Por que Databricks precisa de um olhar próprio no FinOps?
A Databricks se consolidou como uma das plataformas de dados mais adotadas do mercado, mas o modelo de cobrança que a tornou popular não foi desenhado para a volatilidade das cargas de IA generativa e agêntica. O resultado é previsível: CFOs e CTOs veem a fatura crescer mais rápido do que conseguem explicar, e é exatamente aí que o FinOps precisa evoluir.
Pipelines executados continuamente, modelos de machine learning, agentes de IA, aplicações RAG, SQL Warehouses, processamento distribuído, clusters elásticos e GPUs criam um padrão de consumo. O custo já não depende apenas da quantidade de recursos provisionados, mas da forma como dados e algoritmos são utilizados para gerar valor ao negócio.
O ponto cego da fatura em DBU
A cobrança da Databricks funciona por DBU (Databricks Unit), e isso gera duas faturas separadas: uma da própria plataforma, outra do provedor de nuvem que sustenta o processamento. Sem uma camada que unifique essas duas fontes, a reconciliação vira trabalho manual, e não escala quando workloads de treinamento e inferência de IA multiplicam a frequência e o volume dos jobs.
Não por acaso, a própria Databricks tem ampliado seus investimentos em recursos voltados à observabilidade de custos, otimização e governança financeira dos workloads. O tema ganhou espaço de destaque no Data + AI Summit 2026, reforçando que eficiência financeira passou a ser parte da estratégia de dados, e não apenas uma atividade operacional.
Do ponto de vista de negócio, a Databricks exige uma estratégia de FinOps porque um ambiente que cresce sem governança se transforma em aumento de custo sem geração proporcional de valor. No longo prazo, isso impacta previsibilidade financeira, margem e até a capacidade do cliente de expandir novos casos de uso.
Quando dashboards deixam de ser suficientes
As ferramentas nativas das plataformas cloud e da própria Databricks oferecem excelente visibilidade operacional. Elas mostram consumo, utilização de recursos e métricas importantes para o dia a dia das equipes técnicas. Mas organizações com múltiplas áreas de negócio normalmente precisam responder questões mais amplas.
Grupo Mateus e o caso de sucesso de FinOps
Segundo Luan Freitas, cliente e parceiro da Databricks, com um caso de sucesso de FinOps no Grupo Mateus, seguir as recomendações da documentação da plataforma para estruturar modelos e processamentos voltados ao mapeamento de custos gerou resultados expressivos de economia. “Na maioria das vezes é trabalhar em cima das otimizações. A gente seguiu os conceitos da própria ferramenta para ter como mensurar e saber onde atacar.”, afirmou.
“Algumas empresas querem avançar logo, sem construir uma base bem estruturada e acabam tendo um custo três, quatro vezes maior do que se tivessem estruturado antes. A gente já preparou a estrutura para que cada setor assuma os custos dos seus dados”, concluiu Luan.
Atribuição de custo: o desafio que a IA torna urgente
Distribuir os gastos Databricks entre unidades de negócio, produtos ou squads exige tagging consistente de clusters e jobs. Depois, essas informações precisam ser correlacionadas manualmente entre os logs de billing da plataforma e as faturas de nuvem. Esse processo já era trabalhoso no mundo pré-IA. Com pipelines de treinamento, fine-tuning e agentes autônomos rodando em paralelo, a ausência dessa disciplina deixa de ser um incômodo operacional e passa a ser um risco de governança financeira.
Iniciativas recentes da plataforma buscam unificar dados operacionais e financeiros para oferecer visibilidade de custos em tempo real tanto para times de engenharia quanto para FinOps. Ainda assim, essas iniciativas deixam a empresa dependente do ecossistema da própria Databricks para enxergar o problema.
OPT-3: Conectando dados de cloud à inteligência financeira
O desafio real de FinOps na era da IA é operar em ambientes multicloud . Foi para esse cenário que o OPT-3 foi desenvolvido. Em vez de depender de avaliação manual entre faturas Databricks e da nuvem, o OPT-3 correlaciona essas fontes de forma automática.
A ferramenta traz visibilidade total dos custos de AWS, Azure, GCP, Databricks e Snowflake em uma única plataforma com visão integrada e interativa. O objetivo é identificar desperdícios, recursos ociosos e oportunidades de saving com recomendações priorizadas além de gerar alertas e governança com dados atualizados na frequência certa para o negócio.
A fatura do Databricks vai subir
Para organizações que rodam Databricks como peça central da stack de dados e IA, isso significa previsibilidade financeira em tempo real. A fatura da Databricks vai continuar subindo com a adoção de IA e as empresas precisam ter visibilidade dos gastos para avaliar se esse crescimento está gerando valor proporcional para o negócio.
O código migrou, seus dados chegaram certos?
Empresas brasileiras com décadas de operação em SAS e Alteryx estão migrando para o Databricks agora. A pressão vem de três lados ao mesmo tempo: custos de licenciamento que crescem enquanto a base de usuários SAS encolhe, uma geração de programadores que envelhece sem reposição no mercado e a urgência de conectar ambientes analíticos às plataformas de IA que o ecossistema legado simplesmente não alcança. O que a maioria descobre no meio do caminho é que migrar código é a parte mais fácil,. o problema está em garantir que os resultados do sistema novo sejam os mesmos do sistema antigo, registro a registro, antes de desligar o legado. A Jump desenvolveu o MigrateMind com essa premissa como centro: migração não é tradução, é comprovação.
Uma migração de infraestrutura tem critério de sucesso claro: o sistema novo faz o que o antigo fazia, só que mais rápido e mais barato. Uma migração de código analítico tem um critério muito mais difícil de verificar: a lógica que transformava dados brutos em resultados de negócio chegou intacta do outro lado.
