English
Artigos

O que é Treasure AI (ex-Treasure Data)?

Treasure AI (ex-Treasure Data): histórico da empresa, a mudança de marca de 2026, arquitetura, avaliações de analistas e como se compara a outras CDPs.

CDP.com Staff CDP.com Staff 31 min de leitura

Treasure AI (ex-Treasure Data) é uma plataforma de experiência agêntica (Agentic Experience Platform) que unifica dados de cliente de qualquer fonte, resolve identidades entre canais e implementa agentes de IA para conduzir personalização, mensageria e decisão autonomamente, sob a direção da criatividade e do julgamento estratégico das pessoas.

A plataforma nasceu como uma das primeiras plataformas de dados do cliente (CDP, ou Customer Data Platform) e se tornou um único produto que reúne CDP, mensageria multicanal e IA para rodar o Customer Intelligence Loop continuamente.

Interface web do Treasure AI Studio com um assistente de IA conversacional, botões de ação rápida para criação de públicos e tarefas de pipeline de dados, e cartões de projetos em andamento como análise da jornada do cliente e criação de peças de campanha

Divulgação: a cdp.com é operada pela Treasure Data (hoje Treasure AI). Este perfil segue os mesmos critérios editoriais dos demais perfis de fornecedor do site, documentados na nossa política editorial, mas o leitor precisa conhecer essa relação. Para o comparativo lado a lado de todos os fornecedores de CDP, veja o guia de fornecedores de CDP.

Treasure AI em resumo

DimensãoTreasure AI
Indicado paraEmpresas globais e multimarca, B2C e B2B, com ambientes de dados de grande escala, sobretudo as que precisam de cobertura na Ásia-Pacífico (APAC) e de residência de dados multirregião
Porte típico do compradorMédia empresa e grande empresa: 39,9% das 163 avaliações que o G2 classifica por porte vêm de empresas acima de 1.000 funcionários, 36,8% de empresas na faixa de 51 a 1.000 e 23,3% de empresas com até 50
Modelo de preçoPor perfil e por evento, sob consulta; no modo Complete CDP, consultas e segmentação não têm cobrança separada de processamento. No modo Composable, as consultas usam o processamento do data warehouse do cliente e entram na conta desse ambiente
Implementação típicaDe 4 a 8 semanas na fase inicial; de 3 a 6 meses para a implantação corporativa completa
Principal diferencialO maior leque de capacidades entre as CDPs Packaged cobertas pelo cdp.com: implantação Packaged ou Composable, IA preditiva e agêntica nativa e mensageria nativa por e-mail, SMS e push dentro de uma única plataforma — com conectores nativos da Ásia-Pacífico (LINE, Yahoo! JAPAN Ads) como encaixe adicional para a região
Evite seVocê precisa de um orçamento de pequena e média empresa

Essa divisão descreve quem avalia o fornecedor no G2, não a base de clientes: os revisores se autosselecionam e os fornecedores fazem campanha de solicitação de avaliações. As contagens são o subconjunto que o G2 classifica por porte, menor que o total de avaliações citado em outro ponto da página; quando a página não traz uma divisão por porte, a linha se apoia no fato estrutural que ela mesma enuncia. O comparativo entre fornecedores de CDP e a metodologia desses percentuais estão em fornecedores de CDP.

Histórico da empresa

A Treasure Data foi fundada em 2011 em Mountain View, na Califórnia, como uma plataforma de gerenciamento de dados em nuvem para dados de log e análise de big data. Nos anos seguintes, a empresa mudou o foco para os dados de cliente e construiu a infraestrutura de ingestão de dados, resolução de identidade e ativação de público em grande escala que se tornou a sua plataforma de dados do cliente.

Marcos principais:

AnoMarco
2011Fundada em Mountain View, Califórnia, como plataforma de gerenciamento de big data
2018Aquisição pela Arm Holdings (SoftBank Group) por cerca de US$ 600 milhões, o que acelerou a entrada no mercado corporativo
2020–2024Posições no Forrester Wave: Leader em Customer Analytics Technologies (2020), Strong Performer em CDPs (2022) e Leader no Forrester Wave de CDPs de 2024, com reconhecimento pela solidez da base de dados de cliente e pela escalabilidade corporativa
2026Mudança de marca de Treasure Data para Treasure AI e lançamento da plataforma de experiência agêntica
2026Nomeada Leader nos dois recortes do IDC MarketScape for Worldwide AI-Enabled Customer Data Platforms, B2C Users (Doc #US53952526) e B2B Users (Doc #US53952326), distinção que divide com a Salesforce

Em 2026, a Treasure AI atende mais de 400 clientes corporativos em varejo, serviços financeiros, saúde, automotivo, bens de consumo e mídia. A plataforma processa bilhões de perfis unificados no mundo todo.

A mudança de marca: de Treasure Data para Treasure AI

Em 20 de abril de 2026, a Treasure Data passou a se chamar oficialmente Treasure AI. O domínio da empresa mudou de treasuredata.com para treasure.ai, e a categoria de produto passou de “Customer Data Platform” para “Agentic Experience Platform”.

A mudança de marca (rebranding) reflete uma alteração estrutural no que a plataforma faz. A Treasure Data começou como um sistema em que pessoas acessavam dados de cliente unificados para decidir o que fazer no marketing. A Treasure AI é projetada como um sistema em que agentes de IA acessam esses mesmos dados unificados para decidir e executar autonomamente, com as pessoas fornecendo estratégia, criatividade e guardrails.

