Durante anos, o desafio das empresas foi coletar dados. Construir o Data Lake, integrar sistemas, garantir que a informação estivesse em algum lugar acessível. Hoje o desafio mudou de natureza: não é mais sobre ter o dado, é sobre transformar esse dado em decisão executada automaticamente, com segurança e rastreabilidade. A resposta da Microsoft a esse novo desafio está tomando forma em uma nova geração de recursos anunciados para Azure, Microsoft Fabric e Microsoft Foundry — desenhados especificamente para sustentar agentes de IA capazes de trabalhar de forma autônoma dentro das organizações, não apenas responder perguntas quando alguém pergunta. Este artigo detalha o que mudou tecnicamente, o que isso significa na prática para uma empresa de médio porte, e por onde começar a se preparar. Para o contexto mais amplo sobre agentes corporativos, veja o artigo sobre agentes de IA para empresas.
O Azure está deixando de ser apenas uma nuvem
Vale marcar a trajetória para entender onde estamos agora. O Azure começou como infraestrutura — servidores virtuais, armazenamento, rede, o que a indústria chama de IaaS. Depois virou também plataforma de dados, com serviços de banco de dados gerenciados e, mais recentemente, o Microsoft Fabric unificando analytics em um único ambiente. Na sequência, virou plataforma de IA, com o Azure AI Foundry (hoje simplesmente Microsoft Foundry) permitindo treinar, ajustar e hospedar modelos. O que está acontecendo agora é a próxima camada dessa evolução: o Azure virando uma plataforma para agentes corporativos — sistemas que não apenas processam dados ou respondem perguntas, mas executam trabalho de ponta a ponta dentro da empresa.
A mudança de foco por trás disso é simples de descrever e difícil de exagerar em importância: o objetivo deixou de ser hospedar aplicações. Passou a ser hospedar trabalhadores digitais — sistemas com identidade própria, capacidade de agir e responsabilidade rastreável dentro do ambiente corporativo.
O que está acelerando essa mudança
Três forças convergem para essa aceleração: o crescimento acelerado de adoção do Copilot dentro das empresas, a maturidade da IA generativa que já deixou de ser experimento e virou ferramenta de produção, e o avanço de agentes autônomos capazes de executar tarefas sem supervisão constante. O Work Trend Index 2026 da Microsoft documenta essa transição com precisão: uma parcela crescente de trabalhadores está deixando de apenas fazer perguntas para delegar tarefas inteiras e orquestrar sistemas multiagente. O relatório também mostra uma diferença mensurável entre empresas mais maduras nesse processo — os chamados “Frontier Professionals” — e as demais: profissionais dessas empresas têm muito mais probabilidade de discutir e documentar padrões de qualidade para o trabalho assistido por IA, o que sugere que a maturidade de adoção não é apenas sobre usar mais IA, é sobre construir disciplina em torno de como ela é usada.
Os principais anúncios para IA empresarial
Microsoft Foundry: o ambiente para construir, executar e operar agentes
O Microsoft Foundry se consolidou como o ambiente central para o ciclo de vida completo de um agente corporativo, organizado em três camadas: construir — com frameworks abertos como o Microsoft Agent Framework, compatível também com investimentos já feitos em LangGraph, GitHub Copilot SDK ou Claude Agent SDK, sem exigir que a empresa reescreva o que já tem; executar — hospedando agentes com escalabilidade real, incluindo rotinas de longa duração e publicação direta em Teams e Microsoft 365 Copilot; e operar — com rastreamento e avaliação contínua de agentes já em produção, fechando um ciclo que a maioria das empresas ainda faz manualmente hoje: identificar que um agente falhou, entender por quê, e propor uma versão melhor.
Esse último ponto merece destaque, porque é onde a maioria dos projetos de IA corporativa perde confiança depois do lançamento: sem rastreamento de produção e sinais de avaliação estruturados, não existe uma forma sistemática de ir de “esse agente errou” para “aqui está uma versão melhor” — a equipe fica reconstruindo a história manualmente, dashboard por dashboard, toda vez que algo dá errado. O Foundry conecta cada chamada de modelo, uso de ferramenta e transferência entre agentes a um único pipeline de observabilidade, ligando avaliações diretamente ao rastro de produção que as gerou.
