Google Cloud lança em preview enriquecimento de contexto com autoaprendizado no Knowledge Catalog
O Google Cloud anunciou, em preview, o self-learning context enrichment e uma nova experiência do Knowledge Studio no Knowledge Catalog, o context engine para agentes da plataforma. Sobre o enrichment já existente, movido por Gemini, o novo recurso analisa interações de agentes e usuários para encontrar lacunas e manter o contexto de negócio preciso e atualizado. O Knowledge Studio é o novo centro de comando para context engineers e data stewards: permite explorar o data estate de forma conversacional, navegar por um context graph visual e revisar as mudanças propostas antes de publicá-las para usuários e agentes.
Segundo o texto, um agente depende das definições, regras e relacionamentos da organização sobre os quais raciocina, e hoje boa parte dessa curadoria é manual: context engineers escrevem prompts e mapeamentos agente por agente, e data stewards tentam manter definições atualizadas em milhares de ativos. O enrichment com autoaprendizado transforma essa manutenção em um ciclo contínuo de feedback: identifica contexto ausente ou desatualizado e leva definições verificadas de playbooks, repositórios de código e documentos de negócio para conjuntos de contexto governados e reutilizáveis. Com busca otimizada, cada agente recebe o contexto certo, em vez de raciocinar sobre prompts inchados e schemas brutos. Em benchmarks internos, o Google Cloud afirma que o Knowledge Catalog deixa agentes de IA quase 4X mais precisos, com até 33% menos latência e até 75% menos tokens.
O recurso se conecta a dados estruturados de fontes first-party e third-party e a dados não estruturados no Cloud Storage, Google Workspace, GitHub, Confluence e SharePoint, ligando documentos como playbooks e wikis aos metadados de tabelas e schemas. Sob demanda ou em agenda, propõe definições de negócio, descrições de tabelas e colunas, relacionamentos de join, golden queries e instruções de agente por tarefa, cada uma com citações de fonte e confidence score. A cada execução, detecta mudanças na fonte, aposenta definições obsoletas e sinaliza conflitos para revisão. Também aprende com interações: é possível configurá-lo para analisar traces de agentes Gemini, do Conversational Analytics no BigQuery ou de agentes customizados, com redação de PII.
CEVIU Dados··Leitura de 2 min