Três mudanças definem a transição:

  1. De arquitetura centrada em pessoas para arquitetura centrada em agentes. A interface principal da plataforma está migrando de painéis e construtores de consulta para agentes de IA que operam por MCP (Model Context Protocol), CLI, APIs e habilidades prontas de agente. As pessoas continuam dirigindo a estratégia; os agentes de IA cuidam da execução em escala. O acesso headless e os Digital Workers estão descritos em Principais produtos, adiante.

  2. De plataforma de dados para plataforma de experiência. A CDP original cuidava da ingestão, da unificação e da ativação de público. A nova plataforma acrescenta mensageria multicanal nativa (e-mail, SMS, push, mensagem no aplicativo, LINE), decisão com IA e personalização em tempo real, o que dispensa um fornecedor diferente para cada etapa do Customer Intelligence Loop.

  3. De ciclos em lote para ciclos contínuos. A CDP executava a segmentação de clientes em lotes diários ou semanais. A plataforma de experiência agêntica roda o Customer Intelligence Loop continuamente: COLETAR, UNIFICAR, ENTENDER, DECIDIR e ENGAJAR em minutos, com o resultado do engajamento voltando para orientar o ciclo seguinte.

Todas as APIs, SDKs e fluxos de trabalho existentes continuam retrocompatíveis. A mudança de marca é uma evolução de produto, não uma migração que quebra as integrações já em produção.

Arquitetura da plataforma

A Treasure AI é um stack em que as pessoas ficam no topo e os dados de cliente governados formam a base. O diagrama mostra as camadas como aparecem na página do Digital Worker da Treasure AI; cada uma está descrita em Principais produtos, adiante.

Diagrama da arquitetura da Treasure AI: uma camada conduzida por pessoas, em que a equipe define objetivos, restrições e aprovações; Digital Workers (Marketing Analyst, Channel Marketer e Web Marketer) sobre o Treasure AI Studio, um espaço de trabalho de IA headless com Agent Gateway, APIs, MCP e Skills; quatro camadas de capacidade que vão da esquerda para a direita: contexto de cliente governado (identidade, comportamento, consentimento, conteúdo, catálogo de dados e definições de negócio), sinais de IA em tempo real (risco de churn, propensão de compra, afinidade a ofertas e valor de vida), motor de decisão com IA (próxima melhor ação a partir de sinais preditivos, contexto do cliente e raciocínio) e personalização e engajamento (e-mail, SMS, push, mensagem no aplicativo, web e LINE); as respostas e os resultados dos clientes voltam ao contexto governado; engenheiros alocados ao cliente (forward-deployed) e guardrails (consentimento, permissões, avaliação, monitoramento e auditabilidade) se aplicam em todas as camadas

  • Direção humana e Digital Workers: a equipe define objetivos, restrições e aprovações. Os Digital Workers, com papéis de exemplo Marketing Analyst, Channel Marketer e Web Marketer desenhados em conjunto com um engenheiro alocado ao cliente (forward-deployed engineer, FDE), executam o trabalho atribuído sobre a plataforma.
  • Treasure AI Studio e acesso headless: o Studio é o espaço de trabalho nativo de IA. O Agent Gateway, as APIs, o MCP e as Skills expõem as mesmas capacidades de forma headless, então a equipe pode operá-las pelo Studio ou pelas ferramentas que já usa.
  • Contexto de cliente governado: a camada de CDP. Reúne identidade e perfis, comportamento e transações, consentimento e qualidade de dados, conteúdo e tom de voz, o catálogo de dados e os dados permitidos, além da ontologia de negócio com definições acordadas.
  • Sinais de IA em tempo real e o motor de decisão com IA: os sinais preveem risco de churn, propensão de compra, afinidade a ofertas e valor de vida. O motor de decisão combina esses sinais preditivos com o contexto do cliente e raciocínio para escolher a próxima melhor ação.
  • Personalização e engajamento: e-mail, SMS, push, mensagens no aplicativo, personalização web, LINE e outros canais conectados, entregues pelo Treasure AI Engage e pelo Personalization Studio ou por um stack de MarTech já existente.
  • Retorno, FDE e guardrails: as respostas e os resultados dos clientes voltam ao contexto governado. Os FDEs conectam e governam a plataforma, definem papéis, revisam esses papéis e avaliam e melhoram os resultados. Os guardrails cobrem consentimento, permissões, avaliação, monitoramento e auditabilidade em todo o percurso.

Abaixo das camadas, a arquitetura é híbrida: separa o plano de controle do plano de dados.

  • Plano de controle (Treasure AI): resolução de identidade, segmentação de público, decisão com IA, orquestração de mensageria e o runtime (ambiente de execução) dos agentes de IA. É a camada gerenciada da plataforma, em que o Customer Intelligence Loop é executado.

  • Plano de dados (infraestrutura do cliente): os dados de cliente podem ficar no data warehouse do próprio cliente: Snowflake, Databricks ou BigQuery. A Treasure AI consulta as tabelas nesse ambiente sem exigir que os dados sejam movidos para um armazenamento proprietário. Na direção inversa, esses mesmos warehouses podem consultar, sem uma segunda cópia, as tabelas gerenciadas pela Treasure AI que são publicadas no formato Apache Iceberg para leitura.