O mercado de migração de dados está projetado para crescer de USD 10,55 bilhões em 2025 para USD 30,70 bilhões até 2034, reflexo direto da corrida para modernizar ambientes legados. O problema é que 83% dos projetos de migração falham, estouram o orçamento ou causam disrupção relevante nos negócios. A causa disso é a ausência de um processo que comprove, com evidência objetiva, que o sistema novo produz os mesmos resultados do original.
A falha mais perigosa nesse processo não quebra a execução: o código roda, não aparece nenhum erro, e o resultado entra em produção divergindo silenciosamente da fonte da verdade. Um cálculo de risco que retorna um número ligeiramente diferente do original dispara uma decisão errada.
De SAS para Databricks
O código SAS em grandes organizações foi construído ao longo de anos, por times diferentes, com convenções diferentes, resolvendo problemas que às vezes já não existem, mas seus efeitos ainda percorrem os pipelines. Macros chamam outras macros, datasets intermediários alimentam processos que ninguém documentou formalmente, e aí a lógica de uma solicitação escrita em 2011 pode depender de um comportamento implícito do SAS que o Spark simplesmente não replica.
SAS, Spark e Snowflake discordam sobre como tratar nulos, ordenação de registros, precisão numérica e cálculo de datas. O mesmo código pode produzir resultados diferentes nas duas plataformas sem que nenhum compilador reclame. Ferramentas de conversão automatizada avançaram muito nesse campo: plataformas especializadas migram 100 mil linhas em dez minutos, e aceleradores com IA generativa reduzem o tempo total de migração em até 80%. Esses ganhos são reais, mas não resolvem a divergência que só é detectada quando alguém compara os resultados lado a lado.
O que o MigrateMind faz de diferente
O MigrateMind é um produto da Jump, construído a partir de projetos reais de migração conduzidos pela empresa. A diferença em relação a conversores convencionais começa no que o produto se propõe a fazer: não apenas traduzir código, mas governar a migração inteira em seis etapas encadeadas: análise, conversão, execução, reparo, validação e auditoria, sem que nenhuma unidade avance sem comprovação da anterior.
Em vez de ser simulado simulado, o código convertido roda na plataforma de destino, com resultados reais. Quando erros ocorrem, um agente de reparo recebe o erro como entrada estruturada, gera uma versão corrigida e a reexecuta. Quando as tentativas param de evoluir, um disjuntor encerra o loop e encaminha a unidade para revisão humana, com registro completo de cada tentativa.
A validação compara métricas objetivas entre origem e destino: contagem de linhas, agregações, schema e equivalência valor a valor. Se o delta estiver fora da tolerância definida, a unidade não é certificada. A auditoria produz evidência técnica e executiva de cada decisão e resultado, rastreável e disponível para inspeção interna ou regulatória.
O produto cobre as rotas mais demandadas no mercado brasileiro: SAS 9.4 para Databricks, SAS para Teradata, SAS para Snowflake, Databricks para Snowflake, Snowflake para Databricks e Alteryx para Databricks. O conhecimento acumulado em projetos anteriores, conversões certificadas, mapeamentos validados e padrões recorrentes, alimenta os agentes de forma governada, tornando cada nova migração mais eficiente que a anterior.
Para quem quer avaliar antes de decidir, a Jump oferece dez dias de teste gratuito e prova de conceito no código real, sem lock-in e com os dados permanecendo sob custódia do cliente.
A pergunta que toda organização precisa responder antes de desligar o sistema legado não é se o código novo roda: é se o código novo comprova que chega ao mesmo resultado. Migração com comprovação é entrega.
Acesse migratemind.jump.tec.br para solicitar uma demonstração ou iniciar o teste gratuito.
Referências
MigrateMind / Jump. Migração não é tradução. Migração é comprovação, 2026.
Enlightlab. Data Migration Challenges: Top 8 Risks and Fixing Tips, jun. 2026.
Hakunamatatatech. Data Migration Risks Explained: Expert Guide, jul. 2026.
Advancing Analytics. The Challenge of Migrating Away From SAS, mai. 2026.
Databricks. Introducing Databricks GenAI Partner Accelerators for Data Engineering & Migration.
LeapLogic. SAS to Databricks Modernization, fev. 2026
O que é IA generativa: guia sem jargão para quem decide orçamento de IA
IA generativa, ou “Gen AI”, é um tipo de inteligência artificial que aprende padrões a partir de grandes volumes de dados, sejam eles, textos, imagens, códigos e áudios, e usa esse aprendizado para criar conteúdo novo. Ela responde a comandos (“prompts”) mas não toma decisões autônomas. Por isso, depende de intervenção humana para revisar e aplicar o que produziu.
Já a IA agêntica, ou “agentic AI”, observa um ambiente, toma decisões e realiza tarefas completas com pouca ou nenhuma intervenção humana, como abrir um chamado, ajustar um processo ou coordenar outros sistemas. Ela geralmente usa IA generativa como base para se comunicar e raciocinar, mas vai além: ela age. Essa autonomia representa, ao mesmo tempo, a promessa e o risco de reduzir a participação humana do processo de decisão. Talvez por isso, “agentic AI” se tornou um dos termos mais buscados por executivos de tecnologia em 2026.
Um projeto de IA generativa tem risco e custo muito menores do que um projeto de IA agêntica. Segundo projeções do Gartner divulgadas em 2026, o investimento mundial em modelos e plataformas de IA deve crescer cerca de 63% em relação a 2025, impulsionado principalmente por gastos com modelos de IA generativa.
