Date: July 30, 2026
Time: 10:00 – 11:00 PM ET
A IA agêntica está redefinindo os requisitos da infraestrutura de dados. Agentes autônomos geram workloads imprevisíveis e de alta concorrência, exigem acesso em tempo real a dados operacionais e analíticos ao mesmo tempo, e escalam de formas para as quais os bancos de dados tradicionais nunca foram projetados. O resultado é uma difícil questão de arquitetura: sua camada de dados acelera o seu roadmap de IA ou, silenciosamente, o limita?
Neste webinar, Henrique Leandro, Head of Global Solutions Architecture na TiDB, detalha como a Manus escala sua camada de dados para dar suporte a agentes de IA autônomos. Ele vai detalhar as exigências de memória, estado e concorrência dos workloads de agentes em escala, onde as arquiteturas de bancos de dados tradicionais e de modelo único falham, e as decisões de design que evitam que a camada de dados se torne o gargalo.
O que você vai aprende:
- Por que os workloads de IA agêntica derrubam as premissas dos bancos de dados tradicionais e de modelo único
- Como uma arquitetura SQL distribuída lida com as exigências transacionais e analíticas em um único sistema, sem montar um stack de dados frágil
- O que o deploy da Manus revela sobre o escalonamento da memória e do estado dos agentes, e as decisões que mais importaram
- Um framework prático para avaliar se sua camada de dados está pronta para os agentes de IA, e por onde começar se não estiver
Para quem é: líderes de engenharia, arquitetos de plataforma e infraestrutura, e tomadores de decisão técnica que avaliam como modernizar a infraestrutura de dados para workloads de IA e de agentes.
Speakers:
Henrique Leandro, Head of Global Solutions Architecture, TiDB
Henrique Leandro is Head of Global Solutions Architecture at TiDB, leading global technical strategy for TiDB Cloud. He partners with customers and technology teams worldwide to design and scale distributed database architectures for modern cloud applications. His focus includes evolving data platforms for AI-driven workloads, including vector data and retrieval-augmented generation (RAG).