Microsoft Fabric se torna a base de dados da IA
O problema que a Microsoft está resolvendo aqui tem um nome específico: agentes criam silos de dados. Um agente construído sobre o Dynamics 365 não sabe o que está acontecendo no Teams. Um agente de RH não enxerga o que o agente financeiro já sabe sobre a mesma pessoa. Cada novo agente recomeça do zero, reaprendendo como o negócio funciona, onde os dados vivem e quais regras seguir — e sem uma base compartilhada, agentes não conseguem coordenar nem escalar de verdade.
O Microsoft Fabric responde a isso oferecendo uma plataforma unificada de dados e IA que reúne Data Lake, analytics e governança num único ambiente — permitindo que cada novo agente construa sobre o contexto organizacional que os anteriores já estabeleceram, em vez de recomeçar. Dois lançamentos técnicos sustentam essa promessa: o Graph em Fabric, já em disponibilidade geral, um modelo de relacionamento em escala que conecta entidades de negócio, sistemas e sinais, permitindo que agentes entendam como uma mudança se propaga pela empresa; e o Planning em Fabric, que permite criar planos, orçamentos, forecasts e modelos de cenário diretamente sobre os modelos semânticos do Fabric — com a particularidade de que esses planos podem ser regravados de volta no Fabric para acionar execução real, fechando o ciclo entre planejamento e ação.
Fabric Data Agents: agentes construídos diretamente sobre os dados corporativos
Um Fabric Data Agent é um agente criado diretamente sobre os dados estruturados que já vivem no Fabric — sem que o desenvolvedor precise construir uma integração customizada para cada fonte. A peça que torna isso possível são as Ontologias do Fabric IQ: modelos formais que definem entidades de negócio, relacionamentos, propriedades, regras e ações, conectados a sinais ao vivo via Fabric Real-Time Intelligence. Na prática, isso resolve um problema concreto: quando um usuário pergunta “como estão indo os negócios do pipeline no Q3?”, um agente sem essa camada precisa inferir, a partir do contexto, o que “pipeline”, “negócio” e “Q3” significam para aquela empresa específica. Com uma ontologia do Fabric IQ, esses termos já estão formalmente definidos e ligados aos dados reais — o agente responde a partir do modelo semântico da própria empresa, não de uma suposição genérica.
Os casos de uso mais diretos para Fabric Data Agents estão em áreas com dado estruturado denso e regras de negócio específicas: financeiro (fluxo de caixa, forecast), RH (dados de força de trabalho), comercial (pipeline e forecast de vendas), atendimento (histórico consolidado de cliente) e operações (indicadores em tempo real).
Foundry IQ: conhecimento corporativo unificado para qualquer agente
O Foundry IQ chegou à disponibilidade geral no Build 2026 como a camada gerenciada de conhecimento por trás dos agentes construídos no Foundry — unificando Work IQ (sinais do Microsoft 365), Fabric IQ (dados estruturados e ontologias), Azure SQL, busca de arquivos e fontes via MCP atrás de um único endpoint de recuperação com SLA garantido. O ganho prático é eliminar o trabalho de “encanamento customizado” que hoje consome boa parte do tempo de qualquer time construindo um agente: em vez de integrar cada fonte de dado separadamente, lidando com formatos, modelos de permissão e lógica específica de cada sistema, o Foundry IQ entrega isso como uma base de conhecimento única, compartilhável entre múltiplos agentes.
Um detalhe de governança que vale destacar: o Foundry IQ sincroniza listas de controle de acesso das fontes suportadas e respeita rótulos de sensibilidade do Microsoft Purview, aplicando permissões no momento da consulta — as respostas são executadas sob a identidade Microsoft Entra de quem pergunta, garantindo controle de acesso de ponta a ponta, não apenas na configuração inicial.
A era da IA Agêntica chegou à infraestrutura, não só à interface
A diferença central entre IA tradicional e IA Agêntica continua sendo a mesma discutida em outros artigos deste blog: uma responde perguntas, a outra executa tarefas — atualizar um CRM, abrir um chamado, aprovar um processo, gerar um relatório completo, rodar um workflow inteiro sem supervisão passo a passo. O que os anúncios de Azure, Fabric e Foundry acrescentam a essa conversa é a infraestrutura que sustenta essa execução em escala, não apenas a camada de conversação que a maioria das pessoas associa a “IA Agêntica”. Para o contexto mais amplo dessa mudança de paradigma, veja o artigo sobre IA Agêntica como prioridade das empresas.
