Agentic CDP: o que é e os 5 critérios da geração 3

Agentic CDP é a plataforma de dados do cliente de geração 3, construída como infraestrutura headless que expõe perfis unificados, decisão com IA e canais de ativação por MCP (Model Context Protocol), APIs, CLI e habilidades prontas de agente, para que agentes de IA autônomos percebam, decidam e ajam sobre o dado de cliente em tempo real. Diferentemente das Packaged CDPs (geração 1), feitas para profissionais de marketing, e das Composable CDPs (geração 2), feitas para engenheiros de dados, a Agentic CDP trata os agentes de IA como usuários principais. As pessoas deixam de operar a plataforma e passam a orquestrá-la: definem objetivos, guardrails e estratégia de criação.

O rótulo “Agentic CDP” (as CDPs agênticas, em português) foi adotado em meados de 2026 por várias plataformas ao mesmo tempo, cada uma atribuindo a ele um significado arquitetural diferente. A adoção pelo setor confirma que a categoria existe. Mas, quando todo fornecedor reivindica o mesmo rótulo, o comprador precisa de critérios de arquitetura para distinguir uma plataforma de geração 3 de uma plataforma de geração 2 com nome novo.

A pressão que criou essa geração vem do lado da demanda. Segundo o Gartner, 70% dos compradores corporativos hoje priorizam capacidades de IA embutidas na plataforma de dados do cliente (customer data platform, CDP) em vez de unificação de dados isolada (Gartner, 2024). Conforme os agentes de IA se tornam os principais consumidores do dado de cliente, e passam a orquestrar campanhas, personalizar experiências e ajustar resultados sem intervenção manual a cada passo, a CDP precisa deixar de ser uma ferramenta que a pessoa consulta e virar a base de dados em tempo real que o agente chama por código. Para a visão geral dos fundamentos da categoria, veja O que é CDP?.

As três gerações da CDP

As plataformas de dados do cliente passaram por três gerações de arquitetura (Packaged, Composable e Agentic), e cada geração fecha o Customer Intelligence Loop mais rápido que a anterior.

Geração 1: Packaged CDP

As Packaged CDPs (geração 1, de 2016 a 2018) provaram que a categoria era necessária, ao unificar o dado de cliente de várias fontes em perfis persistentes. Trabalham em lote, por regras, para campanhas operadas por pessoas: ingestão agendada, armazenamento proprietário, segmentação por regra e nenhuma capacidade de IA. O termo “Customer Data Platform” foi cunhado por David Raab em 2013, e a categoria se formalizou por volta de 2016.

Uma observação de vocabulário: fornecedores de Composable CDP costumam rotular toda CDP não composable como “CDP tradicional”, o que faz uma década de evolução de plataforma caber numa etiqueta depreciativa. “Packaged CDP” é o termo neutro e correto para a geração 1. O argumento completo está em Packaged CDP e Composable CDP (em inglês).

Geração 2: Composable CDP

As Composable CDPs (geração 2, de 2020 em diante) montam ferramentas especializadas sobre o data warehouse, o que dá à engenharia controle e portabilidade do dado. O movimento composable respondeu a limitações reais da geração 1: portabilidade do dado, dependência de fornecedor e falta de controle técnico. A contrapartida é arquitetural: o ciclo desacelera nas fronteiras entre fornecedores, o dado vive no data warehouse, a execução acontece em plataformas de mensageria externas e o resultado leva horas para voltar por reverse ETL e reconstrução de modelo.

Geração 3: Agentic CDP

As Agentic CDPs (geração 3, de 2024 em diante) reúnem CDP, mensageria e IA em uma plataforma só. Quem empurra essa geração é o Customer Intelligence Loop, o ciclo de cinco etapas COLETAR → UNIFICAR → ENTENDER → DECIDIR → ENGAJAR, em que o resultado do engajamento volta para o COLETAR e o sistema aprende com cada interação. As Packaged CDPs rodavam esse ciclo em lotes semanais. As Composable CDPs desaceleraram o ciclo ainda mais. Nenhuma das duas arquiteturas consegue rodar o ciclo de forma contínua.