Uma pesquisa do Gartner com mais de 200 líderes financeiros, realizada em março de 2026, mostrou que quase metade dos investimentos em IA feitos por CFOs está concentrada em ganhos de produtividade, enquanto apenas uma pequena parte está voltada para a qualidade das decisões de negócio. O estudo conclui que o desafio dos CFOs deixou de ser apenas implantar IA e passou a ser gerar valor estratégico com ela.
Ferramentas como Claude AI são IA generativa ou Agentic AI?
Assistentes como Claude, ChatGPT, Gemini e Copilot funcionam como soluções de IA generativa quando recebem um comando e geram texto, código ou análises. No entanto, também podem dar suporte a funcionalidades agênticas quando são conectados a ferramentas e autorizados a executar tarefas de forma autônoma. Antes de orçar um projeto com essas ferramentas, vale confirmar em qual dos dois modos ela vai operar na sua empresa porque o nível de governança muda bastante entre um caso e outro.
Como decidir se a sua empresa precisa de IA agêntica ou de IA generativa?
A decisão começa pelo objetivo estratégico do projeto. Se a ideia é acelerar tarefas que uma pessoa ainda vai revisar, a IA generativa resolve com menor complexidade e menor risco. Mas, se o objetivo for automatizar um processo de ponta a ponta sem intervenção humana constante, será um projeto de IA agêntica que deve considerar mais governança, mais testes e, normalmente, mais orçamento.
O que separa um bom projeto de IA de um projeto que vira custo permanente?
Um bom projeto de IA deve ter visibilidade de ponta a ponta, de onde o dado vem, quanto custa cada unidade de uso e quem é o responsável pela decisão de continuar ou parar. Além disso, é preciso levar em conta que o gasto com IA generativa não termina na implantação, ele continua todo mês, proporcional ao uso e, sem controle, esse custo cresce de forma silenciosa e imprevisível.
Como reduzir o risco antes de assinar um contrato de IA?
O ideal é começar com um projeto piloto de escopo limitado, com metas de retorno claras e um responsável direto pelo acompanhamento de custo e qualidade dos dados. Isso permite validar o valor real antes de escalar o investimento para toda a organização.
Como estimar o custo real de um projeto de IA generativa?
Considere quatro pontos importantes: a licença ou o consumo da ferramenta em si, o tempo da equipe para revisar e ajustar o que a IA produz, o investimento em qualidade e governança dos dados usados e o monitoramento contínuo de custo (FinOps de IA).
Por que tantos projetos de IA são cancelados antes de gerar retorno?
Na maioria dos casos, a causa não é a tecnologia em si, mas a falta de governança sobre dados, papéis e custo desde o início do projeto, o que torna difícil provar valor e sustentar o investimento diante da diretoria.
O que é FinOps de IA (AI FinOps)?
É a evolução da disciplina tradicional de FinOps para o gerenciamento do desempenho e do valor de soluções de inteligência artificial. Enquanto o FinOps clássico se concentra na otimização dos gastos com infraestrutura em nuvem, o FinOps de IA amplia esse escopo para incluir modelos de IA, GPUs, inferência, armazenamento de dados, agentes de IA e serviços de modelos de linguagem.
O consumo de IA generativa varia com o uso real, e sem uma prática de FinOps de IA acompanhando de perto, o valor projetado pode não ser compatível com o que aparece na fatura meses depois.
Por que escolher empresas que tenham ISO/IEC 42001 para projetos de IA?
A ISO/IEC 42001 é a primeira norma internacional que certifica especificamente sistemas de gestão de IA, assim, priorizar fornecedores que tenham essa certificação garante projetos estruturados com um sistema de gestão auditável. Em mercados como UE (AI Act) e no Brasil (PL 2338 em tramitação), ter fornecedores certificados reduz o risco de retrabalho regulatório futuro.
Ecossistemas abertos para acelerar a inovação em dados e IA
Durante 4 dias, milhares de especialistas se reuniram para discutir o futuro da IA corporativa, arquiteturas abertas e governança de dados em escala no Data + AI Summit 2026, em São Francisco, na Califórnia. Este já é considerado um dos maiores eventos globais de dados e inteligência artificial da atualidade, promovido pela Databricks, empresa de dados e IA que atende mais de 20 mil organizações em todo o mundo. A Jump é parceira da Databricks e esteve presente para acompanhar as principais discussões do evento e incorporar esses aprendizados à evolução de seus produtos e serviços.
Nos últimos dois anos, a atenção esteve voltada para os grandes modelos de linguagem (LLMs), mas o mercado percebeu a necessidade de conectar, governar e disponibilizar dados de forma segura para aplicações inteligentes. Nesse contexto, tecnologias open source, como Apache Spark, Delta Lake, Apache Iceberg e MLflow, ganharam relevância estratégica. Elas permitem que as empresas construam uma base tecnológica mais flexível, evitando dependência de fornecedores específicos e facilitando a integração entre ambientes.
Um dos exemplos apresentados recentemente envolve a gigante global de pagamentos Mastercard, que processa mais de 173 bilhões de transações anuais e vem utilizando plataformas modernas de dados para fortalecer governança e iniciativas de inteligência artificial em escala global.
Outro destaque apresentado no ecossistema Databricks foi o caso da Corteva, que reduziu o tempo necessário para integrar novas fontes de dados de 30 a 45 dias para apenas 4 a 7 dias, acelerando em aproximadamente 85% o processo de onboarding de dados. Esse ganho permitiu maior velocidade na disponibilização de informações para analytics e IA.
Já a Nationwide modernizou toda a sua arquitetura de ITSM e analytics, substituindo ambientes fragmentados por uma plataforma unificada de dados, melhorando governança, qualidade das informações e velocidade de geração de insights.
O movimento atual aponta para a consolidação de um ecossistema cada vez mais integrado. Frameworks estão sendo combinados com tecnologias abertas de dados para criar aplicações corporativas mais inteligentes, escaláveis e governadas. Essa é uma das grandes forças do ecossistema da Databricks.