Esse modelo de implantação híbrido ataca uma tensão central do mercado de CDP. As CDPs composable mantêm os dados no warehouse, um ambiente ajustado para consultas analíticas e não para leitura de perfil em menos de um segundo; as CDPs packaged servem perfis com rapidez, mas guardam os dados na própria plataforma. A arquitetura da Treasure AI busca entregar as duas coisas: dados residentes no warehouse com um plano de controle gerenciado, projetado para leitura de perfil de baixa latência e ativação em tempo real.

Principais produtos

Treasure AI Studio

O Treasure AI Studio é a interface principal da plataforma: um espaço de trabalho em que a equipe descreve em linguagem natural o que quer e um agente de IA executa o trabalho sobre os dados de cliente, sem SQL e sem abrir chamado para a engenharia.

Um passo a passo interativo do Treasure AI Studio: uma pergunta em linguagem natural respondida a partir de perfis unificados e, em seguida, o segmento, o e-mail e a jornada que saem dela, sem SQL e sem chamado para o time de TI.

O que dá para fazer no Studio

  • Fazer perguntas sobre os dados de cliente. A pergunta pode ser por que o uso de um cupom disparou ou quais clientes estão deixando de comprar, e a resposta vem em um relatório com gráficos montados a partir dos perfis unificados.
  • Montar públicos. A descrição de um segmento em palavras vira um segmento que funciona, refinado na própria conversa.
  • Criar campanhas e jornadas. O rascunho do e-mail, o mapa da jornada e a gestão da campanha saem do mesmo chat.
  • Trabalhar com os dados onde eles já estão. As conexões deixam um agente explorar e montar gráficos com dados de um warehouse Snowflake ou de um lakehouse Databricks, além de executar consultas, fluxos de trabalho e operações de segmento da CDP da Treasure Data. Cada pessoa autoriza a própria conexão, e o agente enxerga apenas o que a função dessa pessoa enxerga. No Snowflake, a conexão se autentica com a função PUBLIC, então uma tabela liberada para uso do agente fica visível a todos os outros usuários do Snowflake, e a concessão de permissões precisa considerar esse escopo.
  • Manter o conhecimento da equipe em pastas compartilhadas. Uma pasta de trabalho (work folder) guarda instruções, arquivos de referência, habilidades e ações salvas que a IA lê no início de cada conversa (memória entre conversas). Em uma pasta compartilhada, o agente de um colega parte do contexto que outro profissional de marketing já ensinou. As conversas e o diretório my/ de cada membro continuam privados, e o controle de acesso delimita onde o agente de cada membro pode escrever.
  • Programar trabalho recorrente. Um fluxo salvo como ação é executado diariamente, em dias úteis, toda semana, todo mês ou em um cron personalizado, sem que ninguém clique em Executar. O agendamento é por horário, não por evento; reagir ao comportamento do cliente no momento depende da camada de tempo real.
  • Acessar de onde você já trabalha. Uma pasta compartilhada pode ser exposta a clientes MCP e a um bot do Slack que recebe pedidos por mensagem direta ou menção no canal e responde na própria thread. Cada pedido é executado com as permissões, as conexões e os créditos de quem o enviou. As conversas também têm uma configuração Ask ou Auto para comandos tdx: o Ask mantém um cartão de aprovação em cada comando, então uma equipe que quer conferência humana deve deixar as conversas em Ask.

O Studio funciona na web, como aplicativo desktop para macOS e Windows e em iOS e Android para acompanhamento e aprovações. Engenheiros usam a plataforma pelo terminal com o Treasure Code, construído sobre o Claude Code, e qualquer pessoa pode consultar dados ou registrar anotações sem usar as mãos com o Treasure AI Voice.

Interface do Treasure AI Studio no celular, com uma conversa de chat, botões de ação rápida e histórico recente incluindo geração de plano de campanha e análise de relatório de vendas

Treasure AI Studio no celular. A mesma interface conversacional disponível em iOS e Android, para acompanhar campanhas e aprovar ações fora do escritório.

Sessão do Treasure Code no terminal, com um agente de IA analisando tabelas do banco de dados pelo comando tdx, inspeção de esquema em paralelo e prévia dos dados, com tecnologia Claude Code

Treasure Code (CLI). Engenheiros interagem com a Treasure AI por uma interface de terminal construída sobre o Claude Code: inspecionam esquemas, executam consultas e gerenciam pipelines de dados sem sair da linha de comando.

Headless: a Treasure AI a partir das ferramentas de IA que a equipe já usa

O Headless permite que a equipe use um assistente de IA ou um agente de programação que já adota para trabalhar com os dados de cliente e as ferramentas de marketing da Treasure AI, em vez de abrir o Studio. O agente pode preparar públicos e jornadas para revisão; as ações que chegam ao cliente continuam sujeitas à aprovação humana. A Treasure AI afirma que o Studio segue sendo a interface para revisar e refinar o trabalho e que o Headless é outra forma de entrar nos mesmos dados, com as mesmas permissões e a mesma trilha de auditoria.

