Passei os últimos dias dentro do Google Cloud Summit Brasil 2026, em São Paulo, participando da press trip como creator convidado. Entre keynotes, demonstrações, conversas com executivos, duas coletivas de imprensa e um papo descontraído no meio da feira com Milena Leal, Country Manager do Google Cloud Brasil, uma pergunta começou a me perseguir. Se inteligência artificial está ficando cada vez mais poderosa, barata e acessível para todo mundo, onde estará a vantagem competitiva de uma empresa daqui para frente?
É uma pergunta desconfortável porque durante muito tempo associamos tecnologia à vantagem competitiva quase automaticamente. Quem tinha o melhor software, a infraestrutura mais robusta ou acesso às tecnologias mais avançadas largava na frente. Só que a IA está comprimindo essa diferença numa velocidade impressionante, e o Google Cloud Summit deixou bastante evidente que estamos entrando em uma fase diferente.
Gemini, agentes, modelos multimodais, infraestrutura de IA, análise de dados, ferramentas de segurança e automação estão avançando ao mesmo tempo. Pequenas empresas começam a acessar capacidades que, alguns anos atrás, exigiriam equipes enormes e milhões de reais em tecnologia. Quando a ferramenta fica disponível para todos, possuir a ferramenta deixa de ser o principal diferencial.
A diferença começa depois do acesso
Perguntei exatamente isso para Milena Leal durante nossa conversa no meio da feira. Minha pergunta foi simples. Em um mercado no qual todo mundo passa a ter acesso fácil e relativamente barato à inteligência artificial, onde fica o diferencial competitivo das empresas? A resposta dela foi menos sobre tecnologia e muito mais sobre gestão.
Segundo Milena, o diferencial estará na capacidade de entender onde aplicar IA mais rapidamente, na maturidade da organização, na integração dos dados e na capacidade de aplicar a tecnologia de forma massiva. Ela citou setores naturalmente intensivos em dados, como mercado financeiro, varejo, telecomunicações e saúde, mas fez uma observação importante. Uma pequena empresa também pode competir nesse jogo, justamente porque acesso à tecnologia deixou de ser exclusividade das grandes.
Em determinado momento da conversa, ela resumiu o problema em uma frase: “O grande desafio nosso aqui é tempo.” Quanto mais demorada for a adoção, argumentou, mais lento também será o go-to-market da empresa. Essa talvez tenha sido uma das frases mais relevantes que ouvi durante todo o evento.
O Brasil já usa IA. O problema é transformar uso em capacidade
Os números apresentados pelo próprio Google ajudam a entender essa contradição. Segundo o estudo Work: In Progress, encomendado pelo Google Cloud à IDC e à Provokers, 71% dos profissionais brasileiros pesquisados afirmam utilizar assistentes de IA no trabalho e 59% já dizem delegar tarefas para agentes autônomos. Ao mesmo tempo, somente 17% das organizações pesquisadas atingiram os níveis de governança necessários para escalar agentes em múltiplos processos centrais.
Esse número de 17% me interessa mais do que qualquer indicador de quantidade de usuários de IA. Ele mostra que experimentar virou relativamente fácil, enquanto transformar inteligência artificial em capacidade organizacional continua difícil. É justamente nessa distância entre acesso e capacidade que começa a aparecer uma nova forma de vantagem competitiva.
Outro dado reforça o ponto. A pesquisa divulgada durante o Summit mostra que 75% dos profissionais brasileiros pesquisados ainda não sabem exatamente o que pedir à IA. Podemos ter o melhor modelo disponível na tela e, ainda assim, produzir pouco valor com ele.
Antigravity quando criar agentes e aplicações deixa de ser um projeto só para desenvolvedores
Um dos pontos que mais me chamou atenção nessa discussão sobre maturidade foi o Google Antigravity. Porque ele mexe justamente em uma barreira que ainda separa muita empresa da IA aplicada, principalmente a capacidade de transformar uma ideia em um agente ou em uma aplicação funcionando de verdade.