O Unity Catalog é a camada de governança que amarra controle de acesso, linhagem, descoberta de dados sobre a estrutura de Lakehouse, independentemente de nuvem ou formato (Delta ou Iceberg). Com isso, o Unity Catalog permite centralizar governança, rastreabilidade e controle de permissões em ambientes analíticos e de IA, reduzindo riscos regulatórios e fortalecendo compliance.
FinOps e otimização de custos em nuvem
Com o crescimento dos investimentos em IA, os gastos com infraestrutura cloud tornaram-se uma preocupação estratégica. A centralização dos dados em arquiteturas Lakehouse permite monitorar consumo, identificar desperdícios e criar modelos preditivos para gestão financeira da nuvem. Com isso, fica mais fácil um planejamento orçamentário, monitorando os recursos consumidos por IA e controlando os custos da nuvem.
A tendência mais forte observada em 2026 é a convergência entre dados, analytics e IA generativa para gerar inteligência de negócios em tempo real. A principal lição dos cases apresentados no Data + AI Summit 2026 é que as empresas que estão obtendo os melhores resultados são as que conseguem unir governança de dados, arquitetura open source, automação de pipelines, IA generativa e analytics em tempo real. O resultado é uma organização mais ágil, preparada para escalar inteligência artificial com segurança, eficiência operacional e retorno financeiro mensurável.
WEBINAR OPT3
No próximo dia 24 de junho às 13h vamos lançar nosso produto OPT3, uma plataforma de gestão financeira multicloud, em um webinar online conduzido pelo CEO Anderson Argentoni e pelo COO Rafael Yashiki Capua.
O OPT3 chega ao mercado para resolver um problema que cresce junto com a digitalização das empresas: infraestrutura em nuvem já figura entre os maiores itens de despesa operacional de organizações de médio e grande porte, mas o controle financeiro sobre esse gasto permanece fragmentado. AWS, Azure, GCP e Databricks operam com lógicas de cobrança distintas, e consolidar esses dados em uma visão única e acionável ainda exige esforço manual considerável na maioria das empresas.
Garanta sua vaga no webinar OPT-3 →
Copa do Mundo Digital: Audiência x Experiência
Hoje começa um dos maiores eventos esportivos do mundo. Pela primeira vez, uma Copa vai ser sediada em três países: Estados Unidos, México e Canadá. A tecnologia vai entrar em campo e promete dar um show de gols tanto na organização quanto na monetização do evento esportivo. Enquanto os atletas fazem as jogadas, a inteligência artificial prepara as jogadas para cruzar dados, monitorar e criar experiências personalizadas para cada torcedor.
A Copa do Mundo 2026 movimentará números e algoritmos históricos. A FIFA estima um público de aproximadamente 6,5 milhões de espectadores nos estádios ao longo dos 104 jogos do torneio. As projeções mais recentes indicam que a Copa deve gerar em torno de US$13 bilhões em receita, tornando-se a edição mais lucrativa da história. Essa projeção pode ganhar ainda mais relevância quando considerada a abrangência digital do evento, por meio das transmissões e da análise de dados sobre o comportamento dos torcedores virtuais.
Plataformas digitais, redes sociais, aplicativos esportivos, streaming e e-commerce capturam milhares de sinais para entender o comportamento do consumidor e entregar campanhas cada vez mais emocionais e eficientes. O torcedor será então como um ecossistema de dados e cada clique, pesquisa, compra ou interação durante a Copa promete gerar informações valiosas.
Segundo estudo elaborado pela OpenEconomics (OE) e divulgado pela Organização Mundial do Comércio (OMC) e pela FIFA, a Copa poderá gerar US$40,9 bilhões em PIB global adicional e, para empresas de tecnologia, martech e dados, a Copa vai ser uma mina de ouro.
Com a IA, as marcas conseguem identificar momentos de maior engajamento e recomendar produtos de acordo com o perfil do cliente. Dois consumidores acessando o mesmo aplicativo ao mesmo tempo podem visualizar ofertas completamente diferentes e a experiência de compra deixa de ser massificada e passa a ser individualizada.
As grandes marcas patrocinadoras do campeonato prometem uma experiência de entretenimento além das 200 horas de jogos. A FIFA anunciou o lançamento do jogo FIFA World Cup desenvolvido em parceria com a Netflix e o projeto vai permitir que os torcedores participem virtualmente da competição usando smartphones como controles e interagindo com as seleções e todos os estádios.
A Visa vem investindo em experiências digitais integradas e personalização baseada em dados. Para a Copa, a expectativa é de aumento no uso de tecnologias que conectam compra, entretenimento e experiência do torcedor em tempo real. Já a Coca-Cola tem ampliado o uso de IA para criar campanhas cocriadas pelos consumidores. A Adidas tem investido fortemente em conteúdo digital, comunidades de fãs, influenciadores e experiências híbridas.
Nesse movimento de manter o torcedor engajado mesmo após os 90 minutos da partida, a FIFA vai realizar os FIFA Fan Festivals que serão os principais centros de experiências para os torcedores fora dos estádios unindo entretenimento, música e ativações dos patrocinadores.
Ou seja, se por um lado os torcedores vibram e esperam a bola na rede, para as marcas o golaço da IA vai ser interpretar o comportamento do consumidor e ajustar a comunicação instantaneamente.
Na experiência presencial ao longo dos quase quarenta dias de competição, a IA também vai fazer o cruzamento para a melhor experiência do público. Com bilhões de interações previstas entre torcedores, turistas, marcas e patrocinadores a expectativa é de que a Inteligência Artificial auxilie no atendimento, transporte, atendimento e segurança.