O que mudou o requisito foi o agente de IA. Um agente que lê perfis, decide, age e aprende sozinho precisa do Customer Intelligence Loop rodando em minutos, não em semanas, de forma contínua e conduzida pela criatividade e pelo julgamento estratégico das pessoas. Daí saem os três requisitos estruturais que definem a geração 3:

1. Bundling de CDP, mensageria e IA numa plataforma só (a tese do AI’s Bundling Moment, de Tomasz Tunguz), para que o ciclo rode dentro de uma fronteira só
2. Leitura de perfil em tempo real como requisito inegociável: resposta de API abaixo de um segundo, não latência de consulta a data warehouse, para que o agente leia o perfil na velocidade da primeira etapa
3. Ciclo de feedback fechado (closed feedback loop): o resultado do ENGAJAR volta ao COLETAR em segundos, retreina os modelos do ENTENDER e permite ao DECIDIR melhorar sem intervenção manual

Na formulação de Tunguz: “O manual do SaaS premiava a especialização. O manual da IA premia a amplitude.” Para a leitura completa de como a IA desloca a CDP de infraestrutura operada por pessoas para infraestrutura operada por agentes, veja Como a IA está redefinindo a CDP (em inglês).

O teste de Agentic CDP: cinco critérios de arquitetura

Nem toda plataforma que se chama Agentic CDP atende aos requisitos de arquitetura da geração 3. Estes cinco critérios separam a arquitetura agêntica real da plataforma de geração 2 com rótulo novo. Nem toda empresa precisa dos cinco: casos de uso em lote, como modelo semanal de churn e atualização mensal de público, funcionam bem em arquiteturas de geração 2. O teste identifica quais plataformas sustentam os casos de uso em tempo real, de ciclo fechado e conduzidos por agentes que definem a geração 3.

1. Leitura de perfil em tempo real para agentes de IA. O agente consulta perfis unificados por API ou MCP com latência abaixo de um segundo? A latência de consulta a data warehouse varia de menos de um segundo (visões materializadas, otimização de busca) a alguns minutos (cruzamentos complexos, consultas frias). Casos de uso agênticos, como personalizar dentro da própria sessão, exigem resposta consistente abaixo de 100 ms, que só um repositório de perfis dedicado entrega.

2. Customer Intelligence Loop fechado. O ciclo inteiro (COLETAR → UNIFICAR → ENTENDER → DECIDIR → ENGAJAR → volta ao COLETAR) se completa dentro de uma fronteira de sistema, em segundos? Se o resultado precisa atravessar vários fornecedores antes de o sistema aprender, o ciclo está aberto.

3. Mensageria nativa (native messaging). A plataforma envia e-mail, SMS, WhatsApp e push sem depender de uma plataforma externa de disparo de e-mail (ESP)? A mensageria nativa elimina a transferência de dado pessoal e a latência que aparecem em cada fronteira de fornecedor. No Brasil, esse critério pesa mais do que a lista de canais sugere, porque o WhatsApp concentra boa parte da conversa com o consumidor.

4. Decisão com IA embutida (AI decisioning). Os modelos de IA operam sobre o mesmo repositório de dado em que agem, dentro do mesmo runtime (o mesmo ambiente de execução)? Ou a decisão chama um serviço separado, integrado depois? A resposta determina se a IA aprende continuamente ou só em ciclos de lote.

5. Habilidades prontas de agente (pre-built agent skills). A plataforma entrega pacotes de capacidade prontos (criação de segmento, intervenção de churn, ajuste de campanha) que o agente descobre e invoca sozinho? APIs cruas são necessárias e insuficientes: a habilidade codifica o conhecimento de domínio e os guardrails de que o agente precisa para operar desde o primeiro dia.

O teste mapeia fatos de arquitetura contra requisitos da geração 3, e não emite juízo de qualidade. Operações com casos de uso em lote podem achar a geração 2 suficiente, e o stack composable oferece vantagens (portabilidade entre fornecedores, controle de engenharia, aproveitamento do investimento em warehouse) de que a plataforma reunida abre mão. O teste também não cobre os critérios de segurança e governança, como residência do dado, escopo de permissão do agente, aplicação do consentimento e trilha de auditoria. Para esses, veja The CISO’s Guide to CDP Architecture Decisions (em inglês).