Um padrão que já se consolida nas implementações mais maduras é o de agentes especializados por função, em vez de um único assistente genérico tentando cobrir tudo: um agente comercial cuidando de pesquisa de conta, geração de proposta e follow-up; um agente financeiro monitorando fluxo de caixa, cobrança e forecast; um agente de TI cobrindo suporte, sinalização de risco de segurança e apoio à governança do próprio ambiente de agentes. Essa especialização não é apenas uma escolha de design — é uma consequência direta de como o Fabric IQ e o Foundry IQ estruturam o conhecimento: cada agente consulta a fatia de contexto relevante ao seu domínio, dentro de uma base compartilhada, em vez de tentar carregar todo o conhecimento da empresa num único sistema genérico.
Segurança passa a ser prioridade estrutural, não camada adicional
O surgimento do Agent 365
A resposta da Microsoft à pergunta óbvia — “se agentes têm cada vez mais acesso e autonomia, como isso é controlado?” — veio na forma do Agent 365, uma nova camada de governança específica para agentes, que estende as proteções de Microsoft Entra, Defender e Purview para cobrir identidades de agente com o mesmo rigor já aplicado a usuários humanos. A mudança de mentalidade que isso representa é direta: antes, gestão de identidade era gestão de usuários. Agora, é gestão de usuários e agentes — cada agente com identidade própria, rastreável, sujeita a política, auditável.
Um sinal técnico relevante dessa integração: o Fabric IQ já está integrado ao Agent 365 como uma ferramenta MCP (Model Context Protocol) de primeira parte — o que permite que organizações fundamentem seus agentes em significado compartilhado e garantam comportamento consistente através de toda a frota de agentes da empresa, não apenas de um agente isolado.
Os novos riscos da IA corporativa
Quanto mais autonomia e acesso um agente tem, maior a superfície de risco. Os riscos que mais preocupam equipes de segurança nessa nova fase incluem vazamento de dados através de agentes mal configurados, shadow AI (agentes criados sem qualquer supervisão de TI), agentes com autorização de acesso mal definida, prompt injection (manipulação das instruções de um agente via conteúdo malicioso que ele consulta), e acesso indevido a dados que deveriam estar fora do escopo daquele agente específico. Detalhamos cada um desses riscos com profundidade técnica e checklist prático no artigo sobre governança de agentes de IA.
Por que Zero Trust também precisa evoluir
A pergunta que orientava a segurança corporativa até pouco tempo atrás era “quem acessou o sistema?”. Com agentes tomando decisões e executando ações de forma autônoma, essa pergunta deixou de ser suficiente — a que realmente importa agora é “qual agente tomou essa decisão, com base em que informação, e dentro de quais limites de autorização?”. Isso não substitui os princípios de Zero Trust já conhecidos — verificar explicitamente, aplicar menor privilégio, assumir violação — mas exige que eles se estendam a um novo tipo de identidade dentro do ambiente corporativo, com o mesmo rigor que já se aplica a contas humanas.
Casos de uso para empresas brasileiras
Traduzindo essa arquitetura para o que uma empresa de médio porte no Brasil consegue aplicar na prática:
Área comercial — um SDR inteligente apoiando prospecção, qualificação de leads e geração de resumos automáticos de conta antes de cada reunião, tema que detalhamos no artigo sobre agente de IA para vendas. Marketing — produção de conteúdo, otimização de SEO, automação de campanhas e nutrição de leads, com contexto real de dados de CRM em vez de suposição genérica de persona. Atendimento — chatbots evoluídos para agentes que efetivamente resolvem solicitações, não apenas as encaminham, cobrindo múltiplos canais de forma coordenada — assunto do artigo sobre agente de IA para atendimento ao cliente. TI — service desk com triagem automatizada, apoio à governança do próprio ambiente de agentes e operações de nuvem mais eficientes, cobertos no artigo sobre agente de IA para suporte técnico.
Como preparar sua empresa para essa nova fase
Quatro pilares determinam se uma empresa está de fato pronta para aproveitar essa nova geração de recursos — ou se vai gastar meses tropeçando em problemas que deveriam ter sido resolvidos antes.
Dados. Os dados da empresa estão organizados? Existe alguma classificação de sensibilidade aplicada, mesmo que básica? Sem essa base, nem o Fabric IQ nem o Foundry IQ conseguem entregar o contexto de qualidade que prometem — eles organizam o acesso ao dado, não criam ordem onde não existe nenhuma.
Segurança. Existe governança de identidade real, com MFA e Conditional Access configurados? Há políticas de DLP ativas? A gestão de acesso privilegiado está sob controle? Esses fundamentos precisam existir antes de estender governança para agentes — não dá para governar agentes bem num ambiente onde a governança de usuários humanos já é frágil.
