Entrevistas
Leo Brunnick, Diretor de Produto da Cloudera – Série de Entrevistas
Adicione Unite.AI às suas fontes preferidas no Google
Leo Brunnick, Diretor de Produto da Cloudera, é um executivo veterano de tecnologia e empreendedor com mais de três décadas de experiência na construção e escalonamento de software, mídia digital e organizações de tecnologia empresarial. Na Cloudera, ele lidera Gerenciamento de Produto, Engenharia e Suporte ao Cliente, supervisionando a direção de produto e tecnologia da empresa enquanto expande as capacidades da plataforma de dados e IA. Antes de ingressar na Cloudera em 2025, Brunnick passou seis anos na Naviga, mais recentemente como Diretor de Operações, onde liderou mais de 600 profissionais nas áreas de produto, engenharia, marketing, P&D, suporte ao cliente e serviços profissionais. No início de sua carreira, fundou e atuou como CEO da Patheos, fazendo a plataforma de mídia digital crescer para aproximadamente 15 milhões de visitantes mensais antes de uma saída bem‑sucedida, e passou oito anos como Diretor de Produto na empresa de gerenciamento de conteúdo corporativo Vignette. Seu histórico também inclui consultoria tecnológica na Andersen Consulting e serviço como oficial de infantaria do Corpo de Fuzileiros Navais dos EUA.
Cloudera é uma empresa de dados corporativos e IA focada em ajudar organizações a gerenciar, governar, analisar e aplicar IA aos dados onde quer que eles residam — em nuvens públicas, data centers privados e ambientes de borda. Sua plataforma híbrida combina gerenciamento de dados, análise, aprendizado de máquina, IA generativa e, cada vez mais, recursos de IA agente, ao mesmo tempo em que enfatiza segurança corporativa, governança, privacidade e portabilidade de cargas de trabalho. A estratégia atual da plataforma da empresa inclui o Cloudera Anywhere Cloud, uma arquitetura projetada para oferecer às empresas uma experiência de nuvem consistente em diferentes ambientes de infraestrutura, juntamente com um data lakehouse aberto, tecido de dados unificado, processamento de dados em tempo real e ferramentas para desenvolver e implantar modelos e agentes de IA. A Cloudera afirma que sua tecnologia gerencia mais de 25 exabytes de dados e é utilizada por grandes empresas globais que buscam modernizar a infraestrutura de dados sem exigir que todas as cargas de trabalho ou dados sensíveis sejam movidos para uma nuvem pública.
Sua carreira abrange consultoria tecnológica, liderança de organizações de produto na Vignette e na Naviga, fundação e escalonamento da Patheos, e agora atuação como Diretor de Produto na Cloudera. Como essas experiências moldaram a forma como você pensa sobre a construção de plataformas de tecnologia empresarial em um momento em que a IA está mudando fundamentalmente a forma como as organizações utilizam seus dados?
Em todas essas situações, o mesmo princípio se aplica. A tecnologia é mais valiosa quando torna algo complicado mais fácil de usar pelas pessoas. Esse ponto é ainda mais importante agora, à medida que a IA cria oportunidades significativas ao mesmo tempo em que adiciona outra camada de complexidade para empresas que já navegam por dados em nuvem, data centers e ambientes cada vez mais soberanos.
À medida que construímos esta próxima era na Cloudera, frequentemente reflito sobre como podemos permitir que as organizações se beneficiem de novas tecnologias sem exigir que repensem tudo o que já construíram. Nos últimos anos, as empresas desenvolveram seus domínios de dados, aplicativos, modelos de governança e processos operacionais. Não seria razoável descartar tudo isso a cada nova tecnologia que surge. As plataformas que terão sucesso na era da IA se basearão no que as organizações já possuem, ao mesmo tempo em que lhes dão flexibilidade e controle para se adaptar à medida que suas necessidades evoluem.
