{"id":2020,"date":"2026-08-04T14:12:54","date_gmt":"2026-08-04T17:12:54","guid":{"rendered":"https:\/\/jrtx.com.br\/blog\/2026\/08\/04\/ibm-red-hat-inteligencia-artificial-asago-redefine-governanc\/"},"modified":"2026-08-04T14:12:54","modified_gmt":"2026-08-04T17:12:54","slug":"ibm-red-hat-inteligencia-artificial-asago-redefine-governanc","status":"publish","type":"post","link":"https:\/\/jrtx.com.br\/blog\/2026\/08\/04\/ibm-red-hat-inteligencia-artificial-asago-redefine-governanc\/","title":{"rendered":"IBM Red Hat intelig\u00eancia artificial: asago redefine governan\u00e7a open source"},"content":{"rendered":"

\nO ecossistema de IBM Red Hat intelig\u00eancia artificial<\/strong> acaba de ganhar um novo pilar estrat\u00e9gico. No dia 4 de agosto de 2026, enquanto o mercado global de IA corporativa ultrapassa a marca de US$ 400 bilh\u00f5es em investimentos anuais, a Red Hat anunciou o asago<\/strong> \u2014 um projeto open source de orquestra\u00e7\u00e3o de seguran\u00e7a e governan\u00e7a de IA desenvolvido em parceria com IBM Research, Microsoft, NVIDIA, MIT Lincoln Laboratory e outras institui\u00e7\u00f5es de peso. O an\u00fancio ocorre exatamente no momento em que o EU AI Act<\/strong> completa sua primeira fase de fiscaliza\u00e7\u00e3o plena e as empresas brasileiras enfrentam a press\u00e3o dupla da LGPD<\/strong> e das novas resolu\u00e7\u00f5es do Banco Central sobre uso de IA em decis\u00f5es automatizadas. Se voc\u00ea \u00e9 arquiteto de nuvem, engenheiro de plataforma ou l\u00edder t\u00e9cnico em uma organiza\u00e7\u00e3o que est\u00e1 colocando intelig\u00eancia artificial em produ\u00e7\u00e3o \u2014 e n\u00e3o apenas em provas de conceito \u2014 entender por que a IBM Red Hat intelig\u00eancia artificial<\/strong> est\u00e1 se posicionando como a alternativa de menor risco jur\u00eddico e maior controle operacional vai determinar suas escolhas de stack nos pr\u00f3ximos 24 meses.\n<\/p>\n

\nA jornada da IBM no universo da intelig\u00eancia artificial empresarial n\u00e3o come\u00e7ou ontem. O watsonx<\/strong> foi lan\u00e7ado em 2023 como uma plataforma de ponta a ponta para IA generativa, dados e governan\u00e7a, e desde ent\u00e3o acumulou milhares de implanta\u00e7\u00f5es em produ\u00e7\u00e3o \u2014 de bancos no Brasil a seguradoras na Europa. A fam\u00edlia de modelos Granite<\/strong>, publicada sob licen\u00e7a Apache 2.0 no Hugging Face, tornou-se a face mais pragm\u00e1tica da estrat\u00e9gia IBM: modelos pequenos, especializados, treinados com dados de curadoria jur\u00eddica comprovada e cobertos por indeniza\u00e7\u00e3o de propriedade intelectual. Agora, com o asago, a Red Hat estende essa proposta de valor para a camada de seguran\u00e7a e compliance automatizado. O que est\u00e1 em jogo n\u00e3o \u00e9 apenas mais uma ferramenta de MLOps. \u00c9 a possibilidade de auditar, travar e governar pipelines de IA com a mesma granularidade que o OpenShift<\/strong> j\u00e1 oferece para cargas de trabalho containerizadas \u2014 e com c\u00f3digo aberto.\n<\/p>\n