O Google descreve o Antigravity como sua plataforma de desenvolvimento “agent-first”, criada para levar uma ideia até uma aplicação pronta para produção. Com o Antigravity 2.0, desenvolvedores conseguem coordenar múltiplos agentes em paralelo, criar subagentes especializados e distribuir tarefas complexas entre eles. A plataforma também ganhou versões para desktop, terminal, IDE e SDK, todas utilizando a mesma estrutura de agentes.
Na prática, isso muda bastante a forma de construir software, pois em vez de pedir apenas que uma IA escreva um trecho de código, você pode entregar um objetivo mais amplo. Um agente pode trabalhar na estrutura da aplicação, outro pode criar testes, outro revisar código e outro desenvolver componentes específicos. O próprio Google cita tarefas como refatoração de código, geração de testes e criação de novos serviços a partir de uma especificação.
Esse ponto merece atenção porque estamos avançando rapidamente do chamado “vibe coding”, em que alguém conversa com uma IA para produzir código, para uma lógica de orquestração de agentes que constroem aplicações. É uma diferença relevante. A IA deixa de funcionar apenas como copiloto do desenvolvedor e começa a assumir partes inteiras do processo de desenvolvimento.
O Google deu outro passo nessa direção com os Managed Agents da Gemini API, pois com uma chamada de API, é possível criar um agente capaz de raciocinar, utilizar ferramentas e executar código dentro de um ambiente Linux isolado. A tecnologia utiliza a mesma estrutura do Antigravity e abstrai parte da infraestrutura normalmente necessária para colocar um agente em operação.
E aqui aparece uma implicação que vai muito além dos times de tecnologia, quanto mais simples fica construir um agente, menor fica a distância entre quem identifica um problema dentro da empresa e quem consegue criar uma solução para ele.
Durante muito tempo, alguém da área comercial, financeira ou de operações encontrava uma oportunidade de automação, escrevia um briefing, encaminhava para TI, entrava em uma fila de desenvolvimento e esperava. Ferramentas como Antigravity, AI Studio e a Gemini API começam a encurtar radicalmente essa cadeia. Em alguns casos, a pessoa que conhece o problema poderá participar diretamente da construção da primeira versão da solução.
Isso não significa que desenvolvimento profissional perdeu importância, a própria documentação do Google faz uma distinção bastante clara entre criar rapidamente um protótipo e colocar uma aplicação robusta em produção. Segurança, arquitetura, testes, observabilidade, custos e governança continuam sendo problemas reais. O que está mudando é a velocidade com que conseguimos sair de uma ideia e chegar a algo testável.
Outro aspecto interessante é que o Antigravity não está isolado, faz parte de uma arquitetura maior do Google. Um projeto pode começar no Google AI Studio, utilizar dados e serviços do Workspace, avançar para o Antigravity e depois ser implantado no Google Cloud. O Google também vem integrando o Antigravity ao Gemini Enterprise Agent Platform, permitindo que empresas utilizem esses agentes dentro dos controles corporativos de segurança, dados e governança.
Para empresas, talvez esse seja um dos movimentos mais relevantes de toda essa nova geração de IA. Criar software sempre teve um custo alto de tradução. Alguém entende o negócio, outra pessoa transforma isso em especificação e outra transforma a especificação em código. Agentes começam a reduzir essas camadas.
E isso volta diretamente à tese do Google Cloud Summit, se todo mundo passa a acessar modelos de IA parecidos, a vantagem competitiva não estará simplesmente em possuir Gemini ou qualquer outra tecnologia. Estará na capacidade de transformar rapidamente conhecimento interno em aplicações, automações e agentes que resolvem problemas concretos.
O Antigravity me parece um bom símbolo dessa mudança, no qual o foco deixa de ser apenas “como usar IA no meu trabalho?” e começa a virar “o que eu consigo construir com ela para mudar a forma como meu negócio funciona?”