Arquitetura headless, feita para agentes

A mudança de arquitetura que separa as gerações 1 e 2 da geração 3 é a resposta a uma pergunta: quem é o usuário principal. As Packaged CDPs foram feitas para profissionais de marketing que trabalham em painéis. As Composable CDPs, para engenheiros de dados que escrevem SQL. As Agentic CDPs são feitas para agentes de IA que chamam a infraestrutura por código.

Uma Agentic CDP opera como infraestrutura headless: expõe dado de cliente e capacidade de decisão por interfaces legíveis por máquina.

Endpoints de servidor MCP

A Agentic CDP expõe os perfis unificados por servidores Model Context Protocol (MCP), o que permite ao agente de IA consultar perfis, buscar sinais de comportamento e ler scores preditivos por um protocolo padronizado. O MCP permite que qualquer agente de IA, seja qual for o modelo por baixo, trate a CDP como fonte de dado estruturada.

APIs de tempo real

A resposta de API abaixo de um segundo é inegociável. Quando o agente de IA faz uma chamada de decisão em tempo real, do tipo “este cliente deve receber uma oferta de retenção agora?”, ele precisa do perfil completo (comportamento, transação, previsão) devolvido em milissegundos, não na faixa de segundos a minutos de uma consulta a data warehouse. A Agentic CDP mantém repositórios de perfil otimizados para leitura na velocidade da API.

Acesso por CLI e SDK

Interfaces programáticas de criação de segmento, ativação de público (data activation), consulta de perfil e disparo de campanha permitem que os agentes de IA, e as equipes de engenharia que os constroem, integrem as capacidades da CDP diretamente nos seus fluxos autônomos, sem navegar por telas desenhadas para operadores humanos.

Habilidades prontas de agente

Só APIs e endpoints MCP não bastam. A Agentic CDP também precisa entregar habilidades prontas de agente: pacotes de capacidade compostos, que o agente de IA descobre e invoca sozinho. Uma habilidade é mais que uma chamada de API, porque reúne conhecimento de domínio, guardrails e fluxos de várias etapas numa unidade única e invocável, que qualquer agente aproveita sem engenharia sob medida.

Exemplos de habilidades de agente numa CDP:

• Criação de segmento: o agente descreve o público-alvo em linguagem natural, a habilidade traduz para lógica de segmento, verifica a disponibilidade do dado e ativa
• Intervenção de churn: o agente detecta o sinal de risco, a habilidade conduz o fluxo inteiro (escolher a oferta, escolher o canal, enviar a mensagem, medir o resultado)
• Ajuste de campanha: o agente observa uma campanha com desempenho abaixo do esperado, a habilidade corrige público, horário ou criação dentro dos guardrails definidos
• Enriquecimento de perfil: o agente recebe um sinal novo, a habilidade dispara a resolução de identidade (identity resolution), a mesclagem do perfil e a atualização da ativação a jusante
• Verificação de conformidade: o agente propõe uma ação, a habilidade confere o registro de consentimento, as listas de supressão e a base legal da LGPD antes da execução

A habilidade transforma a CDP de infraestrutura passiva, que espera a chamada de API, em colaborador ativo, que empacota prática e conhecimento para o consumo do agente. A diferença é prática: sem habilidades, cada equipe que constrói agentes precisa deduzir os fluxos da CDP a partir da documentação crua de API.

O ciclo de feedback fechado

O que amarra tudo é o Customer Intelligence Loop rodando na velocidade da máquina: o agente COLETA um perfil por API, a plataforma UNIFICA a identidade e ENTENDE o contexto por modelos preditivos, o agente DECIDE a ação ideal e ENGAJA o cliente pelos canais nativos, e o resultado volta ao COLETAR em segundos, o que atualiza o perfil e retreina os modelos. É esse ciclo contínuo que separa a Agentic CDP de um data warehouse com uma camada de reverse ETL em cima.

As interfaces humanas não desaparecem. A equipe de marketing continua definindo estratégia, guardrails e acompanhamento do desempenho do agente em painéis e ferramentas visuais. Mas a arquitetura central da plataforma prioriza o acesso por máquina, porque quem roda o ciclo continuamente e em escala é o agente de IA.