Diagrama do Treasure AI Headless: quatro grupos de clientes, ferramentas de colaboração (Slack, Microsoft Teams), assistentes de IA (Treasure AI Studio, ChatGPT Enterprise, Claude.ai, Microsoft Copilot, Snowflake CoWork), SDKs de agente (Digital Worker, Vercel AI SDK, seu próprio aplicativo) e ferramentas de programação com IA (OpenAI Codex, Claude Code, GitHub Copilot, Cursor, Snowflake Cortex, Databricks Genie), se conectam pelo Agent Gateway ou pela CLI (tdx) e pelo MCP à plataforma Treasure AI, um contexto de cliente governado formado por dados de cliente, segmentos, jornadas e ativação, com as mesmas permissões, a mesma trilha de auditoria e aprovação humana para as ações que chegam ao cliente

Treasure AI Headless. Clientes externos chegam, pelo Agent Gateway ou pela CLI tdx e pelo MCP, ao mesmo contexto de cliente governado, sob permissões e trilha de auditoria compartilhadas.

RotaO que conecta
Agent GatewayEspaços de trabalho de equipe como Slack e Microsoft Teams, e conexões baseadas em agente
MCP remotoClaude e ChatGPT Enterprise; Snowflake Cortex Code e Databricks Genie Code por MCP
CLI (tdx, Treasure Code)Guias de configuração para Claude Code, OpenAI Codex, GitHub Copilot no VS Code e Cursor
SDKsO Agent SDK e o Vercel AI SDK para aplicações próprias
SkillsPastas de habilidades reutilizáveis com SKILL.md, instruções, exemplos e material de referência; a Treasure AI cita mais de 50 habilidades tiradas de mais de 400 implantações de CDP

Em uma avaliação de CDP agêntica, o Headless desloca a pergunta de integração: não é mais qual interface a plataforma entrega, e sim quais assistentes conseguem operá-la e sob quais permissões. A equipe deve verificar se cada assistente se autentica como usuário individual, e não com um token compartilhado, para que o registro de auditoria nomeie uma pessoa. Os endpoints MCP nos Agent Channels do Studio, descritos acima, aceitam OAuth por membro.

Digital Workers

Os Digital Workers levam a Treasure AI do agente que o profissional de marketing aciona por prompt para o papel que recebe trabalho atribuído. Um Digital Worker é um colega de equipe de IA com papel, objetivos, habilidades e limites definidos. Ele assume tarefas com os dados de cliente e o contexto de negócio da empresa e devolve resultados para a equipe revisar. A página do produto cita três papéis de exemplo: Marketing Analyst, Channel Marketer e Web Marketer. Quando uma tarefa atinge os critérios de qualidade acordados, a equipe define um agendamento e um responsável pela revisão para que ela se repita.

Tela Digital Worker Resume do Treasure AI Digital Worker para o papel Channel Marketer: uma barra lateral com quatro papéis especialistas (Channel Marketer, DW Manager, Marketing Analyst e Web Marketer), o resumo do papel descrevendo a construção da jornada do cliente e a melhoria contínua a partir do retorno dos envios, contadores de trabalho automatizado, decisões aguardando aprovação, contexto, habilidades, procedimentos e aprendizado, além de um painel de revisão mensal com status de saúde e métricas de aprovação

O modelo de governança é a parte que o comprador deve ler com atenção. Os workers operam em contêineres isolados, com rastreamento da atividade de rede e do acesso a arquivos. Eles leem dados, investigam mudanças, preparam o trabalho e pedem revisão humana; envios que chegam ao cliente e operações sensíveis, como exportações grandes, exigem aprovação explícita, e cada execução fica registrada. A Treasure AI também descreve engenheiros alocados ao cliente que ajudam a desenhar papéis, conectar fluxos e implantar os workers, o que faz dos primeiros papéis um projeto com apoio de serviços, não um recurso que a equipe ativa por conta própria.

Mensageria multicanal e personalização

A plataforma inclui mensageria nativa e personalização web em:

  • E-mail: conteúdo personalizado com otimização do horário de envio por IA (Email Marketing)
  • SMS: mensagens transacionais e promocionais, com links curtos por destinatário e rastreamento nativo de cliques (SMS Marketing)
  • Push: notificações para iOS e Android (Mobile App Marketing)
  • Mensagem no aplicativo: mensagens contextuais dentro dos aplicativos móveis (Mobile In-App Messaging)
  • LINE: integração nativa com a plataforma de mensagens LINE (relevante para os mercados da Ásia-Pacífico); mensagens de contas oficiais LINE em texto, Imagemap e Flex também podem integrar campanhas contínuas junto a e-mail e push
  • Personalização web: o Personalization Studio permite escolher uma página e áreas de conteúdo de forma visual, escolher um público que já existe, alterar texto, imagens e chamadas para ação e, então, pré-visualizar, agendar e publicar. O conteúdo é entregue em menos de um segundo a partir dos mesmos perfis de cliente, sem um repositório de perfis à parte; a configuração inicial do site fica com o time técnico
  • Mensagem no navegador: as mensagens pop-up do Personalization Studio, em beta, acrescentam promoções configuráveis no navegador, mas exigem habilitação na conta e o Real-Time Personalization 2.0 (In-Browser Messaging)
  • Landing pages: sites estáticos em ZIP publicados em subdomínios próprios para destinos de campanha (Landing Pages)

O WhatsApp, canal dominante no relacionamento com o consumidor brasileiro, não aparece nessa lista de canais nativos. Em uma avaliação conduzida no Brasil, pergunte ao fornecedor por qual caminho o canal é atendido, se por integração, por parceiro ou pela API oficial, e quanto do resultado volta para o perfil.