\nNeste artigo, voc\u00ea vai encontrar uma an\u00e1lise t\u00e9cnica detalhada do projeto asago, sua arquitetura de integra\u00e7\u00e3o com watsonx.governance<\/strong> e OpenShift AI<\/strong>, um comparativo direto com as solu\u00e7\u00f5es de governan\u00e7a de IA dos hyperscalers, e um olhar aprofundado sobre o impacto dessa abordagem no mercado brasileiro \u2014 onde soberania de dados, rastreabilidade de decis\u00f5es automatizadas e conformidade regulat\u00f3ria s\u00e3o requisitos crescentes. Vamos cobrir tamb\u00e9m como a IBM Red Hat intelig\u00eancia artificial<\/strong> est\u00e1 sendo operacionalizada em cen\u00e1rios reais, com modelos Granite rodando sobre RHEL AI<\/strong> e OpenShift<\/strong>, e como a automa\u00e7\u00e3o com Ansible<\/strong> e a infraestrutura definida por c\u00f3digo com Terraform<\/strong> fecham o ciclo de uma plataforma de IA verdadeiramente empresarial.\n<\/p>\n

O an\u00fancio: asago e o novo paradigma de seguran\u00e7a em IA<\/h3>\n

\nNo dia 15 de julho de 2026, a Red Hat oficializou o lan\u00e7amento do asago<\/strong>, um projeto open source voltado para orquestra\u00e7\u00e3o de seguran\u00e7a e governan\u00e7a de intelig\u00eancia artificial. O comunicado, publicado no blog oficial da empresa, descreve o asago como uma iniciativa colaborativa que re\u00fane pesos pesados da ind\u00fastria \u2014 Alquimia AI<\/strong>, Brave Software<\/strong>, EvalEval Coalition<\/strong>, IBM Research<\/strong>, Interdisciplinary Transformation University Austria<\/strong>, Microsoft<\/strong>, MIT Lincoln Laboratory<\/strong>, North Carolina State University<\/strong>, NVIDIA<\/strong> e The Alan Turing Institute<\/strong>. O objetivo declarado \u00e9 preencher uma lacuna que ferramentas isoladas n\u00e3o conseguem resolver: a orquestra\u00e7\u00e3o cont\u00ednua de pol\u00edticas de seguran\u00e7a, valida\u00e7\u00e3o de conformidade e governan\u00e7a de modelos em ambientes heterog\u00eaneos \u2014 on-premises, edge e multicloud.\n<\/p>\n

\nO timing n\u00e3o \u00e9 acidental. O EU AI Act<\/strong>, cuja aplica\u00e7\u00e3o plena para sistemas de alto risco come\u00e7ou em janeiro de 2026, exige que organiza\u00e7\u00f5es documentem a proveni\u00eancia dos dados de treinamento, mantenham registros de auditoria imut\u00e1veis e comprovem explicabilidade em decis\u00f5es automatizadas. Nos Estados Unidos, a Ordem Executiva sobre IA<\/strong> de outubro de 2023 continua gerando normas setoriais. No Brasil, a LGPD<\/strong> j\u00e1 incide sobre qualquer tratamento de dados pessoais por sistemas de IA, e o Banco Central<\/strong> intensificou em 2025 os requisitos para modelos de cr\u00e9dito, detec\u00e7\u00e3o de fraude e scoring que utilizam aprendizado de m\u00e1quina. O asago surge exatamente para oferecer um framework unificado de governan\u00e7a que pode ser integrado a qualquer pipeline de IA \u2014 seja ele baseado em watsonx<\/strong>, Kubeflow<\/strong>, MLflow<\/strong> ou ferramentas propriet\u00e1rias.\n<\/p>\n

