A Databricks anunciou uma função de memória para agentes de inteligência artificial em sua plataforma Agent Bricks. Disponível em versão beta desde 20 de outubro, o recurso foi desenvolvido para armazenar fatos, preferências e rotinas que um agente possa recuperar em interações futuras, segundo a empresa.
A proposta mira um problema prático de implantação: sem memória persistente, um agente pode precisar redescobrir dados já encontrados, deixar de considerar preferências registradas ou repetir uma etapa corrigida. A Databricks afirma que a ferramenta pode reduzir essas repetições e o custo e a latência associados a novas consultas, mas os resultados dependem da implementação e do tipo de tarefa.
Como a função organiza o contexto
O sistema roda sobre o Lakebase e combina mecanismos para registrar e recuperar contexto automaticamente, permitir buscas sob demanda e consolidar informações em segundo plano. A arquitetura deixa a decisão de quais dados salvar e quando recuperá-los no centro do desenho do agente, em vez de tratar toda conversa como memória permanente.
Como está em beta, a solução ainda pode mudar. Para empresas, o ponto de atenção é governança: memórias precisam ter escopo, acesso e prazo de retenção definidos, sobretudo quando incluem informações de clientes ou processos internos. A Databricks detalha o funcionamento em sua apresentação oficial do Agent Memory; a disponibilidade não significa que qualquer dado deva ser armazenado sem controles.