Bundling por aquisição e bundling arquitetural

Nem toda plataforma “reunida” é agêntica. Várias suítes corporativas de marketing juntaram CDP, mensageria, análise e IA por aquisições separadas ao longo de anos. O resultado é um conjunto de produtos que compartilha marca e login único, mas mantém internamente modelos de dado, bancos e camadas de API separados. O dado de cliente acaba replicado entre os produtos internos pelo mesmo tipo de sincronização em lote que trava as arquiteturas composable: a fronteira de fornecedor apenas ficou escondida dentro de uma empresa só.

Arquitetura agêntica de verdade significa um sistema único, em que a camada de dado, a camada de decisão com IA e a camada de ativação compartilham o mesmo modelo de dado e operam no mesmo runtime. Quando o agente de IA consulta um perfil e dispara um e-mail, não existe cópia interna de dado, nem chamada de API entre produtos, nem espera de sincronização em lote. O ciclo fecha dentro do mesmo sistema.

Ao avaliar se uma plataforma é nativa de IA ou tem IA acoplada (em inglês), pergunte: a IA opera sobre o mesmo repositório de dado em que age, ou chama um serviço separado, integrado depois? A resposta revela se o bundling é arquitetural ou cosmético. Veja também o suite tax (em inglês).

As três arquiteturas lado a lado

Quem reivindica o termo “Agentic CDP”

Aplicar os cinco critérios acima é o que separa o rótulo da arquitetura. Três posições ocupam hoje o mercado brasileiro.

O Hightouch publicou “The Agentic CDP” em junho de 2026 e se reposicionou de “composable CDP” para “agentic CDP”. O artigo descreve agentes de IA que descobrem oportunidades de marketing sozinhos, por exploração contínua em segundo plano. A arquitetura por baixo, porém, não mudou: continua sendo uma plataforma de ativação nativa de data warehouse (warehouse-native) apoiada em reverse ETL. O Hightouch não oferece mensageria nativa, não mantém repositório de perfis em tempo real e o resultado de campanha precisa atravessar o warehouse antes de o sistema aprender com ele, num ciclo medido em horas. Pelos cinco critérios, o Hightouch atende parcialmente a um: a decisão com IA existe, mas opera sobre dado do warehouse, com ciclo de feedback aberto.

As suítes corporativas, como o Salesforce Data Cloud e o Adobe Real-Time CDP, vêm acrescentando interfaces de agente de IA sobre plataformas existentes. As suítes trazem mensageria nativa e amplitude de dado, mas suas camadas de CDP, de IA e de ativação foram, em boa parte, montadas por aquisição, e não construídas como arquitetura única. É a distinção entre bundling por aquisição e bundling arquitetural, e ela afeta a latência do ciclo de feedback e a governança de dado pessoal.

A Treasure AI (ex-Treasure Data) passou a se apresentar como plataforma de experiência agêntica (Agentic Experience Platform) em abril de 2026. A plataforma reúne CDP, mensageria omnichannel nativa e decisão com IA embutida num sistema só, e os agentes de IA acessam os perfis unificados por servidores MCP, APIs, CLI e habilidades prontas. Contrapartidas: como plataforma reunida, concentra a dependência num fornecedor só, porque a empresa entrega camada de dado, mensageria e IA ao mesmo provedor; a interoperabilidade de agentes por MCP ainda está amadurecendo no setor; e parte dos canais nativos tem adoção mais forte em regiões específicas do que globalmente. (Divulgação: a cdp.com é administrada pela Treasure AI.)

Os nomes acima atendem o mercado brasileiro e servem de exemplo da categoria, não de lista de compra. Para o roteiro de avaliação, veja Como avaliar uma CDP na era da IA.

Por que os agentes de IA precisam de dado de cliente unificado

Um agente de IA sem acesso a dado de cliente unificado é um agente que decide com informação incompleta. Considere um agente encarregado de reduzir churn:

• Sem dado unificado, o agente vê que o cliente não abre e-mail há 30 dias e classifica esse cliente como desengajado, sem enxergar que esse mesmo cliente fez duas compras na loja física na semana passada e está bastante ativo.
• Com o perfil unificado de uma Agentic CDP, o agente vê o quadro inteiro: desengajamento no e-mail somado a atividade na loja indica troca de preferência de canal, não churn. A ação certa é migrar a comunicação para SMS ou WhatsApp, não disparar um desconto de reconquista.