A expectativa é de que as cidades-sede usem chatbots com IA para atender turistas em diferentes idiomas, oferecendo informações sobre acomodação, deslocamentos, experiências nos estádios e atrações turísticas. Outro golaço será também o monitoramento operacional com sistemas inteligentes para controle do número de pessoas, segurança e prevenção de acidentes nos estádios. A inovação também fica por conta de cachorros robôs com scanners facial patrulhando os estádios da Copa e dando suporte aos sistemas de segurança.
O grito do gol, a emoção da vitória e a imprevisibilidade do esporte seguem impossíveis de serem totalmente calculados e a seleção campeã da Copa só saberemos no dia 19 de julho, mas a inteligência artificial já tem garantida a sua medalha de ouro e será lembrada para sempre pela capacidade de transformar volumes de dados em experiências humanas eficientes e personalizadas.
Engenharia de dados e a inteligência do seu negócio
Na construção civil, a fundação é a estrutura fundamental que sustenta toda edificação, garantindo estabilidade e segurança, o elemento que suporta todo o peso e distribui a carga. Nas grandes corporações, a engenharia de dados pode ser comparada com essa fundação uma vez que tem a função de projetar, construir e gerenciar sistemas que processam grande volume de dados para análises estratégicas. Não por acaso, a própria palavra que nomeia esse campo carrega em sua origem a ideia de inteligência aplicada.
O termo “engenharia” em si tem uma etimologia mais recente, derivando da palavra “engenheiro”, que apareceu no início do século XVI e se referia a alguém que construía ou operava um engenho. A palavra “engenho”, tem origem do latim “ingenium” que significa “gênio”, ou seja, uma qualidade natural, especialmente mental, portanto, uma invenção inteligente.https://pt.wikipedia.org/wiki/Engenharia
Não somente para novas construções, mas nos processos de modernização também é preciso um trabalho de engenharia. Atualmente com o grande volume de informações processadas pelas corporações, a base de dados precisa estar em constante remodelação para se integrar às novas tecnologias.
Transformação Digital
É nesse contexto, de modernização contínua e necessidade de bases sólidas, que a Jump atua como parceira estratégica em transformação digital.
A Jump é uma empresa de consultoria em transformação digital que oferece produtos e soluções para os objetivos estratégicos dos clientes, especialmente na área de arquitetura e engenharia de dados, infraestrutura e inteligência artificial. Essas áreas estão cada vez mais conectadas e, como em toda obra, são complementares para a segurança do projeto.
Com a plataforma Databricks Lakehouse combinamos o melhor dos datalakes e data warehouses parar criar um ambiente de dados moderno e poderoso para sua empresa. Nossa abordagem única oferece confiabilidade, forte governança e desempenho de data warehouses, junto com a flexibilidade e suporte a aprendizado de máquina dos datalakes.
A plataforma é construída com padrões abertos e código aberto, o que garante a máxima flexibilidade para atender às necessidades específicas. Além disso, adotamos uma abordagem comum para gerenciamento de dados, segurança e governança, o que torna as operações mais eficientes e acelera a inovação.
Principais recursos do lakehouse
- Suporte a transações: Em um lakehouse corporativo, muitos pipelines de dados acionam dados simultaneamente. O suporte a transações garante a consistência enquanto várias partes leem ou escrevem dados, geralmente usando SQL.
- Aplicação de esquema e governança: O Lakehouse deve suportar a aplicação e evolução de esquemas e ser capaz de raciocinar sobre a integridade dos dados, ter mecanismos de governança e auditoria.
- Suporte a BI: Lakehouses permitem o uso de ferramentas de BI diretamente nos dados de origem. Isso melhora a atualidade e diminui o custo de ter que operacionalizar duas cópias dos dados em um datalake e em um warehouse.
- Armazenamento desacoplado de computação: esses sistemas podem escalar para muitos usuários simultâneos e tamanhos de dados maiores.
- Abertura: Os formatos de armazenamento que eles usam são abertos e padronizados, como Parquet, e fornecem uma API para que uma variedade de ferramentas e engines, incluindo machine learning e bibliotecas Python/R, possam acessar os dados eficientemente diretamente.
- Suporte a diversos tipos de dados, de não estruturados a estruturados: O lakehouse pode ser usado para armazenar, refinar, analisar e acessar tipos de dados necessários para muitas novas aplicações de dados, incluindo imagens, vídeo, áudio, dados semiestruturados e texto.
- Suporte a diversas cargas de trabalho: incluindo ciência de dados, machine learning e SQL e análises. Múltiplas ferramentas podem ser necessárias para suportar todas essas cargas de trabalho, mas todas elas dependem do mesmo repositório de dados.
- Streaming ponta a ponta: O suporte a streaming elimina a necessidade de sistemas separados para atender aplicações de dados em tempo real.
O datalake como suporte dos LLMs
Para uma organização que quer afinar uma LLM nos seus dados, o datalake deixa de ser apenas infraestrutura de analytics e passa a ser o repositório de matéria-prima do modelo.
Assim, a integração entre engenharia de dados, arquitetura de datalakes e LLMs é uma reorganização estrutural da inteligência dos negócios. Somente com uma infraestrutura sólida e bem projetada as empresas poderão se beneficiar dos dados como ativo estratégico para a tomada de decisão.
Data + AI Summit 2026
No próximo mês, a Jump vai participar do Data + AI Summit 2026, da Databricks, que promete reunir profissionais de dados, analytics e IA em mais de 800 sessões, keynotes e treinamentos. O tema macro da edição aparece como “Build apps and agents that work”, com foco em aplicações e agentes de IA em produção.