Trazer a mensageria para dentro da plataforma, em vez de exigir uma plataforma de engajamento do cliente separada, faz com que os resultados de engajamento (aberturas, cliques, conversões) voltem direto para o Customer Intelligence Loop, sem a latência de atravessar a fronteira entre fornecedores.

Treasure Data (CDP): a camada de contexto

A base de toda a plataforma é a Treasure Data, a CDP inteligente que funciona como camada de contexto. É nessa camada que os dados de cliente são ingeridos, as identidades são resolvidas, os perfis unificados são construídos e as políticas de governança são aplicadas. Todos os produtos acima (Studio, Digital Workers e mensageria) leem e escrevem nela.

Capacidades centrais da camada de contexto:

  • Ingestão de dados: mais de 170 conectores prontos para ingestão em lote e por streaming, a partir de CRM, e-commerce, web analytics, PDV, atendimento e fontes de IoT
  • Resolução de identidade: correspondência determinística e probabilística com aprendizado de máquina, que resolve identidades entre dispositivos, canais e contas
  • Perfis unificados: perfis persistentes de visão 360° do cliente que agregam dados comportamentais, transacionais e demográficos em um registro só
  • Decisão com IA e inteligência de modelos: análise preditiva, score de propensão e processamento de sinais em tempo real, que sustentam as etapas ENTENDER e DECIDIR do ciclo
  • Governança de dados: controle de acesso por campo, aplicação do consentimento e automação de conformidade em toda a ativação a jusante

Essa é a camada marcada como “Composable” no diagrama de arquitetura: a empresa pode conectá-la ao data warehouse que já usa (Snowflake, Databricks, BigQuery) pelo modelo de implantação híbrido e manter os dados residentes no warehouse, enquanto a camada de contexto cuida de identidade, IA e governança.

A camada de contexto opera em dois modos. O Complete CDP é uma implantação gerenciada: os dados são ingeridos e armazenados na plataforma, com conectores prontos, resolução de identidade, segmentação e ativação, sem exigir um warehouse preexistente. No modo Composable CDP (Composable Audience Studio), a Treasure AI envia consultas federadas ao Snowflake, ao BigQuery ou ao Databricks. O warehouse executa as consultas com seu próprio processamento e devolve os resultados, sem uma sincronização por reverse ETL para um segundo repositório. A equipe de marketing monta públicos de forma visual enquanto as tabelas de origem permanecem no warehouse. Os resultados das consultas voltam à Treasure AI; os dados de cliente chegam a um destino quando o público é ativado. A plataforma também oferece resolução de identidade gerenciada, decisão com IA e mensageria nativa. Ao comparar esse modo com ferramentas puramente composable, verifique quais capacidades cada alternativa entrega nativamente, quais dependem de integração e quais estão disponíveis no modo de implantação escolhido. Veja a análise da arquitetura composable no guia brasileiro de fornecedores.

Composable Audience Studio no Snowflake, Databricks e BigQuery

O Composable Audience Studio está disponível no Snowflake e no Databricks (nota de lançamento) e no BigQuery (nota de lançamento).

Os acréscimos recentes atendem ao que uma equipe de segurança ou de dados corporativa verifica primeiro. Os eventos no log de auditoria Premium levam a auditoria ao mesmo nível do Audience Studio gerenciado, entre eles os eventos de acesso negado. As permissões baseadas em políticas concedem acesso total, limitado ou nenhum por segmento principal composable e por pasta de segmentos. As tags de consulta do Snowflake marcam as consultas de segmentação, ativação e busca de perfis com um QUERY_TAG em JSON, para que o processamento do warehouse seja atribuído a públicos, segmentos e ativações específicos para monitoramento ou rateio de custos.

Públicos, atributos, comportamentos, segmentos e ativações também podem ser gerenciados como código, com criação e atualização em YAML via tdx cas push e prévia antes da aplicação das alterações. Na direção inversa, o Open Catalog Access publica tabelas do Complete CDP como tabelas Apache Iceberg somente para leitura, consultadas no próprio warehouse.

Nesse modo, a Treasure AI permite montar públicos sobre tabelas do warehouse e usa os controles de acesso do próprio ambiente. A contrapartida acompanha as consultas: a documentação do Composable CDP aponta custo variável de processamento no warehouse do cliente, além da responsabilidade da equipe de dados por modelar esquemas e ajustar o desempenho. A ausência de cópia vale para os dados em lote até a ativação; um público enviado à mídia ou a um canal de mensageria sai do warehouse, como ocorre em outras ferramentas composable. Quem prefere que a Treasure AI gerencie armazenamento e esquema pode optar pelo modo Complete CDP.

Real-Time 2.0: perfis em tempo real e dados por streaming

Um cliente volta ao site, põe uma jaqueta no carrinho, navega e sai. Ainda durante a sessão, uma oferta pode considerar tanto o carrinho atual quanto o histórico de compras. Depois que o cliente sai, um gatilho separado pode iniciar uma mensagem de acompanhamento. A camada Real-Time 2.0 da Treasure AI atende aos dois casos enviando cada evento recebido por dois caminhos simultâneos (visão geral de tempo real). No caminho em tempo real, o motor de decisão processa cada evento em milissegundos: faz a costura de identidade (identity stitching), atualiza atributos em tempo real, como contadores de sessão e valor do carrinho, e combina o evento com o perfil em lote (batch profile) armazenado. O caminho em lote executa fluxos programados, normalmente a cada poucos minutos ou horas, para agregar eventos históricos, calcular scores preditivos e atualizar relações de identidade. A cada novo evento de um cliente, o motor em tempo real lê o perfil em lote mais recente. A decisão durante a sessão, portanto, considera também o histórico do cliente.