A Cloudera apresentou recentemente o Cloudera Anywhere Cloud para ajudar as empresas a construir e operar IA em nuvens públicas, infraestrutura privada, nuvens soberanas, ambientes on‑premises e na borda. Qual problema você observou entre os clientes que convenceu a Cloudera de que esse tipo de arquitetura unificada era necessária?
Há uma pressão crescente sobre os clientes para colocar a IA em prática, mesmo que seus dados e infraestrutura estejam distribuídos por mais ambientes do que nunca. Os dados podem residir em nuvens públicas, data centers privados, ambientes soberanos e na borda, cada um com seus próprios requisitos de segurança, regulamentação, desempenho e econômicos. Gerenciar todos esses ambientes pode gerar uma carga operacional significativa para as organizações.
A ideia por trás do Anywhere Cloud é que as empresas não precisam escolher entre a agilidade da nuvem e a manutenção de controle, segurança e governança sobre seus dados. As organizações precisam de uma forma consistente de implantar, governar e escalar serviços de dados e IA onde fizer mais sentido para o negócio. Com um plano de controle único, as empresas podem gastar menos tempo gerenciando a infraestrutura subjacente e mais tempo focadas nos resultados que desejam alcançar com seus dados e IA, independentemente do ambiente em que eles residam.
Você afirmou que a IA empresarial “superou o modelo exclusivamente de nuvem pública”. Quais são as maiores limitações que as empresas enfrentam ao tentar executar IA de produção totalmente em ambientes de nuvem pública, e quais cargas de trabalho estão se movendo cada vez mais para outros locais?
As plataformas que terão sucesso na era da IA se basearão no que as organizações já possuem e lhes darão flexibilidade para se adaptar à medida que suas necessidades evoluem. A nuvem pública continua sendo uma parte importante da estratégia tecnológica empresarial, mas não é a única opção. À medida que a IA avança para a produção, as empresas precisam determinar onde seus dados e cargas de trabalho devem ser executados, com base em fatores como regulamentação, segurança e custo.
Isso demonstra que as decisões sobre onde alocar cargas de trabalho estão sendo tomadas de forma mais deliberada. Certas aplicações de IA certamente seriam adequadas na nuvem pública, enquanto cargas de trabalho que envolvem dados altamente sensíveis ou regulamentados podem precisar permanecer em um data center privado ou em um ambiente soberano. Em outros casos, as cargas de trabalho terão melhor desempenho na borda, já que a latência é um fator importante. O objetivo não é abandonar a nuvem pública; ao contrário, é permitir que as empresas tenham a flexibilidade de executar cada tipo de carga de trabalho no local mais adequado, sem serem obrigadas a criar um modelo operacional separado para cada ambiente.
Cloudera Anywhere Cloud inclui um copiloto agente que pode traduzir solicitações em linguagem natural em fluxos de trabalho de dados e operações de infraestrutura. Quão autônomos você espera que esses sistemas se tornem, e onde as empresas devem manter a supervisão humana à medida que os agentes ganham maior controle sobre a infraestrutura crítica de dados?
Os agentes continuarão a assumir o trabalho operacional repetitivo que atualmente ocupa o tempo das equipes de dados e infraestrutura. Se um agente puder expressar um resultado em linguagem simples e então convertê‑lo em um fluxo de trabalho ou em uma ação de infraestrutura, isso reduzirá consideravelmente o atrito e tornará capacidades avançadas de dados disponíveis para um número maior de pessoas.
Maior autonomia também gera uma necessidade maior de governança eficaz. As empresas precisam ter políticas claras que especifiquem a que um agente tem permissão de acesso, quais ações ele pode executar por conta própria e quando a aprovação humana é necessária. Quanto maior o potencial impacto de uma ação, mais cruciais se tornam esses controles. Autonomia e governança devem avançar em paralelo para proporcionar aos agentes liberdade suficiente para alcançar ganhos reais de produtividade, ao mesmo tempo em que garantem que a organização mantenha supervisão e controle sobre seus principais dados e infraestrutura.