Processos. Quais atividades da empresa são repetitivas o suficiente para justificar um agente? Onde estão os gargalos reais — não os que parecem mais interessantes de resolver, mas os que de fato consomem tempo desproporcional? Essa clareza evita o erro mais comum: construir o agente mais ambicioso antes de ter resolvido o caso de uso mais óbvio.
Cultura. Os usuários estão preparados para trabalhar ao lado de agentes, não apenas para usá-los ocasionalmente? Existe treinamento real, por cenário concreto, ou apenas um comunicado genérico anunciando a nova ferramenta? A adoção determina se todo o investimento técnico anterior gera valor ou fica represado.
Para o roteiro completo de execução, passo a passo, desde o diagnóstico até a expansão, confira o artigo sobre como implementar agentes de IA na empresa.
A oportunidade para empresas de médio porte
Há um detalhe importante nessa nova fase que muda o cálculo para empresas de médio porte especificamente: pela primeira vez, capacidades que antes exigiam times de engenharia de dados dedicados — organizar contexto organizacional, construir modelos semânticos, garantir governança de acesso granular a cada fonte — chegam de forma nativa a quem já usa Microsoft 365 e Copilot Studio. O Microsoft IQ, por exemplo, não exige que a empresa construa sua própria infraestrutura de contexto do zero; ele já vem integrado à plataforma que a empresa provavelmente já assina.
Isso não significa que o esforço desaparece — a organização de dados e a definição de governança continuam sendo trabalho real, e continuam sendo o fator que mais determina o sucesso de qualquer implementação. O que muda é que a barreira técnica de entrada, que antes exigia orçamento e equipe de porte muito maior, caiu de forma significativa. Os ganhos concretos dessa nova acessibilidade incluem produtividade mensurável em processos que antes dependiam inteiramente de trabalho manual, redução de custo operacional em tarefas repetitivas, capacidade de escalar operação sem escalar headcount na mesma proporção, e melhoria real de experiência tanto para clientes quanto para colaboradores.
Para fechar
A Microsoft está construindo mais do que uma atualização de plataforma de nuvem. Está construindo a infraestrutura que vai permitir que empresas operem com equipes formadas por pessoas e agentes inteligentes trabalhando lado a lado, com contexto compartilhado e governança que trata os dois tipos de identidade com o mesmo rigor. Azure, Fabric, Foundry e Agent 365 representam o início dessa transformação — não o fim dela, e certamente não algo que qualquer empresa vai terminar de implementar em um único projeto. Empresas que começarem a se organizar agora, resolvendo os fundamentos de dados e governança antes de tentar construir o agente mais ambicioso possível, chegam à próxima década com uma vantagem que não se recupera facilmente depois.
A InfoB, como parceira certificada Microsoft, apoia empresas de médio porte a navegar essa nova geração de recursos — do diagnóstico de prontidão de dados e segurança até a implementação de agentes reais no Copilot Studio e no Microsoft Foundry.
Perguntas frequentes
O que é o Microsoft Foundry?
É o ambiente da Microsoft para construir, executar e operar agentes de IA em escala dentro do Azure, cobrindo construção com frameworks abertos, execução com hospedagem escalável e operação com rastreamento e avaliação contínua. É a base técnica para agentes que vão além do que o Copilot Studio cobre nativamente com baixo código.
Qual a diferença entre Fabric IQ, Work IQ e Foundry IQ?
Fazem parte do Microsoft IQ, mas cobrem fontes diferentes: Work IQ captura sinais do Microsoft 365 (e-mails, reuniões, documentos). Fabric IQ modela o significado dos dados estruturados via Microsoft Fabric, incluindo ontologias de negócio. Foundry IQ é a camada gerenciada que unifica essas e outras fontes atrás de um único endpoint com SLA para agentes construídos no Foundry.
O que são Fabric Data Agents?
São agentes criados diretamente sobre os dados corporativos no Microsoft Fabric, respondendo com base em modelos semânticos e ontologias já definidos — sem integração customizada por fonte. São especialmente relevantes para casos de uso financeiro, comercial e operacional que dependem de dados analíticos consistentes.
Empresas de médio porte conseguem usar essa nova geração de recursos?
Sim. Boa parte das capacidades de contexto e governança que antes exigiam equipes de engenharia de dados dedicadas chegam de forma nativa a quem já usa Microsoft 365 e Copilot Studio. O fator limitante costuma ser organização de dados e definição de governança, não o tamanho da empresa.