O evento é fortemente voltado a IA aplicada, agentes, LLMs, arquitetura lakehouse, engenharia de dados, governança, BI com IA, aplicações empresariais e ecossistema open source/Databricks. Os grandes nomes de chamariz são Ali Ghodsi, Satya Nadella, Greg Brockman, Matei Zaharia e Reynold Xin, junto às lideranças de empresas como PepsiCo, Novo Nordisk, Mercedes-Benz Korea, Nasdaq, Fox, Glean e Databricks.
Com certeza traremos muitos insights e possibilidades para a evolução do seu negócio!
Cultura e Tecnologia no universo Geek
Animes, cards, games retrô, ficção científica, tecnologia, horas de séries, cosplay e outras afinidades unem o mundo geek em uma comunidade com paixão por elementos da cultura pop. Comemorado em homenagem à estreia do primeiro filme de Star Wars, lançado em 1977 e considerado um marco para a cultura nerd, o Dia do Orgulho Geek completa 20 anos de celebração em 2026. A data, 25 de maio, também é celebrada como o Dia da Toalha, uma homenagem dos fãs da série “O Guia do Mochileiro das Galáxias” e ao seu autor, o escritor Douglas Adams.
Ficção científica ou realidade?
A comemoração vai ser em grande estilo e levará aos cinemas mais uma geração para assistir o novo filme da saga Star Wars: “The Mandalorian e Grogu”, que estreia hoje em todo o mundo e promete ação, aventura e o carisma de Grogu em uma produção cinematográfica.
Essa estreia de mais uma etapa no universo Star Wars aproveita também a proximidade de outra data comemorativa no calendário nerd: 4 de maio, conhecido internacionalmente como “May the Fourth be with you” – trocadilho que aproveita a data para conectá-la à frase icônica “May the Force be with you”.
Mesmo antes da IA permear a nossa realidade e se tornar o foco das empresas de tecnologia, o universo de Star Wars já trazia reflexões sobre a convivência entre humanos e máquinas. Além disso, o lado sombrio da força pode ser comparado com o uso irresponsável de dados, manipulação algorítmica e excesso de automação sem supervisão humana. Por isso, temas como governança de dados e cibersegurança passaram a ser foco das empresas empenhadas na transformação digital.
O mundo dos games
O público nerd sempre esteve ligado também à curiosidade, experimentação e lógica e formou profissionais apaixonados por tecnologia, tanto na área de programação como de robótica e games. Hoje, muitos dos líderes das maiores empresas do mundo cresceram imersos nesse universo.
Realizada em São Paulo neste mês comemorativo do Orgulho Geek, a Gamescom Latam 2026 consolidou o Brasil como o principal hub gamer da América Latina e um dos mercados mais estratégicos para inovação digital. O evento também revelou como o setor gamer se tornou um dos maiores laboratórios de inovação em IA, cloud computing e experiências imersivas do planeta. Veja mais sobre o que rolou no Linkedin da Jump.
A comemoração no Brasil
Seja no ambiente digital ou em encontros presenciais, a comunidade geek sempre cria um espaço inclusivo que acolhe pessoas de diferentes idades e perfis e a programação para comemorar esse dia não vai ser diferente. Seja participando de eventos, maratonando filmes e séries ou jogando com os amigos, escolha o seu programa preferido e mostre o seu orgulho geek!
Geek Calendar – O calendário oficial do universo geek!
Geek Connection | O Maior Portal de Fotografia e Eventos Geek do Brasil
Passeio Geek 4° Edição
23 maio
Evento presencial em Jardim Botânico de Florianópolis, Florianópolis – SC
Lobby Con
23 de Maio
TEATRO Feluma Prof. Dr. Geraldo Magela Gomes da Cruz – Alameda Ezequiel Dias, 275 – Sétimo Andar – Centro, Belo Horizonte – Minas Gerais
ANIMON 2026
23 de Maio
Evento presencial em Parque de Exposições João Alencar de Athayde, Montes Claros – MG
TORNEIO DE BOMBA PATCH – VILA ANIME
14 de Junho
Areninha Cultural Municipal Jacob do Bandolim – Praça do Barro Vermelho, Rio de Janeiro – Rio de Janeiro
Diversão Offline 11ª Edição
11 e 12 de julho
Evento presencial em Expo Center Norte, São Paulo – SP
Maranhão Geek Experience
11 e 12 de julho
Evento presencial em Sebrae Multicenter, São Luís – MA
Nuvem Financeira
A corrida pela transformação digital acelerou o consumo de cloud computing em escala global e junto com a expansão da nuvem, surgiu o desafio de controlar custos, gerar eficiência operacional e garantir previsibilidade financeira em ambientes cada vez mais complexos.
Os investimentos globais em cloud computing devem ultrapassar US$ 1 trilhão em 2026, impulsionados principalmente pela expansão da Inteligência Artificial, automação e análise de dados em tempo real. Segundo dados do setor, apenas 43% das organizações possuem rastreamento detalhado de despesas cloud por times, produtos ou serviços criando ambientes de expansão tecnológica sem governança financeira.
Com a conscientização do Cloud Value Management, as empresas deixam de medir apenas redução de custos e passam a analisar o retorno estratégico gerado pela infraestrutura. O mercado caminha para um modelo em que eficiência financeira será tão importante quanto inovação tecnológica.
O avanço da IA elevou o desperdício em cloud
O relatório “State of the Cloud 2026”, da Flexera, mostrou que o desperdício estimado em cloud chegou a 29% dos investimentos totais, revertendo uma tendência de queda observada nos últimos cinco anos. O principal fator apontado foi o crescimento acelerado das cargas de Inteligência Artificial. O dado revela um novo cenário para empresas orientadas por IA de que é preciso garantir governança financeira sobre GPUs, processamento, inferência e armazenamento em escala.