\nO projeto \u00e9 disponibilizado sob licen\u00e7a open source (Apache 2.0) e j\u00e1 est\u00e1 acess\u00edvel no GitHub da Red Hat. A arquitetura do asago \u00e9 baseada em microsservi\u00e7os containerizados, orquestrados por Kubernetes<\/strong>, com suporte nativo a Red Hat OpenShift<\/strong>. Ele opera como uma camada de policy-as-code que intercepta chamadas a modelos de IA, verifica conformidade com pol\u00edticas predefinidas, registra evid\u00eancias criptografadas em ledger imut\u00e1vel e pode bloquear infer\u00eancias que violem regras de seguran\u00e7a, vi\u00e9s ou prote\u00e7\u00e3o de dados. A integra\u00e7\u00e3o com o OpenShift sandboxed containers 1.13<\/strong> e o Red Hat build of Trustee 1.2<\/strong> \u2014 tamb\u00e9m anunciados recentemente \u2014 permite que o asago execute valida\u00e7\u00f5es em ambientes de computa\u00e7\u00e3o confidencial, inclusive com acelera\u00e7\u00e3o de GPU em bare metal, recurso que atingiu disponibilidade geral neste ciclo.\n<\/p>\n

IBM Red Hat intelig\u00eancia artificial: arquitetura t\u00e9cnica do asago e integra\u00e7\u00e3o com watsonx<\/h3>\n

\nPara entender a profundidade t\u00e9cnica do asago, \u00e9 preciso olhar para a stack completa que a IBM Red Hat intelig\u00eancia artificial<\/strong> est\u00e1 montando. O asago n\u00e3o \u00e9 uma ferramenta isolada \u2014 ele \u00e9 o elo de governan\u00e7a entre os ambientes de desenvolvimento de modelos (watsonx.ai<\/strong>), os lakehouses de dados (watsonx.data<\/strong>) e os runtimes de infer\u00eancia (OpenShift AI<\/strong>, RHEL AI<\/strong>). A arquitetura segue o padr\u00e3o de policy-as-code<\/strong> popularizado pelo Open Policy Agent<\/strong> (OPA), mas estende o conceito para dom\u00ednios espec\u00edficos de IA: valida\u00e7\u00e3o de datasets, detec\u00e7\u00e3o de vi\u00e9s, explicabilidade de sa\u00eddas e conformidade regulat\u00f3ria cont\u00ednua.\n<\/p>\n\n\n\n\n\n\n\n\n\n
Componente<\/th>\nFun\u00e7\u00e3o na stack de IA empresarial<\/th>\nIntegra\u00e7\u00e3o com asago<\/th>\n<\/tr>\n<\/thead>\n
watsonx.ai<\/td>\nEst\u00fadio de IA generativa para treino, ajuste fino e deploy de foundation models, incluindo a fam\u00edlia Granite<\/td>\nRegistro autom\u00e1tico de experimentos e checkpoints de treinamento no ledger de governan\u00e7a<\/td>\n<\/tr>\n
watsonx.data<\/td>\nLakehouse aberto baseado em Apache Iceberg, Presto e Spark para curadoria de dados de IA<\/td>\nValida\u00e7\u00e3o de linhagem de dados e conformidade de datasets antes da ingest\u00e3o em pipelines de treino<\/td>\n<\/tr>\n
watsonx.governance<\/td>\nPlataforma de governan\u00e7a de modelos com monitoramento de drift, explicabilidade e compliance<\/td>\nasago atua como orquestrador de pol\u00edticas que alimenta o watsonx.governance com eventos de runtime<\/td>\n<\/tr>\n
OpenShift AI<\/td>\nPlataforma Kubernetes enterprise para MLOps, suportando Kubeflow, PyTorch e Ray<\/td>\nPolicy enforcement point nativo \u2014 asago intercepta requisi\u00e7\u00f5es de infer\u00eancia no ingress do OpenShift<\/td>\n<\/tr>\n
Red Hat build of Trustee 1.2<\/td>\nAtesta\u00e7\u00e3o remota e verifica\u00e7\u00e3o de integridade para ambientes de computa\u00e7\u00e3o confidencial<\/td>\nGarante que as pol\u00edticas do asago foram executadas em enclave seguro e n\u00e3o adulterado<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