A Cloudera está trabalhando com a NVIDIA para trazer aceleração nativa de GPU via cuDF para cargas de trabalho Apache Spark 4.1, com potenciais melhorias de desempenho de até 4× sem exigir que as organizações reescrevam aplicações PySpark ou SQL existentes. Por que eliminar a necessidade de reescrita de código é tão importante para acelerar a adoção de IA nas empresas?
As empresas fizeram investimentos significativos em suas aplicações, habilidades e pipelines de dados existentes. Migrar para uma nova tecnologia requer mais do que trabalho de engenharia. Pode introduzir risco, atrasar resultados e criar interrupções em sistemas que já estão em funcionamento.
A aceleração sem código ajuda a enfrentar esse desafio. As organizações podem usar suas cargas de trabalho PySpark e SQL existentes para obter os benefícios da aceleração por GPU sem mudar fundamentalmente a forma como suas equipes operam. Isso torna a tecnologia mais fácil de adotar, ao mesmo tempo em que melhora o desempenho dos pipelines de dados que suportam análises e IA e protege os investimentos já realizados.
As GPUs estão sendo cada vez mais usadas além do treinamento e inferência de modelos, inclusive para preparação de dados e análises. Você espera que a aceleração por GPU se torne uma parte padrão do stack de dados corporativo, e como isso poderia mudar a economia de preparação de conjuntos de dados massivos para IA?
Na minha opinião, as empresas se tornarão muito mais habilidosas em combinar sua infraestrutura às suas cargas de trabalho. As GPUs já mudaram a forma como o treinamento e a inferência de modelos são realizados, e a engenharia de dados é a próxima área óbvia de inovação, já que preparar grandes conjuntos de dados pode ser um gargalo significativo ao levar aplicações de IA à produção.
O impacto econômico é igualmente significativo, pois o processamento mais rápido pode fazer mais do que simplesmente concluir um job Spark mais rapidamente. Reduzir o tempo de execução de computação pode baixar os custos de infraestrutura enquanto ajuda as equipes de dados a iterarem mais rápido, uma consideração cada vez mais importante à medida que as cargas de trabalho de IA crescem. Segundo nossa pesquisa, 84% dos entrevistados observaram que as cargas de trabalho de IA aumentaram os custos de infraestrutura, tornando ainda mais importante que as empresas procurem oportunidades de melhoria de desempenho e custo em todo o pipeline de dados. O processamento de dados acelerado por GPU pode se tornar uma parte importante dessa equação.
Uma das promessas do Cloudera Anywhere Cloud é permitir que as organizações coloquem cargas de trabalho onde requisitos regulatórios, econômicos ou operacionais assim o determinarem, sem precisar mover ou copiar continuamente seus dados. Quão importante é trazer a computação de IA para os dados, em vez de trazer todos os dados corporativos para a IA?
Isso é essencial porque as empresas passaram anos construindo vastas quantidades de dados em diferentes ambientes, e mover todos esses dados para um único local para IA costuma ser impraticável. Pode ser caro e demorado, enquanto requisitos de segurança, privacidade ou soberania podem impedir que as organizações movam certos dados de forma alguma.
Neste momento, não é viável para as empresas mover com segurança todos os seus dados para as diferentes aplicações e ambientes onde a IA está sendo implantada. Levar a IA até os dados permite que as organizações utilizem mais dos dados que já possuem, mantendo-os onde precisam estar. Também lhes dá a flexibilidade de executar cargas de trabalho onde faz mais sentido, com base em requisitos de negócios e técnicos. À medida que a IA se torna mais incorporada em toda a empresa, a capacidade de operar de forma consistente onde quer que os dados residam se tornará cada vez mais importante.
A soberania dos dados se tornou uma preocupação importante à medida que governos e indústrias reguladas adotam IA. Como os requisitos de IA soberana estão mudando a arquitetura que as empresas precisam, e você espera que nuvens soberanas e infraestruturas privadas de IA se tornem significativamente mais importantes nos próximos anos?