A costura de identidade acontece no próprio fluxo de eventos. Quando os eventos trazem identificadores correspondentes em uma chave configurada para esse fim, as identidades são unificadas quando os eventos chegam. Por exemplo, um evento contém e-mail e ID de cookie; o seguinte contém o mesmo cookie e um ID de dispositivo. A unificação inclui identificadores conhecidos e anônimos (documentação sobre costura de identidade). A camada em lote continua sendo a fonte de referência dos perfis históricos.

A Treasure AI publica os limites operacionais da camada em tempo real (limites de desempenho):

DimensãoLimite publicado
Resposta da Personalization API≤100 ms no percentil 95 (p95) para até 20 atributos; o SLA exige Enterprise Support
Ativações por gatilho (triggered activations)Até 3 minutos de ponta a ponta, incluindo avaliação, costura de identidade e envio
Ingestão por streaming2.000 eventos por segundo por cliente por padrão; a plataforma escala horizontalmente até 100.000+ eventos por segundo no mundo todo, não por cliente
Volume de decisões8.000 eventos por segundo por cliente
Limites de identidadeAté 100 chaves de costura de identidade; até 200 identificadores por perfil, com remoção dos mais antigos primeiro
Atributos em tempo realAté 200 por perfil, de 500 bytes cada

Dois acréscimos estendem essa camada. O Lookup Catalog cruza atributos do perfil com uma tabela externa de referência durante a execução, para usos como decisão por produto, lembrete de cupom e banner de promoção com prazo limitado. As tabelas de log de identidade em tempo real registram valores de identificador rejeitados para costura, identificadores removidos ao atingir o limite de 200 e os IDs recebidos em cada mesclagem, para que a equipe de dados inspecione como os perfis foram unidos.

Os dois tempos respondem a necessidades diferentes. Uma experiência no site depende do tempo de leitura da Personalization API, medido pelo SLA de ≤100 ms no p95 para até 20 atributos com Enterprise Support. Uma mensagem de acompanhamento após abandono depende da ativação por gatilho, cujo limite é de 3 minutos de ponta a ponta. Implantações com 100 ou mais segmentos principais pedem validação prévia em uma prova de conceito (POC). Para equipes que só executam campanhas semanais e relatórios mensais, talvez a camada em tempo real não seja necessária.

Resultados do acesso antecipado

Durante o acesso antecipado (early access) de 2026, a Treasure AI publicou dois resultados corporativos:

  • Varejo corporativo: um cliente de varejo reduziu o tempo entre a criação do segmento e o lançamento da campanha de cinco dias para oito horas, com um agente da Treasure AI em acesso antecipado. O agente descobriu um segmento de alta intenção com 340 mil perfis que a análise manual não tinha encontrado, o que gerou um aumento de 23% na conversão.
  • Serviços financeiros: uma equipe de análise de dados substituiu um ciclo de relatórios de três dias por consultas em linguagem natural de 60 segundos no Treasure AI Studio, o que liberou os analistas para a interpretação estratégica em vez da extração de dados.

Esses resultados foram relatados pelo próprio fornecedor e correspondem a implantações em estágio inicial. A validação independente de analistas e as comparações mais amplas com clientes ainda não existem; elas tendem a aparecer conforme a plataforma amadurece além do acesso antecipado.

Customer Intelligence Loop

O Customer Intelligence Loop é um ciclo contínuo de cinco etapas que descreve como os dados de cliente fluem da coleta até a ativação, e como o resultado do engajamento volta para melhorar as decisões seguintes. A maior parte dos stacks de marketing roda esse ciclo em etapas desconectadas: um warehouse coleta os dados, uma ferramenta separada resolve as identidades, outra monta os segmentos e ainda outra envia as mensagens. Cada passagem de bastão acrescenta latência e perde contexto. O Customer Intelligence Loop é o princípio organizador da Treasure AI para eliminar essas lacunas: as cinco etapas são executadas dentro de uma plataforma só, e os agentes de IA percorrem o ciclo continuamente, em vez de esperar por lotes iniciados por pessoas.

COLETAR → UNIFICAR → ENTENDER → DECIDIR → ENGAJAR → (volta a COLETAR)

O Customer Intelligence Loop: coletar, unificar, entender, decidir e engajar, com agentes de IA no centro e pessoas fornecendo estratégia, criatividade e guardrails

Cada etapa corresponde a capacidades específicas da plataforma:

EtapaO que aconteceCapacidade da plataforma
COLETARIngerir dados de qualquer fonte: comportamento, transação, CRM, atendimento, IoTMais de 170 conectores prontos, ingestão por streaming e em lote
UNIFICARResolver identidades entre dispositivos, canais e contas em perfis unificadosResolução de identidade com aprendizado de máquina, correspondência determinística e probabilística
ENTENDERAnalisar o comportamento do cliente, prever intenção e calcular propensãoAnálise preditiva, modelagem de valor de vida, previsão de churn
DECIDIRDeterminar a próxima melhor ação para cada clienteMotor de decisão com IA, arbitragem de ofertas em tempo real
ENGAJARExecutar experiências personalizadas em todos os canaisMensageria multicanal nativa, ativação de dados para sistemas externos

Os resultados de engajamento (abertura de e-mail, conversão de compra, interação com o atendimento) voltam para a etapa COLETAR e fecham o ciclo. No modelo agêntico, os agentes de IA percorrem esse ciclo continuamente, em vez de esperar por campanhas iniciadas por pessoas. Para operações que executam campanhas semanais em lote, sem exigência de personalização em tempo real ou dentro da sessão, o ciclo contínuo pode não ser necessário: arquiteturas composable que rodam o ciclo em cadência diária ou semanal podem entregar valor suficiente com menos complexidade.

