aplicações, recursos e agentes passam a formar um ecossistema interconectado, compreender as relações entre esses elementos se torna tão importante quanto administrar os próprios elementos. Telemetria continua essencial, mas precisa ser combinada com informações sobre dependências, mudanças, propriedade e conhecimento operacional para construir uma compreensão mais completa do sistema [1].

A Red Hat chega a uma conclusão semelhante ao discutir portais para agentes: o catálogo, os padrões, as políticas e a documentação que já orientam desenvolvedores passam a constituir contexto empresarial que também pode orientar a atuação da IA [5].

Quanto mais autonomia entregamos ao agente, menos aceitável se torna deixá-lo reconstruir sozinho o contexto da empresa a cada decisão.

Isso aproxima Platform Engineering de um tema que temos discutido ao longo desta série: contexto operacional compartilhado.

Pessoas, automações e agentes não deveriam construir versões independentes da realidade para depois tentar conciliá-las quando alguma coisa dá errado.

Servir à IA também significa governá-la

Se um agente passa a consumir a plataforma, ele também precisa operar dentro dos controles da plataforma.

Esse tema se conecta diretamente ao que discutimos em Agentes de IA também precisam de identidade: quem são e o que podem acessar?

Cada agente precisa ter identidade própria, permissões delimitadas e uma trilha de auditoria. A CNCF argumenta que desenvolvedores, profissionais de Site Reliability Engineering (SRE), disciplina voltada à confiabilidade e operação de sistemas em escala, e agentes podem utilizar interfaces diferentes, mas suas ações devem permanecer submetidas a controles consistentes de segurança, políticas e limites operacionais [1].

O Gartner também coloca governança e validação incorporadas aos caminhos consumidos pelos agentes como parte da preparação de Platform Engineering para IA Agêntica [2].

Isso é importante porque a abstração fornecida pela plataforma não pode significar ausência de controle, pelo contrário.

Se um agente consegue provisionar um recurso, executar um workflow ou iniciar uma implantação, a plataforma precisa saber quem ele é, quais ações pode realizar, quais políticas se aplicam e como registrar aquilo que fez.

Platform Engineering, identidade, observabilidade e AgentOps começam, portanto, a se encontrar na mesma arquitetura.

Não estamos construindo uma plataforma para agentes

Há uma diferença importante entre adaptar Platform Engineering à IA Agêntica e construir uma infraestrutura inteiramente nova ao redor dos agentes.

A primeira opção amplia uma fundação que já existe.

A segunda corre o risco de recriar, em torno da IA, os mesmos problemas de fragmentação que Platform Engineering surgiu para resolver.

O objetivo não deveria ser criar um caminho para desenvolvedores e outro completamente separado para agentes. Deveria ser permitir que ambos consumam capacidades corporativas comuns por interfaces adequadas a cada um, compartilhando políticas, identidade, contexto, observabilidade e governança.

A CNCF resume essa evolução defendendo que a próxima geração de Platform Engineering deve ampliar a plataforma existente para que aplicações, recursos e agentes possam ser administrados dentro de um modelo operacional comum [1].

A Red Hat, ao discutir a evolução dos portais internos, segue direção semelhante: a interface pode mudar, mas catálogo, golden paths, integrações e contexto continuam relevantes porque passam a atender dois públicos, pessoas e agentes [5].

A chegada dos agentes não reduz a importância da plataforma. Ela amplia quem a plataforma precisa servir.

Essa talvez seja a principal mudança.

Da visão à prática: ARGUS

Essa evolução tem uma conexão direta com a proposta atual do ARGUS.

O ARGUS nasceu com o propósito de correlacionar eventos de múltiplas fontes, reduzir o ruído e construir contexto operacional compartilhado. Em ambientes nos quais agentes começam a investigar incidentes, consultar recursos e participar de decisões operacionais, esse contexto passa a poder ser consumido não apenas pelas pessoas, mas também pelas inteligências que atuam ao lado delas.

