Aplicações de dados e IA em uma plataforma governada
No dia 17 de julho de 2026, apresentei no Databricks User Group a palestra “Databricks Apps: unificando as interações de dados”. A conversa partiu de um problema cada vez mais comum nas empresas: dashboards, IA, ciência de dados e automações ainda vivem como ilhas, mesmo quando todos dependem dos mesmos dados.
A pergunta central da apresentação foi: como sair de aplicações isoladas e chegar a uma experiência integrada, governada e conectada ao Lakehouse?
Existe também uma provocação importante aqui: por muitos anos, empresas tentaram se adaptar a aplicações “padronizadas” — ou aceitaram gastos altos de customização para aproximar essas ferramentas da realidade dos seus processos. No fim, quando a aplicação não acompanhava o negócio, surgiam planilhas auxiliares, controles paralelos e fluxos manuais para cobrir os gaps.
Com aplicações de dados e IA, esse jogo começa a mudar. Em vez de forçar o processo da empresa a caber em uma ferramenta genérica, podemos construir aplicações robustas, aderentes ao contexto real do negócio e conectadas diretamente aos dados governados da organização.
Durante muitos anos, o consumo de dados evoluiu de relatórios estruturados para ferramentas de BI, self-service analytics, dashboards interativos e assistentes com IA generativa. Mesmo assim, boa parte das decisões ainda depende de troca manual de contexto entre pessoas e ferramentas.
O vibe coding acelerou a criação de aplicações: hoje é possível descrever uma necessidade e chegar a algo funcional em poucas horas. Mas velocidade sem contexto de dados, identidade, permissões e governança não escala dentro de uma empresa.
É nesse ponto que os Databricks Apps se tornam interessantes: eles aproximam aplicação, dados, IA e automação dentro do próprio ambiente Databricks.
O impacto prático é grande: menos sistemas paralelos, menos planilhas que viram “mini ERPs” informais e menos dependência de customizações caras que demoram meses para chegar. A aplicação passa a nascer mais próxima do processo, e não o contrário.
Databricks Apps são aplicações web que rodam como serviços containerizados sobre a infraestrutura serverless do Databricks. Cada aplicação possui configuração, identidade e ambiente de execução isolados, com URL própria e integração nativa aos recursos do workspace e da conta.
Na prática, um app pode acessar recursos como:
A proposta não é substituir o Lakehouse, mas criar uma camada de interação mais próxima do usuário, mantendo os dados e a governança no mesmo ecossistema.
Essa camada de interação é justamente onde mora a oportunidade: transformar necessidades específicas de negócio em aplicações próprias, sem abrir mão de segurança, auditoria, catálogo, permissões e rastreabilidade.
Na palestra, apresentei dois caminhos principais.
O primeiro é o caminho clássico, já mais maduro: aplicações em Python com frameworks como Streamlit, Dash ou Gradio, criadas a partir de templates e publicadas no workspace com arquivos como app.yaml e requirements.txt.
O segundo é o caminho com Databricks AppKit, que traz uma abordagem em TypeScript, com client em React/Vite, server em Express e uma arquitetura de plugins. A ideia é acelerar a construção de apps com blocos prontos para autenticação, cache, conexão com dados, analytics, Lakebase, Genie, Model Serving e arquivos.
Alguns comandos destacados na apresentação:
databricks aitools install
databricks apps init
databricks apps deployO ponto mais importante é que o AppKit aproxima o desenvolvimento assistido por IA do contexto real da plataforma Databricks.
Um diferencial importante dos Databricks Apps está no modelo de identidade. Existem dois modos relevantes de autorização:
Esse segundo modelo é essencial em aplicações nas quais cada usuário deve enxergar apenas os dados aos quais já teria acesso. Em vez de criar uma camada paralela de permissões, o app reutiliza a governança existente.
Também destaquei três boas práticas para evitar problemas em produção:
SIGTERM;CAN_USE no lugar de CAN_MANAGE e secrets bem protegidos.Toda aplicação real precisa lidar com estado. E Databricks Apps não devem depender de memória local para preservar informações, porque reinícios podem acontecer e o filesystem local é temporário.
Para dados transacionais persistentes, a apresentação destacou o Lakebase, banco PostgreSQL serverless do Databricks. Ele permite cenários de leitura e escrita de baixa latência, compatibilidade com PostgreSQL e criação de branches instantâneos para desenvolvimento e testes.
A ideia é separar bem as responsabilidades:
Esse desenho ajuda a fechar o ciclo entre aplicação operacional, dados analíticos e governança corporativa.
Também falamos sobre tendências anunciadas no Data + AI Summit 2026, como App Spaces, Genie App Builder e Serverless Micro Apps. A direção é clara: tornar o desenvolvimento de aplicações de dados e IA mais rápido, mas sem abrir mão de controle, identidade, isolamento e contexto.
O futuro do vibe coding dentro das empresas não é apenas gerar código mais rápido. É gerar aplicações úteis, conectadas aos dados corretos, com permissões corretas e sustentáveis em produção.
E talvez essa seja a virada mais provocativa: parar de tratar tecnologia corporativa como um pacote rígido ao qual todos precisam se adaptar e começar a construir interfaces digitais que respeitam a forma como a empresa realmente opera.
Databricks Apps reforça uma mudança importante: sair de ilhas de visualização, IA e automação para uma plataforma integrada de interação com dados.
Para quem já usa Databricks, essa abordagem abre espaço para criar experiências sob medida para times de negócio, produtos internos, automações e aplicações analíticas — tudo mais perto do Lakehouse e da governança que a empresa já utiliza.
Na prática, isso significa trocar remendos por produto. Trocar planilhas auxiliares por aplicações governadas. Trocar processos que orbitam sistemas genéricos por sistemas que nascem a partir do processo.