\nA tabela acima mostra como cada componente da stack IBM Red Hat intelig\u00eancia artificial<\/strong> se conecta ao asago. O fluxo t\u00edpico de governan\u00e7a funciona assim: um cientista de dados treina um modelo no watsonx.ai<\/strong> utilizando um dataset registrado no watsonx.data<\/strong>. O asago verifica automaticamente se o dataset est\u00e1 em conformidade com as pol\u00edticas de classifica\u00e7\u00e3o de dados da organiza\u00e7\u00e3o (por exemplo, se n\u00e3o cont\u00e9m dados pessoais n\u00e3o anonimizados). Durante o treinamento, checkpoints s\u00e3o registrados em um ledger imut\u00e1vel. Quando o modelo \u00e9 promovido para produ\u00e7\u00e3o no OpenShift AI<\/strong>, o asago atua como um admission controller que valida cada requisi\u00e7\u00e3o de infer\u00eancia contra pol\u00edticas de seguran\u00e7a, limites de taxa e regras de explicabilidade. Se o modelo apresentar drift acima de um threshold configurado, o watsonx.governance<\/strong> \u00e9 acionado e o asago pode automaticamente redirecionar o tr\u00e1fego para uma vers\u00e3o est\u00e1vel anterior.\n<\/p>\n

\nDo ponto de vista de infraestrutura, o asago \u00e9 distribu\u00eddo como um operador Kubernetes<\/strong> que pode ser instalado via OperatorHub<\/strong> do OpenShift. Ele utiliza etcd<\/strong> para armazenamento de estado e se integra com HashiCorp Vault<\/strong> \u2014 agora parte do portf\u00f3lio IBM ap\u00f3s a aquisi\u00e7\u00e3o de US$ 6,4 bilh\u00f5es conclu\u00edda em 2025 \u2014 para gerenciamento de segredos e chaves de assinatura de evid\u00eancias. Para organiza\u00e7\u00f5es que j\u00e1 operam OpenShift sandboxed containers<\/strong>, o asago pode executar suas valida\u00e7\u00f5es dentro de enclaves de computa\u00e7\u00e3o confidencial, utilizando a extens\u00e3o GPU-accelerated confidential computing<\/strong> que atingiu GA neste trimestre. Isso significa que nem mesmo o administrador da plataforma tem acesso aos dados sendo validados \u2014 um requisito cada vez mais comum em setores regulados.\n<\/p>\n

Por que a governan\u00e7a de IA se tornou cr\u00edtica em 2026<\/h3>\n

\nO mercado de IA empresarial atravessa um ponto de inflex\u00e3o. Se em 2023 e 2024 o foco estava em experimenta\u00e7\u00e3o e provas de conceito, 2025 e 2026 s\u00e3o os anos em que a r\u00e9gua regulat\u00f3ria baixou com for\u00e7a. O EU AI Act<\/strong> classifica sistemas de IA em quatro n\u00edveis de risco, e para aplica\u00e7\u00f5es de alto risco \u2014 que incluem scoring de cr\u00e9dito, recrutamento automatizado, diagn\u00f3stico m\u00e9dico e decis\u00f5es judiciais \u2014 as exig\u00eancias s\u00e3o severas: documenta\u00e7\u00e3o completa de datasets, auditoria independente, explicabilidade e supervis\u00e3o humana. Multas podem chegar a 7% do faturamento global anual, superando at\u00e9 mesmo as penalidades do GDPR<\/strong>.\n<\/p>\n