Governança e segurança

A governança de dados corporativa é requisito básico para qualquer plataforma que trate dados pessoais em escala. Os recursos de governança da Treasure AI incluem:

  • Certificações de conformidade: SOC 2 Tipo II, GDPR, CCPA e elegibilidade para HIPAA
  • Infraestrutura: a plataforma gerenciada funciona na AWS, com integração ao Bedrock para as cargas de trabalho de IA; no modo Composable, os dados de cliente ficam no data warehouse do próprio cliente
  • Trilha de auditoria: registro à prova de adulteração de todo acesso a dados, toda ação de agente e todo evento de ativação. Eventos de API do log de auditoria Premium podem carregar valores de cliente e de versão do cliente vindos dos cabeçalhos da requisição; entradas históricas não os têm, e a Treasure AI alerta, na nota de lançamento de novembro de 2026, que os valores sozinhos não são uma atribuição de segurança confiável
  • Gestão de consentimento: aplicação centralizada do consentimento em todos os canais de ativação
  • Residência de dados: opções de armazenamento regional para organizações sujeitas a exigências de localização de dados
  • Instruções para agentes em toda a organização: administradores podem definir até 16.384 caracteres de instruções permanentes, acrescentadas ao prompt de sistema de todos os agentes do AI Studio na organização em novas conversas. As instruções orientam o comportamento; o acesso aos dados continua sujeito aos controles técnicos acima
  • Política de dados para IA: os dados de cliente nunca são usados para treinar modelos de IA

Para a lista completa de certificações e a documentação de segurança, veja o Treasure AI Trust Center.

Uma operação brasileira precisa ler essa lista com um cuidado a mais: a LGPD (Lei Geral de Proteção de Dados) não aparece nela, e as certificações citadas cobrem o par americano-europeu. Peça ao fornecedor o mapeamento das bases legais da LGPD para cada finalidade de tratamento, o fluxo de atendimento aos direitos do titular dentro dos prazos da lei e a região de armazenamento aplicável ao seu contrato. A ANPD, autoridade nacional de proteção de dados, fiscaliza esse tratamento independentemente de onde o fornecedor tem sede.

A trilha de auditoria à prova de adulteração importa em especial nos setores regulados: organizações de serviços financeiros e de saúde precisam de registro comprovável de quem (ou de qual agente) acessou os dados de cliente e de quais ações foram executadas.

Quem deve considerar a Treasure AI

A Treasure AI atende melhor organizações que:

  • Precisam do Customer Intelligence Loop completo em uma plataforma só: ingestão de dados, resolução de identidade, decisão com IA e ativação sem integrar vários fornecedores
  • Querem agentes de IA operando sobre dados de cliente unificados: não apenas painéis para pessoas, mas uma arquitetura centrada em agentes, em que a IA executa continuamente
  • Exigem governança de nível corporativo: conformidade com SOC 2, GDPR, CCPA e HIPAA, com ações de agente de IA auditáveis
  • Operam em vários canais: e-mail, SMS, push, mensagem no aplicativo, LINE, personalização web e ativação de mídia paga
  • Já investiram em data warehouse: o Composable Audience Studio monta e ativa públicos diretamente sobre tabelas de Snowflake, Databricks e BigQuery, e os agentes do AI Studio consultam dados de Snowflake e Databricks durante uma conversa
  • Atendem mercados da Ásia-Pacífico: integração nativa com LINE e suporte a residência regional de dados
  • Querem que as próprias ferramentas de IA operem sobre dados de cliente governados: o Headless leva a Treasure AI ao Claude, ao ChatGPT Enterprise, ao Claude Code, ao Slack e ao Microsoft Teams sob as mesmas permissões e a mesma trilha de auditoria

Organizações para as quais outras arquiteturas podem servir melhor:

  • Times que só precisam de reverse ETL: operações com data warehouse maduro, lógica de segmentação já escrita em SQL e nenhuma necessidade de resolução de identidade, de decisão com IA ou de mensageria nativa costumam se resolver com uma ferramenta isolada de reverse ETL. A arquitetura híbrida da Treasure AI se conecta aos mesmos warehouses, mas a plataforma inteira pode ter mais capacidade do que a operação precisa
  • Organizações comprometidas por inteiro com uma única suíte (só Adobe ou só Salesforce) podem encontrar integração mais estreita dentro daquele ecossistema, apesar das contrapartidas do suite tax. Ainda assim, quem usa Salesforce e Adobe ao mesmo tempo, ou mistura produtos de suíte com ferramentas best-of-breed, costuma unificar melhor os dados entre suítes com uma plataforma neutra como a Treasure AI do que com a CDP de qualquer uma das duas
  • Compradores que precisam de termos publicados para o Digital Worker: a Treasure AI ainda não publicou preço nem taxa de erro, então uma decisão de compra que dependa dos Digital Workers precisa dessas duas respostas por escrito antes de avançar
  • Pequenas empresas com necessidade simples de dados (menos de 100 mil perfis, um ou dois canais) podem não precisar das capacidades corporativas da plataforma

FAQ

O que aconteceu com a Treasure Data?