Absolutamente. A soberania está se tornando um requisito arquitetônico, não apenas uma questão de conformidade. As organizações precisam saber onde seus dados estão armazenados e onde suas cargas de trabalho de IA estão sendo executadas, bem como quem tem acesso e como a propriedade intelectual e as informações sensíveis são protegidas.
As organizações não podem mais assumir que tudo pode ser centralizado em uma única nuvem pública. Elas precisam de flexibilidade para operar em nuvens soberanas, infraestrutura privada, nuvens públicas e sistemas on-premises, aplicando governança consistente em cada ambiente. Esses requisitos só se tornarão mais importantes à medida que a IA avança nas indústrias reguladas e nos processos de negócios críticos. As organizações que conseguem inovar mantendo o controle sobre seus dados e ambientes de IA estarão melhor posicionadas para escalar a IA de forma responsável.
À medida que agentes de IA autônomos ganham acesso a dados corporativos, aplicativos e infraestrutura, a governança de dados tradicional pode não ser mais suficiente. Como a governança precisa evoluir quando os usuários que acessam e atuam sobre os dados corporativos são cada vez mais agentes de IA em vez de humanos?
No passado, a governança era baseada principalmente em pessoas e aplicativos que podiam acessar os dados. Os agentes adicionam um novo aspecto, pois podem acessar informações, raciocinar sobre elas e agir com base no que encontram.
Por causa disso, as empresas devem aplicar conceitos como identidade, permissões, linhagem, observabilidade e acesso de confiança zero aos agentes para garantir a segurança e a governança de seus dados. As organizações devem saber qual agente acessou quais dados, o que fez com essas informações, quais ações tomou e se essas ações estavam em conformidade com as políticas corporativas. A governança não pode ser introduzida após um agente ter tomado uma ação; ela precisa ser incorporada ao ambiente para que as políticas e salvaguardas acompanhem os dados e sejam continuamente aplicadas, independentemente de a entidade em questão ser uma pessoa, um aplicativo ou um agente autônomo.
A Cloudera está enfatizando padrões abertos como Apache Iceberg, Polaris, Spark, Kafka e Trino, em vez de exigir que os clientes operem totalmente dentro de um stack proprietário. À medida que a infraestrutura de IA se consolida em torno de grandes plataformas, quão importante serão os padrões abertos e a interoperabilidade para impedir uma nova geração de lock‑in de fornecedores de IA?
Quanto mais a IA se torna parte da infraestrutura empresarial, mais importantes se tornam os padrões abertos. A IA está evoluindo rapidamente, e as organizações precisam evitar tomar decisões arquitetônicas hoje que possam limitar os modelos, motores, infraestruturas ou tecnologias que poderão usar no futuro.
Tecnologias como Apache Iceberg, Spark, Kafka, Trino e catálogos abertos dão às organizações a flexibilidade de usar diferentes ferramentas para diferentes cargas de trabalho, mantendo a interoperabilidade em seus ambientes de dados. Isso é particularmente importante à medida que as empresas operam cada vez mais em nuvens públicas, infraestruturas soberanas e data centers privados, onde precisam da liberdade de decidir onde seus dados e cargas de trabalho de IA são executados sem precisar reconstruir tudo em torno de um único provedor.
Uma abordagem aberta também facilita a adoção de novas capacidades de IA enquanto se aproveita os investimentos existentes, em vez de mover ou copiar dados repetidamente à medida que a tecnologia evolui. À medida que o cenário de IA continua a mudar, os padrões abertos dão às organizações a flexibilidade de evoluir sua arquitetura ao longo do tempo, mantendo a escolha e o controle sobre seus dados, infraestrutura e decisões tecnológicas.
Obrigado pela ótima entrevista, leitores que desejam saber mais devem visitar Cloudera.