\nNos Estados Unidos, a Securities and Exchange Commission (SEC)<\/strong> publicou em mar\u00e7o de 2026 um novo guideline que obriga empresas de capital aberto a divulgar o uso de IA em decis\u00f5es materiais, com requisitos de rastreabilidade. Na Am\u00e9rica Latina, o Brasil lidera o debate regulat\u00f3rio: a Autoridade Nacional de Prote\u00e7\u00e3o de Dados (ANPD)<\/strong> concluiu em junho de 2026 a consulta p\u00fablica sobre o uso de IA no tratamento de dados pessoais, e o Banco Central<\/strong> j\u00e1 exige que modelos de risco de cr\u00e9dito baseados em machine learning sejam audit\u00e1veis e explic\u00e1veis. O cen\u00e1rio \u00e9 claro: sem uma camada de governan\u00e7a automatizada, empresas est\u00e3o expostas a riscos jur\u00eddicos, reputacionais e financeiros que podem inviabilizar projetos inteiros de IA.\n<\/p>\n

\n\u00c9 exatamente nesse contexto que a proposta da IBM Red Hat intelig\u00eancia artificial<\/strong> se diferencia. Enquanto a maioria dos provedores de nuvem oferece ferramentas de governan\u00e7a como servi\u00e7os gerenciados que operam exclusivamente em seus pr\u00f3prios ambientes, a abordagem da Red Hat com o asago \u00e9 multicloud e open source por princ\u00edpio. Uma organiza\u00e7\u00e3o pode definir uma pol\u00edtica de governan\u00e7a uma \u00fanica vez e aplic\u00e1-la consistentemente em modelos rodando no IBM Cloud<\/strong>, no AWS<\/strong>, no Azure<\/strong> ou em um datacenter on-premises com OpenShift<\/strong>. Isso resolve um dos maiores desafios pr\u00e1ticos de compliance: a fragmenta\u00e7\u00e3o de pol\u00edticas entre ambientes heterog\u00eaneos.\n<\/p>\n

IBM Red Hat intelig\u00eancia artificial versus hyperscalers: comparativo de mercado<\/h3>\n

\nO mercado de plataformas de IA empresarial est\u00e1 dividido em tr\u00eas grandes grupos. De um lado, os hyperscalers \u2014 Microsoft Azure AI<\/strong> (com OpenAI integrada), Amazon Bedrock<\/strong> (com modelos da Anthropic e pr\u00f3prios) e Google Vertex AI<\/strong> (com Gemini). Do outro, provedores independentes como Databricks<\/strong> e Snowflake<\/strong>. E no terceiro grupo, a IBM com Red Hat<\/strong>, ocupando uma posi\u00e7\u00e3o \u00fanica que combina infraestrutura de nuvem h\u00edbrida, modelos open source audit\u00e1veis e governan\u00e7a multicloud. Cada grupo tem suas fortalezas, mas tamb\u00e9m limita\u00e7\u00f5es estruturais que ficam evidentes quando o requisito \u00e9 controle total sobre dados, modelos e conformidade regulat\u00f3ria.\n<\/p>\n\n\n\n\n\n\n\n\n
Crit\u00e9rio<\/th>\nIBM Red Hat<\/th>\nMicrosoft Azure AI<\/th>\nAWS Bedrock<\/th>\n<\/tr>\n<\/thead>\n
Modelos<\/td>\nGranite (Apache 2.0, open source), mais modelos de terceiros; indeniza\u00e7\u00e3o de IP inclusa<\/td>\nOpenAI (GPT-4o), Microsoft Phi; indeniza\u00e7\u00e3o condicional para clientes selecionados<\/td>\nClaude (Anthropic), Titan, Llama; indeniza\u00e7\u00e3o oferecida para alguns modelos<\/td>\n<\/tr>\n
Governan\u00e7a<\/td>\nwatsonx.governance + asago \u2014 open source, multicloud, com suporte a computa\u00e7\u00e3o confidencial<\/td>\nAzure AI Content Safety, Azure AI Studio \u2014 restrito ao ecossistema Azure<\/td>\nBedrock Guardrails, SageMaker Model Monitor \u2014 nativo AWS, limitado fora da nuvem Amazon<\/td>\n<\/tr>\n
Nuvem h\u00edbrida<\/td>\nOpenShift como plataforma consistente on-premises, edge e multicloud \u2014 arquitetura de nuvem h\u00edbrida real<\/td>\nAzure Arc estende servi\u00e7os ao on-premises, mas a experi\u00eancia de IA \u00e9 prioritariamente Azure-first<\/td>\nOutposts e ECS Anywhere dispon\u00edveis, por\u00e9m portf\u00f3lio de IA on-premises \u00e9 limitado<\/td>\n<\/tr>\n
Soberania de dados<\/td>\nModelos e dados podem residir inteiramente on-premises; IBM Cloud Satellite para nuvem distribu\u00edda<\/td>\nOp\u00e7\u00f5es de resid\u00eancia em regi\u00f5es espec\u00edficas, mas stack de IA \u00e9 majoritariamente cloud-native<\/td>\nResid\u00eancia regional dispon\u00edvel, mas modelos de terceiros podem ter restri\u00e7\u00f5es de localidade<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

