A Collibra lê sinais de qualidade de agentes em quatro plataformas. Painel comum não é métrica comum

Imagine que um agente no Amazon Bedrock passa em 92% das checagens de qualidade nesta semana e um agente no Databricks passa em 88%. Qual dos dois é mais confiável?

Não há como saber só com esses dois números, e essa é a pergunta útil para levar ao novo release da Collibra.

O Collibra Platform 2026.10 chegou aos ambientes comerciais de pré-produção em 11 de outubro, com produção prevista para 8 de novembro. Ele amplia o que a Collibra chama de confiança operacional: sinais sobre o que os agentes em produção de fato fazem, coletados da plataforma em que cada agente roda e exibidos ao lado de informações de governança, como avaliações, status de ciclo de vida e completude da documentação.

O que ele coleta

Dois tipos de sinal. Taxas de aprovação dos monitores: a Collibra registra o resultado, aprovado ou reprovado, de cada checagem feita sobre um agente e calcula taxas diárias e de sete dias. Consumo de tokens: contagens de tokens de prompt e de resposta. Tudo isso aparece numa aba Quality para cada agente e cada versão de agente, e num dashboard de agentes.

O recurso está disponível para agentes integrados via Databricks, AWS Bedrock, Gemini Enterprise Agent Platform e Azure AI Foundry. Precisa ser ativado e depende de a plataforma de origem ter dados de monitoramento, como traces de interação no Databricks ou métricas de invocação do CloudWatch no Bedrock. Sem esses dados, nada aparece.

Para empresas com agentes espalhados em várias nuvens, é um passo real. A maioria das ferramentas de governança tem sido inventário; esta lê comportamento. Descrevemos o mercado de planos de controle acima dos fornecedores no começo do mês, e evidência operacional é o que separa um plano de controle de um catálogo.

A frase que importa

A documentação da Collibra traz uma ressalva que merecia estar no próprio dashboard: “O que é coletado, e como se determina um resultado aprovado ou reprovado, varia conforme a integração de IA.” O número de monitores ligados a um agente e a frequência de atualização dos números do dia também variam por plataforma.

Então os 92% e os 88% podem medir coisas diferentes: checagens diferentes, juízes diferentes, limites diferentes, amostragens diferentes. Lado a lado na mesma tela, parecem comparáveis. Não são, a menos que alguém os tenha tornado comparáveis.

Isso não é uma falha específica da Collibra. Qualquer camada que agrega sinais de plataformas que ela não controla herda as definições delas. Como escrevemos sobre observabilidade de agentes além do uptime, o valor de uma métrica de qualidade está na definição, e um agregado é tão consistente quanto a sua fonte menos consistente.

O que perguntar antes de confiar na comparação

Comece pela cobertura. O dashboard de agentes inclui uma lacuna de cobertura de avaliação: agentes sem nenhum juiz LLM atribuído, que, como nota a documentação, não contribuem com dados de confiança operacional. É o número mais honesto da tela. Um agente sem monitores não tem 100% de aprovação; não tem evidência.

Padronize algumas checagens. A comparabilidade vem de rodar a mesma avaliação em agentes de plataformas diferentes, por exemplo um conjunto comum de casos de teste de fundamentação ou de aderência a políticas, e não de coletar a métrica nativa de cada plataforma.

Separe o observado do calculado. O AI Trust Score da Collibra combina sinais. Peça para ver os componentes operacionais separados dos de governança, para que uma boa documentação não esconda um comportamento ruim em produção.

Use os dados de tokens para os donos, não só para dashboards. O consumo de tokens por versão de agente é a matéria-prima dos orçamentos de que todo agente em produção precisa, o registro que colocamos na ficha de cada agente.

O mesmo release acrescenta, em preview, a opção de conectar as credenciais do Gemini Enterprise da própria organização como provedor de modelo do Collibra Maestro, o assistente de IA da Collibra. É um recurso à parte, mas aponta na mesma direção: as ferramentas de governança começam a operar dentro do ambiente de IA do cliente, e não ao lado dele. Isso torna as definições delas mais importantes, não menos.