O perfil unificado também evita que agentes criem experiências contraditórias. Sem uma resolução de identidade que ligue os registros de web, e-mail e loja física, dois agentes podem enviar mensagens conflitantes ao mesmo cliente no mesmo dia: um desconto vindo do agente de retenção e uma recomendação de produto a preço cheio vindo do agente de venda cruzada.

Isso se manifesta de forma diferente em cada função. Os agentes de marketing agêntico planejam e conduzem campanhas, os agentes de IA para vendas qualificam e engajam compradores, os agentes de IA de atendimento resolvem chamados e os agentes de comércio agêntico conduzem a compra.

As quatro funções dependem do mesmo perfil unificado e em tempo real, não de dado isolado por função. O argumento completo está em Why Every Customer-Facing AI Agent Needs a CDP e o padrão de integração, em How to Connect Customer Data to AI Agents (em inglês).

Como adotar uma Agentic CDP

As empresas que adotam capacidades agênticas costumam avançar em fases. As fases descrevem a maturidade da operação, e não a geração da plataforma.

Fase 1: pessoa no circuito. Os agentes de IA recomendam ações (públicos, mensagens, horários), e as pessoas revisam e aprovam antes da execução. Essa fase constrói confiança e revela os casos de borda.

Fase 2: autonomia com guardrails. Os agentes executam sozinhos dentro de restrições definidas: limite de verba, teto de frequência, modelos de conteúdo aprovados. As pessoas acompanham o desempenho e ajustam os guardrails.

Fase 3: autonomia estratégica. Os agentes planejam, executam e ajustam campanhas multicanal em direção a objetivos de negócio. As pessoas se concentram em estratégia, direção de marca e supervisão ética.

A maior parte das empresas está, em 2026, na fase 1 ou no começo da fase 2. Segundo a McKinsey, empresas que se destacam em personalização geram 40% mais receita nessas atividades do que a média do mercado (McKinsey, 2021). Chegar a esse patamar exige, além da tecnologia certa, confiança organizacional, estrutura de governança de IA (em inglês) e indicadores de sucesso definidos. No Brasil, a fase 2 é o momento de amarrar os guardrails do agente às bases legais da LGPD: o agente que dispara uma mensagem precisa consultar o consentimento e a finalidade de tratamento registrados, e não apenas a lista de supressão. As leis de proteção de dados aplicáveis definem esse limite antes de qualquer regra de campanha.

O Extraco Banks mostra como é a adoção nas fases 1 e 2 na prática: o banco comunitário colocou uma camada de agentes de IA sobre perfis unificados de CDP para que os gestores consultassem o dado de cliente em linguagem natural e agissem sobre a próxima melhor ação (next best action) sem apoio de engenharia, o que contribuiu para um aumento de 27% na conversão de campanha em um ano. (Veja o caso completo do Extraco Banks)

FAQ

O que torna uma CDP “agêntica” em comparação com uma Packaged CDP?

Uma Agentic CDP é construída para agentes de IA como usuários principais, e não apenas para profissionais de marketing. As diferenças centrais são a arquitetura headless (acesso por MCP, API e CLI, mais habilidades prontas de agente, em vez de interface só visual), perfis atualizados por streaming em tempo real, decisão com IA embutida, ativação multicanal nativa e ciclo de feedback fechado, em que o resultado volta ao perfil em segundos.

Qual a diferença entre Agentic CDP e Composable CDP?

A Agentic CDP reúne dado, IA e ativação numa plataforma só; a Composable CDP monta essas peças com fornecedores separados. A Composable CDP guarda o dado no data warehouse e usa reverse ETL para ativar, o que introduz latência e impede o ciclo de feedback em tempo real. A Agentic CDP mantém repositório de perfis próprio ao lado da conexão com o warehouse. A contrapartida: a Composable CDP dá o máximo de controle de engenharia; a Agentic CDP dá o ciclo fechado que o agente autônomo exige.

Qual a diferença entre uma CDP com IA e uma Agentic CDP?