\nO comparativo revela um padr\u00e3o: a IBM Red Hat intelig\u00eancia artificial<\/strong> \u00e9 a \u00fanica abordagem que n\u00e3o for\u00e7a o cliente a operar dentro dos muros de um \u00fanico provedor de nuvem. Isso \u00e9 particularmente relevante para organiza\u00e7\u00f5es que possuem cargas de trabalho cr\u00edticas em mainframe (IBM z17<\/strong>), que processam transa\u00e7\u00f5es financeiras com infer\u00eancia de IA em tempo real via aceleradores Spyre<\/strong>, ou que mant\u00eam datacenters pr\u00f3prios por requisitos de soberania. A integra\u00e7\u00e3o entre OpenShift<\/strong> e z\/OS<\/strong> permite que modelos treinados no watsonx sejam implantados como containers no mesmo ambiente onde residem os dados transacionais \u2014 eliminando a lat\u00eancia e o risco de mover dados sens\u00edveis para a nuvem p\u00fablica.\n<\/p>\n

\nOutro diferencial que merece destaque \u00e9 a fam\u00edlia de modelos Granite<\/strong>. Diferentemente dos modelos massivos que dominam os holofotes \u2014 com centenas de bilh\u00f5es de par\u00e2metros e custos de infer\u00eancia proibitivos para muitos casos de uso \u2014 os modelos Granite s\u00e3o compactos, eficientes e otimizados para tarefas corporativas espec\u00edficas: sumariza\u00e7\u00e3o de contratos, gera\u00e7\u00e3o de relat\u00f3rios financeiros, classifica\u00e7\u00e3o de documentos legais e moderniza\u00e7\u00e3o de c\u00f3digo legado. A IBM oferece indeniza\u00e7\u00e3o de propriedade intelectual para todos os modelos Granite, um compromisso contratual que nem Microsoft nem AWS assumem com a mesma abrang\u00eancia. Em um mundo onde processos por viola\u00e7\u00e3o de copyright em treinamento de IA se multiplicam, esse \u00e9 um seguro jur\u00eddico que departamentos legais de grandes corpora\u00e7\u00f5es valorizam cada vez mais.\n<\/p>\n

Modelos Granite e watsonx: a abordagem IBM para IA empresarial<\/h3>\n

\nA estrat\u00e9gia de modelos da IBM dentro do ecossistema IBM Red Hat intelig\u00eancia artificial<\/strong> merece um mergulho t\u00e9cnico. A fam\u00edlia Granite<\/strong> \u00e9 composta por modelos de linguagem, c\u00f3digo e vis\u00e3o computacional, todos publicados sob licen\u00e7a Apache 2.0<\/strong> e dispon\u00edveis para download no Hugging Face<\/strong>. Os tamanhos variam de 3 bilh\u00f5es a 34 bilh\u00f5es de par\u00e2metros, com vers\u00f5es otimizadas para infer\u00eancia em CPUs (via OpenVINO<\/strong> e ONNX Runtime<\/strong>) e GPUs (via vLLM<\/strong> e NVIDIA TensorRT-LLM<\/strong>). Essa diversidade permite que uma mesma arquitetura de modelo atenda desde cen\u00e1rios de edge computing \u2014 como inspe\u00e7\u00e3o visual em ch\u00e3o de f\u00e1brica com Maximo<\/strong> \u2014 at\u00e9 workloads de processamento de documentos jur\u00eddicos em datacenters corporativos.\n<\/p>\n

