QCon AI New York 2026 reúne padrões de produção para agentes, evals e custo de LLM

- Leitura
- 4 min
- Fontes
- 1
QCon AI New York 2026 confirmou palestras de engenheiros da LinkedIn, DoorDash e Google Cloud sobre identidade de agentes, evals confiáveis e o custo real de manter LLMs rodando em escala.
Quando o hype vira operação
Depois que um agente de IA↳Agentes de IA42 conteúdosOpera passa a integrar ChatGPT, Claude e outros agentes de IADev (Back & Front) · mar 2026Operações mais inteligentes, decisões mais rápidas: o impacto da IA agêntica na rotina de TIAI · abr 2026Adobe aposta em orquestração de agentes de IA: o que muda para devsDev (Back & Front) · abr 2026Ver tudo em AI → sai do protótipo e entra em produção, o problema muda de figura. Código gerado chega mais rápido do que a revisão consegue acompanhar, o custo em tokens sobe, os evals precisam ser confiáveis o suficiente para decidir um deploy e o agente precisa de permissões e guardrails como qualquer outro sistema que toca produção. A QCon AI New York 2026 confirmou sessões de engenheiros seniores que já passaram por essas decisões em sistemas que eles próprios mantêm rodando, segundo o InfoQ.
O evento acontece em 15 e 16 de dezembro de 2026 no The Westin Jersey City Newport, a cerca de cinco minutos de trem PATH do World Trade Center, e é voltado a engenheiros seniores e líderes técnicos que tomam decisão sobre IA em produção. A proposta, segundo a cobertura, não é o discurso de keynote genérico: é o relato de quem já rodou a decisão e tem o número por trás dela para outra equipe comparar com sua própria realidade.
Identidade e autorização: dar acesso de produção a um agente
A keynote de abertura, de Nancy Wang (fundadora da área de AWS↳AWS20 conteúdosE-mails de verificação com AWS SES + Lambda (Node.js) e Terraform: do zero ao envioDevSecOps · out 2025Codex na AWS: chegada do agente da OpenAI à nuvem da AmazonDevSecOps · abr 2026Salesforce e AWS ampliam colaboração em IA, CRM e marketplaceDevSecOps · nov 2023Ver tudo em DevSecOps → Data Protection), parte de um dilema concreto: dar ao agente uma conta de serviço de longa duração e torcer para que nada dê errado, ou restringir tanto o acesso que ele não consegue terminar a tarefa. A palestra When Software Becomes a User: Identity and Authorization for Agents in Production propõe alternativas a esses dois extremos.
Quem quer ver esse modelo funcionando numa plataforma real tem a sessão de Ronak Nathani, que liderou a migração do LinkedIn para Kubernetes. Em Inside LinkedIn's Kubernetes Ops Agent: Skills, Tools, and Guardrails, ele detalha um agente de operações que atua sobre mais de 500 mil nós e 5 milhões de pods, com guardrails aplicados no servidor: limite de taxa de chamadas e aprovação por um par humano antes de qualquer mudança em produção. As duas palestras juntas entregam um modelo de autorização e um conjunto de guardrails já testado para comparar com o que a equipe tem hoje.
Evals que decidem se um agente vai ao ar, e quanto custa rodá-lo
Um eval só serve de fato quando o time confia o suficiente no placar para decidir publicar ou segurar uma mudança com base nele. Fabio Flores, que lidera o desenvolvimento de base do Agentic Ordering na DoorDash, vai defender nessa linha que o mesmo juiz avalie sessões simuladas e sessões em produção, para que uma melhora medida antes do lançamento continue valendo depois dele. A palestra se chama From Signal To Impact: The Eval Loop Behind DoorDash's Agentic Ordering System.
O outro lado da conta é o custo. Workloads de agente que funcionavam como protótipo ficam caros demais em produção conforme o contexto cresce. Tejas Chopra, que trabalhou com infraestrutura de cache distribuído na Netflix, vai mostrar em Make Each Token Count: Compression, Caching, and Retrieval for Production LLM Context como compressão e ordenação de prompt aumentam os acertos de cache do provedor, além de armazenamento em camadas para histórico de conversa e os modos de falha que o time dele encontrou no caminho.
Quando a IA escreve código mais rápido do que a equipe consegue revisar
A revisão humana vira o gargalo conforme as ferramentas de IA geram mais código. Min Chen, que lidera a adoção de engenharia de software nativa em IA no LinkedIn, vai defender que o time filtre achados de baixa confiança antes que cheguem ao desenvolvedor. Sua sessão, High-Signal AI Code Review That Adapts to Your Codebase at Scale, descreve um sistema que revisa dezenas de milhares de pull requests por semana em cerca de 10 mil repositórios, e como o time mede se as sugestões realmente entram no código que vai para produção.
Mais código mais rápido não ajuda toda organização do mesmo jeito. Nathen Harvey, que lidera a pesquisa DORA na Google Cloud, propõe em Building in the AI-First World: Scale Brilliance, Not Bottlenecks avaliar a maturidade com IA além de métricas de adoção, identificando qual problema que já existia a IA tende a piorar. A tese central dele, segundo o InfoQ, é que a IA amplifica tanto o que a organização já faz bem quanto o que ela já faz mal.
O que muda pra quem constrói isso no dia a dia
Para uma equipe de engenharia que já roda ou está prestes a rodar agentes em produção, inclusive no Brasil, essas cinco sessões cobrem decisões que normalmente são resolvidas no improviso: qual modelo de identidade o agente usa em vez de uma conta de serviço genérica, se o eval que valida um protótipo é o mesmo que valida produção, como o custo em tokens entra como variável de engenharia desde o design e como triar o volume de sugestões de IA antes que ele vire ruído para quem revisa.
O Comitê de Programa da QCon AI convida profissionais seniores com algo que outras equipes possam aprender, e as palestras são vendor-neutral, sem pitch de produto escondido: cada uma é o relato de o que um time construiu e por quê. Com a proporção de um palestrante para cada onze participantes, ainda sobra espaço para a pergunta de acompanhamento a quem de fato construiu o sistema. Todas as sessões confirmadas estão listadas na página de programação da QCon AI New York 2026.
Fonte: InfoQ
Este artigo foi escrito por Redação iMasters. Conteúdo produzido por agente de IA da redação iMasters, sob revisão editorial humana. Saiba como produzimos no expediente.
Canva lança botão para desligar toda a IA generativa da ferramenta
A partir de 19 de novembro de 2026, o Canva permite apagar recursos como Magic Write e Magic Design do menu, mas mantém ativas ferramentas que editam sem gerar conteúdo novo.













