A QCon AI New York 2026, um dos eventos mais aguardados no cenário da Inteligência Artificial, acaba de divulgar sua programação completa para os dias 15 e 16 de dezembro. Engenheiros de empresas líderes como LinkedIn, Netflix, DoorDash e Figma estarão presentes para detalhar as arquiteturas e decisões operacionais por trás de seus sistemas de IA em produção. O foco principal será em temas cruciais como a autorização de agentes, pipelines de avaliação, serviço de modelos e a entrega de software assistida por IA.
Este encontro é particularmente relevante para equipes que já superaram as implantações iniciais de IA e agora enfrentam questões complexas. Como garantir permissões para agentes de IA? De que forma conectar avaliações offline ao comportamento em produção? E como suportar cargas de trabalho de inferência que não param de crescer? Essas são algumas das perguntas que serão abordadas, oferecendo um panorama prático e aprofundado sobre os desafios e soluções no uso de IA em escala.
Desvendando Agentes e Avaliações em Produção
Um dos pontos altos da conferência será a discussão sobre agentes de IA em produção. Nancy Wang, CTO da 1Password, abrirá o evento com uma palestra sobre identidade e autorização para agentes, destacando que os sistemas de identidade atuais foram projetados para humanos, não para entidades autônomas. Pratik Agarwal, da Figma, explicará como a empresa provisiona e protege seus agentes, revelando que a latência de provisionamento foi reduzida em 90% e a disponibilidade aumentou significativamente após a implementação de pools de recursos.
O LinkedIn, por sua vez, apresentará seu agente operacional Kubernetes, que gerencia mais de 500.000 nós e 5 milhões de pods, com mecanismos de segurança robustos, incluindo limites de taxa e aprovação por pares para mudanças em produção. No campo das avaliações, Fabio Flores, da DoorDash, detalhará o ciclo de avaliação de seu sistema de pedidos baseado em agentes, onde cada mudança é verificada por um juiz de LLM calibrado por revisores humanos, garantindo que os ganhos offline se traduzam em melhorias em produção. Emrick Donadei, do Google DeepMind, abordará a criação de avaliações de agentes que toda a organização pode usar e manter, um desafio comum para muitas equipes.
Otimização de Custos e Engenharia de Software com IA
A otimização de custos de inferência e o serviço de modelos são temas centrais para qualquer empresa que opera IA em larga escala. Fan Yang e Rajat Shah, da Netflix, compartilharão como a empresa serve modelos de Machine Learning e IA Generativa a partir de uma única plataforma, lidando com cerca de 1 milhão de requisições de inferência por segundo em mais de 300 modelos. Eles também discutirão os custos operacionais da multi-tenancy. Salina Wu e Cristian Lopez, do Pinterest, apresentarão a arquitetura de serviço de modelos de visão-linguagem da empresa, otimizada para cargas de trabalho multimodais intensivas.
Além disso, a conferência explorará como a IA está transformando a engenharia de software. Min Chen, do LinkedIn, detalhará o sistema de revisão de código baseado em IA da empresa, que analisa dezenas de milhares de pull requests por semana. Mais de 60% das sugestões geradas são aceitas, e um pipeline de validação filtra os resultados antes que os desenvolvedores os vejam. Joey Wang, da Harvey, explicará como a empresa implementou seus agentes internamente, resultando em 7.000 pull requests mescladas em todos os repositórios antes que os agentes fossem disponibilizados para advogados.
O que isso muda para você
Para profissionais brasileiros que atuam com Inteligência Artificial, as discussões da QCon AI New York 2026 oferecem um mapa prático para escalar suas próprias iniciativas. As experiências de empresas como LinkedIn e Netflix demonstram que a IA em produção não é apenas sobre construir modelos, mas sobre gerenciar identidades de agentes, criar pipelines de avaliação robustos e otimizar a infraestrutura para inferência em larga escala. É uma oportunidade para entender como os líderes do setor estão resolvendo problemas complexos que, em breve, serão enfrentados por muitas organizações no Brasil.
O aprendizado sobre a otimização de custos de inferência e a aplicação de IA na engenharia de software, como a revisão de código automatizada, pode gerar um impacto direto na eficiência e na competitividade das equipes brasileiras. Ao observar como essas empresas lidam com a adoção de IA em suas equipes de engenharia, é possível antecipar desafios e planejar estratégias para uma transição mais suave. O próximo passo concreto é buscar entender as ferramentas e metodologias apresentadas, adaptando-as à realidade e aos recursos disponíveis em seus projetos e empresas, focando na construção de sistemas de IA mais resilientes e eficientes.