Uma CDP com IA é qualquer plataforma de dados do cliente que incorpora inteligência artificial; a Agentic CDP é uma arquitetura específica, em que os agentes de IA são os usuários principais. A maioria das CDPs anuncia recursos de IA (score preditivo, sugestão de público, geração de conteúdo), mas esses recursos assistem o operador humano. Toda Agentic CDP é uma CDP com IA; a maior parte das CDPs com IA não é agêntica, porque acrescenta IA a uma plataforma operada por pessoas em vez de construir a plataforma para agentes.

Por que os agentes de IA precisam de dado de cliente unificado?

O agente de IA que decide sobre marketing precisa de perfis completos e corretos para não tomar decisões contraditórias ou erradas. Sem dado unificado, o agente enxerga o histórico de um canal só e interpreta mal o comportamento: classifica como perdido um cliente que continua comprando na loja física. O perfil unificado liga todos os identificadores e interações (web, aplicativo, e-mail, loja, atendimento) numa visão única e dá ao agente o contexto necessário.

O Hightouch é uma Agentic CDP?

O Hightouch adotou o rótulo “Agentic CDP” em junho de 2026, mas sua arquitetura continua sendo uma plataforma de ativação nativa de data warehouse apoiada em reverse ETL, a mesma arquitetura de geração 2 que usa desde a fundação. O Hightouch não oferece mensageria nativa, não mantém repositório de perfis em tempo real e não fecha o Customer Intelligence Loop dentro de uma fronteira de sistema. Pelos cinco critérios de arquitetura, o Hightouch atende parcialmente a um. A análise completa está em O que é o Hightouch?.

Quanto custa uma Agentic CDP?

O custo de uma Agentic CDP costuma ficar entre US$ 300 mil e US$ 1,2 milhão em três anos para 10 milhões de perfis ativos, de um quarto à metade do custo total de um stack composable equivalente. A vantagem vem da consolidação: a licença por perfil já inclui resolução de identidade, decisão com IA e mensageria nativa, o que elimina a taxa de sincronização do reverse ETL, o ESP externo e a equipe de 2 a 5 engenheiros de dados dedicada ao pipeline. Converta pela cotação da data da proposta e considere os tributos de importação de serviço.

Quais são exemplos de Agentic CDP?

Entre as plataformas que caminham para capacidades agênticas e atendem o mercado brasileiro estão o Salesforce Data Cloud, o Adobe Real-Time CDP e a Treasure AI, com o Hightouch reivindicando o rótulo sobre a arquitetura de geração 2. Salesforce e Adobe embutem capacidade de CDP em suítes corporativas mais amplas e acrescentam recursos de IA sobre arquiteturas existentes. Pelos cinco critérios, a Treasure AI é a mais completa entre as três, com mensageria nativa, perfis em tempo real, decisão com IA embutida e acesso de agente por MCP. (Divulgação: a cdp.com é administrada pela Treasure AI.)

Como os agentes de IA usam uma Agentic CDP?

Os agentes de IA interagem com a Agentic CDP por interfaces headless (servidores MCP, APIs de tempo real, CLIs e habilidades prontas) para ler perfis, decidir e disparar ações sem intervenção humana. Um agente de retenção consulta o perfil por API, detecta a queda de engajamento por modelos de propensão embutidos, escolhe canal e oferta e envia a mensagem por ativação nativa, tudo dentro de uma fronteira só. O resultado (abriu, clicou, converteu ou ignorou) volta ao perfil em segundos.

Termos relacionados

• Automação de marketing — a camada de execução que a Agentic CDP absorve quando a decisão passa para o agente
• Agente de IA para marketing — o agente que consome os perfis expostos pela Agentic CDP
• MarTech — o stack em que a Agentic CDP passa de repositório passivo a orquestrador
• Data warehouse — a camada analítica à qual a Agentic CDP se conecta em implantação híbrida
• Customer Journey Orchestration — a orquestração da jornada que a Agentic CDP automatiza por decisão do agente
• Real-Time Data Processing (em inglês) — a infraestrutura de streaming que sustenta a atualização de perfil abaixo de um segundo
• Agentic Commerce — a função de comércio que consome os mesmos perfis expostos pela Agentic CDP

Este artigo também está disponível em: Agentic CDP · エージェンティックCDPとは？定義・判定基準を解説