O papel do mainframe costumava ser relativamente fácil de explicar: processar e registrar transações críticas com segurança, disponibilidade e escala. Bancos, seguradoras, varejistas, governos e grandes empresas construíram sobre ele aquilo que a indústria passou a chamar de system of record.
Esse papel não desapareceu. O que mudou foi o que o restante da empresa espera desses dados.
Aplicações precisam reagir em tempo real. Modelos de IA precisam de contexto. Sistemas analíticos precisam enxergar eventos enquanto eles acontecem. Canais digitais precisam combinar informações que estão no core com dados espalhados por APIs, cloud, aplicações e outras plataformas.
Na pesquisa State of Mainframe Modernization 2025, da Kyndryl, 88% das organizações disseram estar implementando ou planejando implementar IA no ambiente mainframe. Ao mesmo tempo, 99% dos respondentes operam em ambientes híbridos.
A questão, portanto, já não é simplesmente se o mainframe participará da estratégia de IA.
A questão é como transformar dados e eventos que nascem no core transacional em insumo para aplicações inteligentes sem desmontar a arquitetura que continua sustentando o negócio.
É aí que o conceito de core inteligente começa a fazer mais sentido.
O system of record continua sendo necessário, mas já não é suficiente
Armazenar a verdade transacional de uma empresa e conseguir utilizá-la no momento em que ela pode gerar valor são coisas diferentes.
Uma transação de cartão pode estar perfeitamente registrada no mainframe, mas um sistema antifraude precisa analisá-la enquanto ela acontece.
Uma movimentação financeira pode estar consistente no core, mas uma aplicação de atendimento pode precisar combiná-la imediatamente com informações de outros canais.
Uma seguradora pode ter décadas de histórico confiável, mas um modelo analítico ou uma aplicação habilitada para IA precisa acessar informações relevantes dentro de um contexto muito mais amplo.
O problema não é a confiabilidade do system of record. É a distância entre o dado existir e o dado estar disponível para decisão.
Tentar resolver essa distância simplesmente extraindo tudo do mainframe cria outro problema.
Por muito tempo, projetos analíticos seguiram a conhecida lógica de extrair dados dos sistemas transacionais, copiá-los para outro ambiente, transformá-los e, só então, utilizá-los em analytics, aplicações ou modelos.
Esse modelo continua válido em muitos casos, mas quanto mais próxima do tempo real precisa ser a decisão, mais complexa fica essa cadeia.
Entre o evento acontecer e ser utilizado, podem surgir:
Cópias adicionais;
Processos de ETL;
Defasagem entre sistemas;
Diferentes versões da mesma informação;
Novos controles de segurança;
Custos de movimentação e armazenamento;
Dificuldades de governança.
Com IA, a tensão aumenta.
Quanto mais dados são replicados para alimentar diferentes aplicações e modelos, maior também se torna a superfície que precisa ser protegida, governada e mantida consistente.
A própria pesquisa da Kyndryl mostra essa dificuldade. Entre as organizações que avançam no uso de IA em mainframe, 47% apontam protocolos restritivos de segurança que limitam o acesso aos dados, enquanto 37% citam requisitos regulatórios e de compliance como obstáculos à implementação.
O desafio, portanto, não é apenas “liberar” o dado. É torná-lo utilizável sem perder o controle que tornou aquele ambiente confiável em primeiro lugar.
É aqui que a discussão deixa de ser apenas sobre infraestrutura e passa a ser sobre arquitetura de dados.
Um core inteligente não é um mainframe que tenta desempenhar sozinho todas as funções de uma arquitetura moderna.
Também não é um ambiente em que o dado transacional é progressivamente esvaziado até que todo o valor esteja em outra plataforma.
É uma arquitetura na qual o core continua responsável pelo que faz melhor, mas seus dados, eventos e regras passam a participar de novos fluxos digitais de maneira controlada.
Isso exige uma camada capaz de conectar mundos diferentes.
Em vez de perguntar “onde vamos colocar todos os dados?”, a arquitetura passa a perguntar: como aplicações diferentes conseguem trabalhar com os dados de que precisam, com contexto, governança e menor fricção?
InterSystems IRIS: uma camada entre dados, aplicações e inteligência
É exatamente nesse território que entra o InterSystems IRIS.
A InterSystems define o IRIS como uma plataforma de dados cloud-first capaz de combinar gerenciamento de dados, interoperabilidade, processamento transacional e analytics. A plataforma suporta SQL e NoSQL e permite trabalhar com transações e análises simultaneamente em um único mecanismo.