Em 2026, a FinOps Foundation anunciou uma mudança histórica em sua missão e deixou de “gerenciar o valor da cloud” para “gerenciar o valor da tecnologia”. Paralelamente, muitas organizações estão abandonando o conceito de “cloud para tudo” e adotando um modelo mais pragmático, no qual workloads são distribuídos conforme custo, performance e eficiência operacional.
FinOps no mercado financeiro brasileiro
Poucos segmentos sentem tanto o impacto da transformação digital quanto o setor financeiro. Bancos, fintechs, seguradoras e empresas de meios de pagamento operam hoje em um ambiente de alta demanda computacional principalmente por causa do Pìx e Open Finance com pagamentos instantâneos, análise antifraude em tempo real e hiperpersonalização da experiência do cliente.
O Banco do Brasil tornou-se um dos exemplos mais relevantes de modernização tecnológica no setor financeiro nacional. O banco opera com estratégia multi-cloud, combinando nuvem privada com os principais provedores globais de cloud computing para equilibrar performance, escala, segurança, compliance e eficiência operacional. A instituição também acelerou o uso de inteligência artificial em onboarding digital, biometria facial, prevenção à fraude, análise automatizada e hiperpersonalização da experiência do cliente. Com cerca de 33 milhões de clientes utilizando o aplicativo mensalmente, o banco passou a tratar eficiência computacional e governança cloud como temas estratégicos para sustentar crescimento digital em larga escala.
O Bradesco transformou IA e cloud em pilares de escala digital. Segundo executivos do banco, 99% das transações já acontecem em ambiente digital, sustentadas por uma arquitetura moderna baseada em cloud, automação e inteligência artificial. A assistente virtual BIA, lançada ainda antes da explosão da IA generativa, tornou-se um dos principais canais de relacionamento da instituição.
Entre as fintechs, o Nubank talvez seja um dos exemplos mais emblemáticos da relação entre tecnologia, escalabilidade e eficiência operacional. Em 2026, a fintech ultrapassou o Bradesco em número de clientes e tornou-se o segundo maior banco do Brasil em base de usuários, alcançando mais de 112 milhões de clientes. O crescimento acelerado foi sustentado por arquitetura cloud-native, automação massiva, uso intensivo de dados e forte escalabilidade operacional.
Outro exemplo relevante veio do Ouribank. Durante o evento FinOps Exchange 2026, executivos do banco destacaram que o aumento da taxa Selic e a pressão por rentabilidade fizeram o mercado financeiro acelerar iniciativas de controle de custos tecnológicos. A mudança reflete um novo momento do setor em que investidores e conselhos passaram a exigir retorno mais claro sobre investimentos em cloud, IA e automação.
Com isso, FinOps deixou de ser apenas uma pauta técnica para se tornar um mecanismo estratégico de governança, previsibilidade financeira, eficiência operacional e otimização de margem.
IA, equidade de gênero e a missão lunar do trabalho do futuro
Quando o foguete Artemis II parte rumo à Lua, cada componente da missão tem papel crítico. Engenheiros, cientistas e astronautas trabalham de forma coordenada e confiam uns nos outros para alcançar um objetivo comum. No mundo corporativo, a inteligência artificial desempenha um papel semelhante. Ela tem potencial para aumentar produtividade, inovação e competitividade, mas nem todos os profissionais têm acesso às mesmas ferramentas ou confiança para participar dessa transformação.
É justamente nesse ponto que empresas como a Jump começam a fazer diferença ao aproximar tecnologia e pessoas. Ao atuar com soluções em Cloud, Databricks, Salesforce e Power BI, a empresa não apenas implementa tecnologia, mas também cria caminhos para que mais profissionais participem ativamente desse novo cenário.
Partindo deste princípio, o conceito de “two-tiered AI economy”, destacado por Emily Canto Nunes na Ada News, descreve uma economia digital dividida entre dois mundos. De um lado estão aqueles que desenvolvem IA, como grandes empresas e países com infraestrutura tecnológica avançada. Do outro estão aqueles que apenas consomem tecnologia, com acesso limitado. Ou seja, a inovação se concentra em poucos, enquanto a base corre risco de ficar para trás.
Os dados reforçam essa divisão. Um estudo do Harvard Digital Data Design Institute mostra que mulheres têm 20% menos probabilidade de adotar ferramentas de IA generativa, mesmo quando possuem formação técnica. Além disso, relatórios sobre o impacto da automação no trabalho feminino indicam que a IA tem três vezes mais probabilidade de impactar empregos ocupados por mulheres, especialmente em funções administrativas e de serviços. Já análises da Harvard Business Review sobre o fenômeno social identity threat evidenciam que profissionais sub-representados que utilizam IA podem ser percebidos como menos competentes, aumentando a hesitação e limitando oportunidades de carreira.
Diante desse cenário, a atuação da Jump ganha ainda mais relevância. Ao investir em capacitação contínua e incentivar o uso prático de dados e inteligência artificial no dia a dia das equipes, a empresa contribui diretamente para reduzir barreiras de acesso. Isso significa não apenas disponibilizar ferramentas, mas garantir que diferentes perfis de profissionais se sintam preparados e confiantes para utilizá-las.
Esse tipo de abordagem impacta diretamente a cultura organizacional. Quando a tecnologia é acompanhada de inclusão e desenvolvimento, cria-se um ambiente mais seguro para experimentação, troca de conhecimento e inovação. A experiência da Jump mostra que democratizar o uso da IA dentro das empresas é um passo essencial para evitar que a transformação digital aprofunde desigualdades já existentes.