Quando construir uma aplicação deixa de levar meses e começa a levar dias, ou em alguns casos horas para uma primeira versão funcional, inovação deixa de ser limitada somente pelo orçamento de tecnologia. O gargalo começa a migrar para outro lugar. O desafio passa a ser identificar os problemas certos, ter dados disponíveis, entender o processo e saber o que vale a pena construir.
Talvez essa seja uma das consequências mais interessantes da democratização da IA, a próxima diferença competitiva pode nascer menos de quem consegue contratar mais desenvolvedores e mais de quem consegue transformar conhecimento de negócio em software mais rápido.
O que o Antigravity sinaliza, dentro dessa suíte mais ampla de ferramentas do Google para agentes e desenvolvimento com IA, é uma profissionalização de algo que muita gente já vem fazendo de forma mais artesanal com n8n, OpenClaw, Hermes e outras soluções self-hosted rodando em VPS ou até no terminal do próprio computador.
Essas ferramentas mostraram o poder de conectar APIs, automatizar fluxos, criar agentes e colocar pequenos sistemas para operar com muita flexibilidade. O salto agora está em levar essa lógica para uma camada mais corporativa, com identidade, segurança, governança, observabilidade, integração com dados empresariais e capacidade de escalar sem depender tanto de configurações improvisadas.
O que antes era um agente montado por alguém mais técnico em uma VPS pode começar a virar uma aplicação integrada à arquitetura da empresa, com controle sobre quem acessa, quais dados utiliza, quais ações executa e como tudo isso é monitorado. É a mesma lógica de automação e construção rápida, só que entrando em um ambiente muito mais preparado para operação profissional.
“É a tecnologia. Não é o chat.”
Em outro trecho da conversa, Milena trouxe uma frase que ajuda a explicar por que ainda existe tanta distância entre usar IA e transformar uma empresa com IA: “É a tecnologia. Não é o chat.” Parece uma diferença pequena, mas muda completamente a discussão. Muita empresa ainda mede sua maturidade em inteligência artificial contando quantas pessoas usam ChatGPT, Gemini, Copilot ou qualquer outra interface conversacional.
O chat é uma porta de entrada poderosa, e a própria Milena contou que utilizou o Gemini de forma conversacional para ajudá-la a construir seu primeiro agente. Só que a transformação começa quando a inteligência artificial passa a se conectar às bases da empresa, acessar informações, interpretar dados, executar tarefas e participar efetivamente dos processos. É aí que deixamos de falar apenas de produtividade individual e começamos a falar de arquitetura de negócio.
Foi também por isso que, quando perguntei qual tecnologia do Google uma empresa deveria adotar primeiro, Milena respondeu Gemini. A lógica dela foi começar colocando a tecnologia nas mãos das pessoas, permitindo que aprendam a trabalhar com IA dentro de um ambiente corporativo que já considere segurança, orquestração e governança. Depois disso, a empresa pode avançar para agentes, integrações e aplicações mais complexas.
O que vi no Summit foi a infraestrutura dessa próxima etapa
Essa tese apareceu também nas duas conversas coletivas das quais participei durante a press trip. Na primeira, estavam Marcel Silva, líder de AI Go-to-Market e Sales do Google Cloud para a América Latina, e Flavio Franco, liderança de Customer Engineering do Google Cloud na região, em uma discussão conduzida por Camila Zoé Frias, executiva de comunicação do Google Cloud. Marcel tem justamente a responsabilidade de transformar a evolução técnica da IA em estratégia de adoção para o mercado latino-americano, algo que apareceu bastante nas discussões sobre agentes e geração de valor.