Com a incorporação do AI Gateway e do AgentOps (Agent Operations), essa proposta se amplia. O AI Gateway permite aplicar políticas e controlar como aplicações e agentes acessam recursos de inteligência artificial, enquanto o AgentOps amplia a capacidade de orquestrar agentes, acompanhar suas execuções e ações e estabelecer mecanismos de observabilidade, governança e supervisão.

O objetivo não é criar uma infraestrutura paralela para agentes. É permitir que eles participem da operação dentro de uma arquitetura em que políticas, contexto, ações e resultados possam ser relacionados.

Isso significa que um agente pode receber contexto sobre aquilo que está acontecendo no ambiente e, ao mesmo tempo, sua própria atuação pode passar a fazer parte desse contexto. Decisões, chamadas de ferramentas, mudanças, eventos e resultados podem ser relacionados à infraestrutura, aos serviços e às demais informações operacionais disponíveis.

A plataforma passa a servir também à IA, mas a IA precisa operar dentro do mesmo contexto e dos mesmos mecanismos de governança que sustentam a operação.

Essa combinação ajuda a evitar que a adoção de agentes crie uma nova camada isolada de tecnologia, com sua própria visão do ambiente e seus próprios mecanismos de controle.

À medida que pessoas, automações e agentes passam a compartilhar a operação, uma visão sistêmica comum deixa de ser apenas uma ferramenta para investigação de incidentes e passa a fazer parte da própria infraestrutura necessária para ampliar a autonomia com segurança.

Conheça o ARGUS e veja como funciona na prática.

Sobre a Target Solutions

A Target Solutions é uma empresa brasileira de tecnologia especializada em soluções para ambientes críticos de TI e Telecom.

Ao longo de mais de 15 anos, participamos de projetos envolvendo infraestrutura, monitoramento, observabilidade, automação, integração de plataformas e operações de redes e serviços, trabalhando com grandes organizações e ambientes de alta complexidade.

Essa experiência nos permitiu acompanhar de perto a evolução das operações, do monitoramento tradicional à observabilidade, da automação à Artificial Intelligence for IT Operations (AIOps), aplicação de inteligência artificial às operações de tecnologia, e, agora, aos primeiros passos em direção a operações cada vez mais orientadas por inteligência artificial.

É nesse contexto que desenvolvemos o ARGUS, nossa plataforma AIOps que correlaciona eventos de múltiplas fontes, reduz o ruído e constrói contexto operacional compartilhado, agora ampliada com capacidades de AI Gateway e AgentOps para apoiar a orquestração, observabilidade e governança de agentes de IA.

Sobre o autor

Paulo Florêncio de Menezes é sócio e CoFounder da Target Solutions e atua há mais de 15 anos em projetos relacionados a infraestrutura, monitoramento, observabilidade, automação e operações de TI e Telecom.

É graduado em Processamento de Dados pela Universidade Federal do Amazonas (UFAM), possui MBA em Gestão Empresarial pela Fundação Dom Cabral (FDC) e Mestrado Profissional em Economia pela Fundação Getulio Vargas (FGV).

Em sua pesquisa de Mestrado, desenvolveu o IBEOP-IA (Índice Brasileiro de Exposição Ocupacional Potencial à Inteligência Artificial), investigando a exposição potencial das ocupações brasileiras às capacidades da IA por meio da combinação de dados ocupacionais, patentes de inteligência artificial e técnicas de processamento de linguagem natural.

Referências

[1] Cloud Native Computing Foundation (CNCF). Platform engineering for the agentic enterprise: Managing applications, resources, and AI agents. 21 jul. 2026.

[2] Gartner. Agentic AI Readiness Requires Platform Engineering. 5 jun. 2026.

[3] Cloud Native Computing Foundation (CNCF) e SlashData. CNCF Technology Radar Q1 2026. 2026.

[4] Gartner. Market Guide for Internal Developer Portals. 15 jul. 2026.

[5] Red Hat. Why developer portals matter more in the age of AI agents. 7 mai. 2026.