A Treasure Data mudou de marca para Treasure AI em 20 de abril de 2026. O domínio da Treasure Data passou de treasuredata.com para treasure.ai, e o produto evoluiu de plataforma de dados do cliente para plataforma de experiência agêntica. Todas as integrações, APIs e SDKs de clientes existentes continuam retrocompatíveis: a mudança de marca reflete uma evolução de produto, não uma quebra de compatibilidade.

Qual a diferença entre a Treasure AI e as outras CDPs?

A Treasure AI reúne CDP, mensageria multicanal e agentes de IA em uma plataforma só, que roda o Customer Intelligence Loop continuamente. A maioria das CDPs cuida da unificação de dados e da segmentação, mas exige ferramentas separadas para mensageria e decisão com IA, tipicamente de 4 a 5 fornecedores em um stack composable (warehouse, reverse ETL, ESP e camada de IA). A Treasure AI mantém as cinco etapas do ciclo dentro de uma plataforma só, o que elimina a duplicação de dados pessoais e a latência entre fornecedores que o reverse ETL introduz. Para o comparativo detalhado, veja o comparativo de fornecedores de CDP.

A Treasure AI é a CDP certa para a minha organização?

A Treasure AI é a CDP certa para empresas globais e multimarca, B2C e B2B, com dados em grande escala e necessidade de cobertura na Ásia-Pacífico, e é a escolha errada para orçamentos de pequena e média empresa. Escolha a plataforma pelo escopo que ela cobre sozinha: implantação Packaged ou Composable, IA preditiva e agêntica nativa e envio nativo por e-mail, SMS e push sem copiar dados pessoais para um produto de suíte à parte, além dos conectores nativos da Ásia-Pacífico (LINE, Yahoo! JAPAN Ads).

A Treasure AI é uma CDP ou outra coisa?

A Treasure AI inclui uma CDP completa (ingestão de dados, resolução de identidade, segmentação e ativação) e a estende com mensageria nativa e capacidades de agente de IA. O rótulo “plataforma de experiência agêntica” reflete o acréscimo da decisão e da execução com IA sobre a base de CDP. Quem avalia a Treasure AI em relação a outras CDPs deve comparar o escopo completo da plataforma, não apenas a camada de unificação de dados. Veja o que é uma CDP agêntica para acompanhar como essa categoria evolui.

A Treasure AI é uma CDP em tempo real?

Sim. A camada Real-Time 2.0 da Treasure AI processa eventos por streaming em milissegundos, faz a costura de identidade quando os eventos chegam e oferece um SLA de ≤100 ms no percentil 95 (p95) para até 20 atributos na Personalization API, mediante contratação do Enterprise Support. As ativações por gatilho são entregues em até 3 minutos de ponta a ponta. Em paralelo, os processos em lote calculam scores preditivos e atualizam as relações de identidade; a camada em tempo real consulta o perfil em lote ao processar novos eventos.

A Treasure AI funciona com Snowflake, Databricks e BigQuery?

Sim. O Composable Audience Studio da Treasure AI monta e ativa públicos sobre tabelas do Snowflake, do Databricks e do BigQuery sem copiar as tabelas de origem para a Treasure AI. O processamento das consultas é cobrado no warehouse do cliente. A equipe de dados do cliente mantém o esquema das tabelas. Os agentes do AI Studio também consultam Snowflake e Databricks em conversas, por meio de conexões OAuth autorizadas por cada usuário.

O que são os Digital Workers da Treasure AI?

Os Digital Workers são colegas de equipe de marketing de IA organizados por papel, oferecidos pela Treasure AI, com papéis de exemplo Marketing Analyst, Channel Marketer e Web Marketer. Cada worker é configurado com persona, objetivos, habilidades, ferramentas, um agendamento e permissões, e opera em um contêiner isolado. Envios que chegam ao cliente e exportações grandes exigem aprovação humana explícita. A Treasure AI ainda não publicou preço nem taxa de erro.

É possível usar a Treasure AI pelo Claude, pelo ChatGPT ou pelo Slack?

Sim: a oferta Headless da Treasure AI conecta ferramentas de IA externas aos dados de cliente e às ferramentas de marketing da empresa por MCP remoto, pela CLI tdx, por SDKs e por um Agent Gateway para Slack e Microsoft Teams. A Treasure AI lista Claude e ChatGPT Enterprise como acessíveis por MCP remoto. O Studio continua sendo a interface de revisão, as permissões e a trilha de auditoria são compartilhadas, e os envios que chegam ao cliente exigem aprovação humana.


Veja como os analistas avaliam os fornecedores de CDP → IDC MarketScape | Forrester Wave

Este artigo também está disponível em: What Is Treasure AI (Formerly Treasure Data)? · Treasure AI(旧Treasure Data)とは?特徴と沿革 · ¿Qué es Treasure AI (antes Treasure Data)? · Treasure Data (Treasure AI) : la CDP, ses limites · Treasure AI: CDP-Profil für Deutschland

CDP.com Staff
Escrito por

The CDP.com staff has collaborated to deliver the latest information and insights on the customer data platform industry.