Na segunda conversa estavam Eduardo López, presidente do Google Cloud para a América Latina, Milena Leal, Country Manager do Google Cloud Brasil, e Milton Larsen Burgese, diretor de Vendas do Google Cloud para o Setor Público na América Latina, novamente com Camila conduzindo a discussão. Os cargos de Eduardo, Milena e Milton também aparecem na comunicação oficial publicada pelo Google durante o Summit. Mais do que anúncios isolados, as duas conversas reforçaram uma ideia recorrente. O mercado está tentando sair da experimentação e colocar IA dentro dos processos essenciais das organizações.
O próprio desenho dos lançamentos apresentados em São Paulo aponta nessa direção, o Google anunciou que pretende dobrar sua infraestrutura técnica no Brasil até 2030, ampliando capacidade local de computação, armazenamento e processamento de IA. Também confirmou GPUs NVIDIA Blackwell na região de São Paulo e processamento local para o Gemini Enterprise com Gemini 3.5 Flash a partir de 15 de outubro.
Uma empresa pode ter IA e continuar praticamente igual
Talvez esse seja o ponto que mais me interessa nessa discussão, é perfeitamente possível uma organização comprar licenças de IA, liberar ferramentas para milhares de funcionários, criar dezenas de provas de conceito e continuar funcionando quase da mesma forma. A adoção aparente pode crescer muito mais rápido do que a transformação real.
Os novos recursos apresentados para o Gemini Enterprise ajudam a visualizar o próximo estágio. Projects mantém arquivos, contexto e memória organizacional ao longo do tempo, Skills Registry permite administrar habilidades disponíveis para pessoas e agentes, e Agent Sandbox cria ambientes isolados onde agentes podem executar código, utilizar linha de comando e até interagir com navegadores. Isso começa a parecer menos com um chatbot e mais com uma camada operacional da empresa.
A mesma lógica aparece no AlloyDB, a nova arquitetura foi concebida para suportar milhões de agentes colaborando e consultando informações sem comprometer os sistemas de produção. Quando uma empresa de tecnologia começa a redesenhar bancos de dados considerando que milhões de agentes poderão utilizá-los, estamos olhando para algo maior do que mais uma geração de ferramentas de produtividade.
Agentes também criam um problema novo de gestão
Quanto mais autonomia entregamos a esses sistemas, mais importantes ficam perguntas que anteriormente pareciam técnicas. Quem autorizou esse agente? A quais informações ele pode acessar, quais ações pode executar, como sua identidade é verificada e quem responde por uma decisão tomada por ele?
Por isso segurança e governança ocuparam tanto espaço nos anúncios, o Google apresentou expansões do Model Armor, controles de autenticação para agentes, Auth Manager, suporte a JWT para comunicação entre agentes e iniciativas relacionadas ao chamado Agentic Defense. A próxima onda da IA corporativa não será apenas uma corrida por modelos mais inteligentes, será também uma corrida para administrar essa inteligência com segurança.
O que realmente separará as empresas
Saí do Google Cloud Summit convencido de que a pergunta mais interessante já não é qual empresa terá inteligência artificial. Praticamente todas terão. Também não acredito que a diferença estará simplesmente em escolher Gemini, ChatGPT, Claude ou qualquer outro nome que esteja liderando benchmarks em determinado mês.
A vantagem começa a migrar para outro lugar, para a qualidade dos dados que a empresa organizou, para os processos que conseguiu redesenhar, para a capacidade das pessoas de trabalhar com IA, para a governança construída antes de escalar e, principalmente, para a velocidade com que consegue transformar possibilidades tecnológicas em resultado. O Google parece apostar exatamente nisso quando fala em sair da experimentação e entrar na execução, definição que utilizou oficialmente para apresentar o momento da IA no Brasil durante o Summit.
Todo mundo poderá ter acesso a uma inteligência artificial extraordinariamente poderosa. Poucas empresas saberão o que perguntar, onde aplicá-la, quais dados conectar, quais processos entregar aos agentes e como redesenhar a organização a partir disso. Acesso foi democratizado. Maturidade não. E talvez seja justamente aí que esteja a próxima vantagem competitiva.
