Sakana AI lança o Aquarium, uma plataforma de agentes de IA baseada em ontologia e com controle
A Sakana AI apresentou o Aquarium, plataforma em que os agentes de IA se apoiam em um "dicionário" da empresa: o que significam os termos, como as tabelas se relacionam com os documentos e por quais regras as decisões são tomadas. Essa camada, a ontologia, é montada uma única vez e usada por todos os agentes. O agente verifica os dados, decide e executa a ação, e nos pontos certos aguarda a aprovação de uma pessoa. Por isso, o novo processo não exige reconectar os dados nem negociar os termos do zero.
Processado por IA de Sakana AI Blog; editado por Hamidun News
A maioria dos projetos corporativos com agentes de IA trava não no modelo, mas na rotina em torno dele. É preciso conectar os dados, chegar a um acordo sobre o que significa "cliente ativo" ou "pagamento em atraso", definir quem pode fazer o quê e repetir tudo isso para o processo seguinte. A Sakana AI decidiu transformar essa rotina em produto e apresentou a plataforma Sakana Aquarium para criar, lançar e manter agentes.
O que há dentro do Aquarium
A base da plataforma é a ontologia. Em termos simples, trata-se de um dicionário e de um mapa comuns da empresa: quais tipos de entidades existem (clientes, contratos, pedidos), como elas se relacionam e por quais regras se tomam decisões sobre elas. Tabelas, documentos e outros formatos são conectados a esse mapa a partir dos repositórios já existentes, sem migração dos dados. Quando as informações são atualizadas, o agente enxerga um retrato atual.
A plataforma é composta por três partes:
- Ontology armazena conhecimento, regras e dados junto com seu significado e as relações entre eles.
- Governance cuida do controle. Aqui são definidas as permissões de acesso e a aprovação obrigatória antes de uma ação. O sistema registra em que o agente se baseou e o que de fato fez, além de mostrar a velocidade, a precisão do trabalho e o consumo dos modelos.
- Managed Agents é o ambiente em que os agentes operam. O desenvolvedor descreve o workflow: leitura de dados, decisão do modelo, chamada de função, confirmação humana. Depois disso, o agente pode ser implantado, e a plataforma acompanha seu ciclo de vida.
O nome é explicado por uma metáfora: muitos peixes nadam em um mesmo aquário com um ambiente bem organizado.
Por que isso é útil na prática
A ideia central é o reaproveitamento. Os dados conectados e a ontologia montados para um agente servem também para os outros. Suponha que um banco criou um agente para verificar pedidos de crédito. O agente seguinte, por exemplo, para preparar propostas para clientes, não precisará explicar de novo o que é "cliente" nem de onde buscar seus dados. Todos os agentes trabalham sobre a mesma base e são gerenciados a partir de um único lugar.
Para as equipes de produto, também importa o esquema de controle. O agente atua dentro das permissões concedidas, e nas etapas críticas uma pessoa confirma o passo. Depois, qualquer decisão pode ser analisada pelo registro: quais dados foram usados, como o modelo raciocinou, quem aprovou e qual foi o resultado. Em setores regulados, como o financeiro, essa auditoria costuma ser mais importante do que demonstrações vistosas.
De onde isso surgiu e o que ainda não se sabe
A Sakana AI é conhecida por pesquisas que melhoram a qualidade da IA sem simplesmente aumentar o modelo: escalonamento na fase de inferência, trabalho coordenado de vários modelos e autoaperfeiçoamento. Paralelamente, a empresa desenvolveu projetos aplicados no setor financeiro. Entre eles estão um especialista de IA para concessão de crédito com o MUFG Bank, a geração automática de propostas com o SMBC Group e um desenvolvimento conjunto com o Daiwa Securities Group.
Nesses projetos atuaram os Forward Deployed Engineers, que se aprofundavam nos dados e nos processos do cliente, projetavam workflows, avaliavam os resultados e aumentavam a precisão. A empresa percebeu que a conexão dos dados e o alinhamento dos termos precisavam ser feitos do zero em cada projeto. O Aquarium reúne esse trabalho em uma plataforma comum. No desenvolvimento do produto participam engenheiros da Sakana AI e profissionais egressos da Palantir, Snowflake, Microsoft e AWS, ou seja, de empresas que constroem plataformas de dados e de governança de dados. A abordagem com ontologia lembra o que a Palantir faz, mas essa é uma comparação nossa, e não uma afirmação da própria Sakana.
Há também limitações. O anúncio não traz benchmarks, preços, lista de fontes de dados suportadas nem nomes dos modelos usados dentro da plataforma. Também não há casos públicos com efeito mensurável: a Sakana promete mostrá-los mais adiante. Pelo texto, o produto é vendido por meio de consultoria e implantação com participação de FDEs, e não como um serviço que pode ser simplesmente testado pelo próprio cliente. Entre os planos, a empresa cita duas frentes: a atualização da ontologia e dos agentes com base em correções e decisões surgidas no uso, e a ajuda da IA na própria montagem dos agentes.
A conclusão para desenvolvedores e fundadores é simples. O mercado de plataformas de agentes está migrando da pergunta "qual modelo escolher" para as questões "em que base o agente toma decisões" e "como controlar isso". Se você constrói agentes para vários processos, vale planejar desde cedo uma camada comum de definições e permissões de acesso; caso contrário, você pagará pela reconfiguração em cada projeto. Já o quanto o Aquarium realmente ajuda no trabalho cotidiano só poderá ser avaliado depois dos primeiros casos públicos.
- 21 de nov. de 2026Falha da Microsoft: quase 83 mil reclamações sobre o Outlook no Downdetector, Teams e Copilot também fora do ar
- 21 de nov. de 2026No MLPerf Training, pela primeira vez, aparecem Nvidia Rubin e TPU Ironwood: 153 sistemas
- 21 de nov. de 2026Microsoft transforma o Copilot em "sistema operacional do trabalho": Word e Excel viram plugins do agente
- 21 de nov. de 2026Google vai separar o armazenamento de chats do treinamento do Gemini: dá para recusar sem perder o histórico
Perguntas frequentes sobre a notícia
O que há dentro do Aquarium?
A base da plataforma é a ontologia. Em termos simples, trata-se de um dicionário e de um mapa comuns da empresa: quais tipos de entidades existem (clientes, contratos, pedidos), como elas se relacionam e por quais regras se tomam decisões sobre elas. Tabelas, documentos e outros formatos são conectados a esse mapa a partir dos repositórios já existentes, sem migração dos dados. Quando as informações são atualizadas, o agente enxerga um retrato atual.
Por que isso é útil na prática?
A ideia central é o reaproveitamento. Os dados conectados e a ontologia montados para um agente servem também para os outros. Suponha que um banco criou um agente para verificar pedidos de crédito. O agente seguinte, por exemplo, para preparar propostas para clientes, não precisará explicar de novo o que é "cliente" nem de onde buscar seus dados. Todos os agentes trabalham sobre a mesma base e são gerenciados a partir de um único lugar. Para as equipes de produto, também importa o esquema de controle.
O que se sabe sobre De onde isso surgiu e o que ainda não se sabe?
A Sakana AI é conhecida por pesquisas que melhoram a qualidade da IA sem simplesmente aumentar o modelo: escalonamento na fase de inferência, trabalho coordenado de vários modelos e autoaperfeiçoamento. Paralelamente, a empresa desenvolveu projetos aplicados no setor financeiro. Entre eles estão um especialista de IA para concessão de crédito com o MUFG Bank, a geração automática de propostas com o SMBC Group e um desenvolvimento conjunto com o Daiwa Securities Group.
Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews
Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.