A SAP concluiu em julhoa aquisição da Dremio, empresa especializada em plataformas de data lakehouse abertas e de alto desempenho. O negócio havia sido anunciado em maio e amplia a estratégia da SAP de transformar o Business Data Cloud em uma infraestrutura capaz de reunir dados provenientes tanto de ambientes SAP quanto de sistemas externos para aplicações analíticas e de inteligência artificial. Os termos financeiros da operação não foram divulgados.
A aquisição ocorre em um momento em que a SAP está reposicionando sua arquitetura de software em torno do conceito de Autonomous Enterprise, no qual humanos e agentes de IA passam a trabalhar conjuntamente na execução e otimização de processos empresariais. Nos resultados do segundo trimestre, a empresa informou que a aquisição da Dremio, juntamente com a da Prior Labs, concluída posteriormente, provocaria um impacto dilutivo superior a €100 milhões no lucro operacional de 2026, mas manteve a previsão de receita de nuvem entre €25,8 bilhões e €26,2 bilhões.
O principal ativo tecnológico incorporado pela SAP é a arquitetura de data lakehouse da Dremio, baseada em padrões abertos e particularmente associada ao Apache Iceberg. A tecnologia permite consultar e analisar dados distribuídos em diferentes ambientes sem exigir que todas as informações sejam previamente copiadas ou convertidas para um único repositório. Para a SAP, isso amplia o Business Data Cloud para além dos dados originalmente armazenados em seus próprios sistemas e cria uma camada capaz de trabalhar com informações provenientes de diferentes plataformas, nuvens e fontes corporativas.
Essa capacidade é estratégica para a IA empresarial porque um modelo pode ser tecnicamente sofisticado, mas suas respostas serão limitadas pela qualidade, disponibilidade e contexto dos dados aos quais tem acesso. Em uma grande organização, informações financeiras, produção, cadeia de suprimentos, manutenção, clientes e operações normalmente estão distribuídas entre sistemas SAP e não SAP. A aquisição da Dremio procura reduzir essa fragmentação e permitir que modelos e agentes trabalhem sobre uma visão mais ampla dos dados corporativos, sem depender necessariamente de extensos processos de movimentação e replicação de informações.
A arquitetura também reforça a importância do Apache Iceberg, formato aberto para tabelas em data lakes. A SAP descreveu a combinação de Dremio e Business Data Cloud como uma fundação empresarial lakehouse nativa de Iceberg, destinada a unificar dados SAP e não SAP para aplicações de IA agentiva. A escolha é relevante porque padrões abertos reduzem a dependência de formatos proprietários e permitem que organizações mantenham dados em diferentes ambientes enquanto preservam uma camada comum para consulta, governança e análise.
O conceito de IA agentiva muda também a importância dessa infraestrutura. Um modelo generativo convencional normalmente responde a uma solicitação. Um agente, por outro lado, precisa acessar dados, interpretar contexto, realizar consultas, utilizar ferramentas e, dependendo do caso, executar etapas de um processo. Para isso, não basta possuir um modelo de linguagem. É necessário garantir que o agente tenha acesso aos dados corretos, atualizados e contextualizados, além de mecanismos de governança que limitem suas ações. É nessa camada de infraestrutura de dados que a Dremio passa a ter importância dentro da estratégia da SAP.
A integração também pode ter consequências para ambientes industriais. Empresas de petróleo e gás, energia, mineração, química e manufatura costumam operar com dados distribuídos entre ERP, MES, historiadores, sistemas de manutenção, plataformas de engenharia, aplicações de gestão de ativos e sistemas de automação. A capacidade de consultar informações de diferentes fontes sem necessariamente movimentá-las para um único banco pode facilitar a construção de aplicações de IA que combinem dados empresariais e operacionais.
Um caso hipotético ajuda a dimensionar o potencial. Um agente destinado à manutenção de ativos poderia precisar correlacionar o histórico de ordens de serviço armazenado em um sistema corporativo, dados de condição provenientes de sistemas industriais, informações de estoque de peças, especificações do equipamento e registros financeiros. Em uma arquitetura fragmentada, essas informações precisam ser integradas por múltiplos processos de ETL e interfaces. Em uma arquitetura de dados federada, a camada de consulta pode permitir que o agente trabalhe sobre diferentes fontes mantendo os dados em seus ambientes originais. A vantagem não está apenas na velocidade, mas na possibilidade de preservar contexto, governança e atualização dos dados.
Essa arquitetura também ajuda a explicar por que a SAP está investindo simultaneamente em diferentes camadas da cadeia de IA. Em maio, a empresa anunciou a aquisição da Prior Labs, desenvolvedora de modelos fundamentais para dados tabulares, enquanto a Dremio acrescenta a camada de infraestrutura para acesso e integração de dados. A combinação sugere uma estratégia que vai do dado à capacidade de previsão e, posteriormente, à execução por agentes. A própria SAP afirma que seus modelos tabulares são direcionados a aplicações em que dados estruturados e resultados preditivos são mais importantes do que a geração de texto.
Essa distinção é particularmente relevante para a indústria. Grandes modelos de linguagem são excelentes para trabalhar com linguagem, documentos e conhecimento não estruturado, mas muitas decisões industriais dependem de dados tabulares e séries temporais: pressão, temperatura, vazão, vibração, consumo energético, produção, qualidade, custos e disponibilidade de ativos. A combinação de uma infraestrutura de dados aberta com modelos especializados pode permitir que a IA seja aplicada não apenas à documentação e ao conhecimento corporativo, mas também à análise quantitativa dos processos.
Para o setor de automação, o movimento da SAP aponta para uma mudança na arquitetura digital das empresas: o desafio deixa de ser conectar máquinas a sistemas corporativos e passa a ser disponibilizar os dados dessas máquinas, com contexto e governança, para aplicações de IA. Sensores, PLCs, DCS, SCADA, MES e historiadores continuam sendo fontes fundamentais, mas passam a integrar uma cadeia mais ampla de dados que pode alimentar modelos preditivos e agentes capazes de apoiar decisões empresariais e operacionais.
A aquisição da Dremio, portanto, não deve ser interpretada apenas como a entrada da SAP em um segmento específico de data lakehouse. Ela reforça uma estratégia mais ampla: construir a infraestrutura de dados necessária para que a IA empresarial e industrial opere sobre informações distribuídas, heterogêneas e em tempo quase real. A questão central passa a ser menos onde o dado está armazenado e mais como ele pode ser acessado, contextualizado, governado e utilizado por modelos e agentes.
Nesse sentido, a SAP está tentando resolver um dos principais problemas da atual fase da inteligência artificial empresarial. O gargalo não está necessariamente na falta de modelos capazes, mas na dificuldade de fornecer a esses modelos dados confiáveis, completos e contextualizados. Ao incorporar a Dremio ao Business Data Cloud, a empresa aposta que uma arquitetura aberta de dados pode se tornar a fundação para a próxima geração de aplicações analíticas e agentivas. Para a indústria, a consequência potencial é significativa: quanto mais a IA avançar de ferramentas de análise para agentes capazes de participar de processos, maior será a importância de uma infraestrutura que conecte dados de negócio, dados operacionais e conhecimento técnico. A disputa pela IA industrial passa, portanto, a envolver não apenas quem possui o melhor modelo, mas quem consegue construir a melhor infraestrutura para que o modelo encontre, compreenda e utilize o dado certo no momento certo.