O resultado vai além da tecnologia. Ambientes mais diversos e preparados aumentam a confiança dos colaboradores, estimulam inovação e melhoram a produtividade. Assim como uma missão lunar depende de cada tripulante, a transformação digital corporativa só é bem-sucedida quando todos têm acesso às ferramentas, treinamento e oportunidades para contribuir.
A IA é uma força transformadora, mas só atingirá seu potencial pleno se empresas garantirem inclusão, capacitação e diversidade. Iniciativas como as da Jump mostram que é possível construir esse caminho de forma prática e consistente. Afinal, a missão lunar da inovação só será completa quando todos puderem embarcar.
A saúde dos dados
A tecnologia sempre caminhou ao lado da medicina e atualmente esse trabalho em conjunto ganha uma nova dimensão com a inteligência artificial e a ampliação da capacidade diagnóstica e monitoramento através da análise de dados por parte também dos pacientes.
No contexto do Dia Mundial da Saúde, essa transformação ganha ainda mais relevância. A data comemorada no dia 7 deste mês, promovida pela Organização Mundial da Saúde, reforça um princípio atemporal de que cuidar da saúde é um compromisso contínuo, individual e coletivo. Criada em 1948, o objetivo é ser um marco anual para promover ações de saúde pública e conscientizar a população sobre a prevenção e cuidados. A lógica permanece a mesma mas a diferença é que agora temos ferramentas capazes de antecipar riscos, monitorar sinais em tempo real e apoiar decisões com base em dados.
De acordo com a World Health Organization, a detecção precoce pode reduzir significativamente a mortalidade em doenças crônicas, especialmente quando combinada com tecnologias. Dispositivos como smartwatches e sensores vestíveis inauguram uma nova era da medicina preventiva baseada em dados em tempo real. O que antes tínhamos acesso somente nas consultas médicas agora podemos monitorar na nossa rotina. O paciente deixa de ser passivo e passa a atuar como protagonista da própria saúde. Segundo a Harvard Medical School, o uso de wearables já demonstra impacto positivo na prevenção de doenças cardiovasculares e na gestão de condições crônicas.
A tecnologia também rompe barreiras geográficas com a telemedicina, acelerada globalmente após a pandemia, que permite consultas remotas com especialistas, acompanhamento contínuo de pacientes crônicos e redução de custos operacionais e deslocamentos.
Big Data clínico
A saúde está se tornando um ecossistema inteligente. A tecnologia está assumindo três papéis centrais: diagnóstico com as ferramentas de IA para clínica, monitoramento (wearables e apps) e decisão (modelos preditivos e dados). Sistemas de IA cruzam milhares de informações simultaneamente: histórico médico, exames laboratoriais, dados genéticos e comportamento do paciente. Diagnósticos que eram antes baseados em sintomas, agora são baseados em dados e previsão com acompanhamento contínuo e em tempo real.
Seja para monitoramento diário para prevenção de riscos em doenças crônicas, para consulta online ou até monitoramento de indicadores de bem-estar ou saúde mental, o fato é que a IA revolucionou a medicina e colocou médicos e pacientes como parceiros para a promoção da saúde. Sugerimos aqui uma lista dos aplicativos e ferramentas interessantes para quem quer cuidar da saúde.
Monitoramento de glicose (diabetes)
– mySugr
Controle da pressão arterial
– Blood Pressure Monitor Parte superior do formulárioParte inferior do formulário
App de diagnóstico e análise de sintomas
– Ada Health: Avaliação de sintomas com IA. Gera hipóteses diagnósticas. Usado por milhões em mais de 130 países. Ideal para triagem inicial com base científica
Apps de monitoramento clínico e métricas avançadas
– AI Health Pulse: Focado em dados fisiológicos concretos. Controle contínuo de condições crônicas.
– Feeltracker: Uma abordagem mais analítica e comportamental.
Ecossistemas e plataformas de dados de saúde
– Google Health: Plataforma de gestão de saúde que centraliza histórico médico, exames e atividades.
– Health Connect: Integra dados de múltiplos apps (Fitbit, Samsung, Garmin), permite visão unificada da saúde e base para insights mais avançados com IA
IA clínica e diagnóstico assistido
– Your.MD : Um dos pioneiros em IA para triagem de sintomas.
– Amazon Health AI: Agenda consultas e gerencia medicamentos
– K Health: Atendimento médico virtual, combina IA + consulta médica real
Apps de monitoramento contínuo de saúde
– Fitbit App: Forte em prevenção e rotina saudável
– Apple Health: Ideal para quem busca visão integrada da saúde
– Lark Health: “Enfermeiro digital”. Programas para diabetes, hipertensão, estresse. Referência em gestão de doenças crônicas
Bem -estar e saúde mental
– Elomia Health: Chatbot terapêutico com IA. Foco em bem-estar emocional acessível
– AuraNetra AI: Monitoramento de humor, hidratação e hábitos. Ideal para equilíbrio entre corpo e mente
Plataformas médicas e telemedicina com IA
– Teladoc Health: Consultas médicas online 24/7. Forte em acesso e escalabilidade
– Voa Health: Otimiza a experiência médico-paciente
– Nanomed AI: sugestões diagnósticas e gestão de prontuário, IA de apoio médico
Plataformas avançadas e ecossistemas de saúde
– The Wellness AI: integra dados de diversos dispositivos (Apple, Garmin, etc.).
– Sempulse (LiveCharts + IA): aplicação mais próxima da medicina hospitalar avançada
Apesar dessas e outras infinitas ferramentas e os avanços tecnológicos para a saúde, é fundamental preservar o elemento humano. A tecnologia deve atuar somente como suporte da relação médico-paciente. Questões como ética, privacidade e transparência algorítmica tornam-se centrais nesse novo cenário e a saúde humana deve estar sempre preservada pelos médicos profissionais e pela saúde dos dados.
