Construindo agentes de dados em que as empresas podem realmente confiar

Description

Construindo agentes de dados em que as empresas podem realmente confiar Seu agente de dados é confiante. Está certo? Todas as pessoas estão construindo agentes. Muito menos estão construindo agentes de dados que podem raciocinar de forma confiável sobre dados reais de empresas — com toda a sua desordem, contexto ausente e escala — e te dar uma maneira de saber quando eles estão errados antes que seus stakeholders o façam. A parte mais difícil de um agente de dados não é o LLM. É tudo que está por trás: a camada semântica, a ontologia, a lógica de federação de dados e a infraestrutura para servi-lo de maneira confiável. Se errar nisso, seu agente retorna respostas erradas com confiança. E porque soa autoritário, essas respostas erradas são mais perigosas do que não ter respostas. Junte-se a nós para uma noite com Jerry Xu, Arquiteto de Infraestrutura de IA na Oracle, que passou sua carreira construindo os sistemas que colocam modelos em produção na Meta, Lyft, Box e na empresa que fundou, a DataTron. Esta é uma sessão de trabalho para líderes técnicos, fundadores e equipes de plataformas de dados/IA que já estão além da fase de demonstração e agora precisam tornar os agentes de dados confiáveis. O que Jerry abordará: A camada semântica é o verdadeiro desafio — por que NL2SQL sozinho falha em esquemas reais de empresas, e por que ontologias, lógica de federação e contexto de dados certificados são onde a engenharia difícil realmente está. Construindo a pilha do agente de dados — arquitetura do agente, padrões de orquestração, coordenação multi-agente, e como lidar com ambiguidade ao consultar dados empresariais ao vivo e desordenados. Como você sabe quando confiar na resposta? — por que benchmarks padrão perdem os modos de falha que importam em produção, como é um verdadeiro pipeline de classificação, e como projetar para verificabilidade desde o primeiro dia. O que quebra em escala — modos de falha de que ninguém fala até que já tenha acontecido, e por que a confiabilidade a longo prazo requer tratar modelos como sistemas vivos. Quem deve comparecer: Líderes de engenharia e IA, equipes de plataforma de dados e infraestrutura, fundadores construindo produtos de dados, e operadores responsáveis por tornar a IA confiável em produção. Os anfitriões incluem Open Future Forum, HG insights, Agentic Fabriq. Mais sobre Jerry Xu Jerry é um arquiteto de plataforma de IA focado em IA generativa e infraestrutura de ML, com um histórico que abrange Meta, Twitter, Microsoft e uma empresa que ele mesmo fundou. Seu fio condutor é o trabalho pouco glamoroso, mas decisivo, de fazer sistemas de IA funcionarem em produção. Destaques da carreira: A força dele reside na interseção da pesquisa em IA e infraestrutura de qualidade de produção: sistemas distribuídos, ciclo de vida de modelos, MLOps, e as questões de identidade e segurança que surgem à medida que os agentes começam a agir autonomamente. Esse último ponto se alinha naturalmente com o foco da Agentic Fabriq, o que o torna uma forte conexão para esta sala.