\nO watsonx.ai<\/strong> \u00e9 o est\u00fadio onde esses modelos s\u00e3o treinados, ajustados e colocados em produ\u00e7\u00e3o. Ele oferece suporte a t\u00e9cnicas avan\u00e7adas como LoRA<\/strong>, QLoRA<\/strong> e P-tuning<\/strong> para fine-tuning eficiente, al\u00e9m de pipelines de RAG<\/strong> (Retrieval-Augmented Generation) que conectam os modelos a bases de conhecimento corporativas indexadas no watsonx.data<\/strong>. Um caso de uso que cresceu exponencialmente em 2026 \u00e9 a moderniza\u00e7\u00e3o de sistemas legados: o watsonx Code Assistant<\/strong>, utilizando um modelo Granite especializado, \u00e9 capaz de traduzir c\u00f3digo COBOL<\/strong> em Java<\/strong> com taxas de precis\u00e3o que reduzem em at\u00e9 80% o esfor\u00e7o manual de refatora\u00e7\u00e3o. Para institui\u00e7\u00f5es financeiras que operam mainframes IBM z17<\/strong> e processam 70% das transa\u00e7\u00f5es mundiais em valor, essa capacidade \u00e9 transformadora.\n<\/p>\n

\nO watsonx Orchestrate<\/strong> complementa o portf\u00f3lio com agentes de IA que automatizam processos corporativos \u2014 desde a aprova\u00e7\u00e3o de reembolsos at\u00e9 a triagem de chamados de suporte. Esses agentes utilizam os modelos Granite como motor de racioc\u00ednio, mas s\u00e3o orquestrados por workflows definidos no Ansible Automation Platform<\/strong> ou em plataformas de BPM integradas. A grande diferen\u00e7a para assistentes gen\u00e9ricos como ChatGPT Enterprise ou Microsoft Copilot \u00e9 que os agentes do watsonx Orchestrate s\u00e3o projetados para executar a\u00e7\u00f5es em sistemas corporativos reais \u2014 como SAP<\/strong>, Salesforce<\/strong> e ServiceNow<\/strong> \u2014 com rastreabilidade completa de cada decis\u00e3o e a capacidade de reverter a\u00e7\u00f5es se uma pol\u00edtica<\/p>\n

\n

Sua empresa quer aproveitar o ecossistema IBM e Red Hat?<\/p>\n

A JRT Technology Solutions implementa e gerencia solu\u00e7\u00f5es IBM \u2014 Linux, OpenShift, automa\u00e7\u00e3o, IA e infraestrutura para empresas que exigem miss\u00e3o cr\u00edtica.<\/p>\n


\n <\/svg>
\n Falar com especialista
\n <\/a>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

Descubra como a IBM Red Hat est\u00e1 revolucionando a governan\u00e7a open source com intelig\u00eancia artificial. Clique e saiba mais!<\/p>\n","protected":false},"author":1,"featured_media":2019,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"om_disable_all_campaigns":false,"_monsterinsights_skip_tracking":false,"iawp_total_views":0,"footnotes":""},"categories":[2525],"tags":[3164,2604,295,72,3165,3166],"class_list":["post-2020","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ibm","tag-governanca-open-source","tag-ibm-red-hat","tag-inteligencia-artificial","tag-software-livre","tag-solucoes-em-ai","tag-tecnologia-open-source"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t