Isso é importante porque o papel do IRIS nessa arquitetura não é substituir o mainframe como sistema transacional crítico. É reduzir a distância entre o core e as aplicações que precisam trabalhar com seus dados.
Sua camada de interoperabilidade oferece conectividade com APIs, serviços, bancos de dados e diferentes protocolos e tecnologias. A plataforma também inclui recursos de orquestração de processos, gerenciamento de APIs, regras de negócio e processamento de eventos.
Na prática, isso permite construir uma camada em que dados provenientes de sistemas diferentes podem ser conectados, transformados e utilizados por novas aplicações sem exigir que cada projeto reconstrua toda a integração do zero.
O mainframe continua executando a transação. O IRIS ajuda a conectar essa transação ao restante do ecossistema digital.
Essa distinção se torna ainda mais importante quando a conversa chega à inteligência artificial. Um modelo não precisa apenas de acesso a dados. Ele precisa de dados relevantes, contextualizados e governados.
Imagine uma aplicação de IA analisando risco de fraude. A transação financeira é apenas uma parte do contexto. Também podem importar:
Comportamento recente do cliente;
Histórico;
Canal utilizado;
Localização;
Eventos anteriores;
Regras internas;
Informações vindas de outros sistemas.
Nenhuma dessas fontes, isoladamente, representa toda a situação.
O problema deixa de ser armazenar informação e passa a ser conectar informação suficiente para produzir uma decisão melhor.
Por isso, uma arquitetura preparada para IA precisa resolver interoperabilidade antes de resolver apenas modelagem.
Sem isso, a empresa pode ter modelos cada vez mais sofisticados trabalhando sobre dados cada vez mais fragmentados.
Um movimento recente da própria InterSystems ajuda a deixar essa arquitetura mais concreta. Em 2026, a empresa apresentou o InterSystems IRIS AI Hub, posicionando-o como uma camada governada entre aplicações de IA e os sistemas de dados já existentes.
Esse ponto é particularmente relevante para ambientes críticos.
Durante a primeira onda de IA generativa, boa parte da discussão se concentrou no modelo. Qual LLM? Qual plataforma? Qual capacidade?
Agora, o gargalo começa a aparecer em quais dados a IA pode acessar, com que contexto, sob quais regras e sem criar mais um silo?
O diferencial de uma arquitetura inteligente não será apenas colocar IA perto do negócio. Será conseguir fazer isso sem perder governança sobre os dados que sustentam o negócio.
Transação e análise não precisam viver em universos isolados
Outro legado arquitetural que começa a ser questionado é a separação rígida entre operação e análise. No desenho tradicional, o ambiente transacional faz uma coisa. O analítico faz outra.
Dados são extraídos do primeiro e preparados para o segundo, mas aplicações modernas frequentemente precisam de ambas as capacidades.
Uma decisão pode depender de uma transação ocorrendo agora e, ao mesmo tempo, do histórico que ajuda a interpretá-la.
O InterSystems IRIS foi desenhado para suportar processamento transacional e analytics simultaneamente, além de permitir a incorporação de analytics, machine learning, regras de negócio e recursos de IA às aplicações.
Isso não significa levar todo o processamento analítico para uma única plataforma. Significa reduzir a necessidade de tratar “operacional” e “inteligente” como dois mundos completamente separados.
Essa aproximação é uma das bases do core inteligente.
Existe, ainda, um risco semântico nessa discussão. Falar em “core inteligente” pode sugerir a volta de uma arquitetura em que tudo precisa estar concentrado em um grande sistema central.
É o contrário. O ambiente empresarial atual é híbrido por natureza.
A pesquisa da Kyndryl mostra que praticamente todas as organizações consultadas operam dessa forma, combinando mainframe com outras plataformas e modernizando por diferentes caminhos.
O core inteligente não concentra tudo. Ele participa melhor do ecossistema.
O mainframe pode continuar responsável pela transação crítica. Uma aplicação cloud pode cuidar da experiência digital. Outra plataforma pode executar determinado modelo. Um serviço externo pode enriquecer a decisão. Uma camada de interoperabilidade pode conectar essas partes.
A inteligência está menos em colocar tudo no mesmo lugar e mais em fazer com que cada componente receba a informação correta, no momento correto e dentro das regras corretas.
Empresas já convivem há décadas com silos de dados. A IA pode resolver parte dessa fragmentação, mas também pode multiplicá-la.
Cada novo projeto pode criar seu próprio pipeline, sua própria cópia, seu próprio banco vetorial. seu próprio conjunto de permissões e sua própria interpretação da verdade.
Em pouco tempo, a organização passa de silos de aplicações para silos de inteligência.
Por isso, a modernização orientada a dados não deveria começar pelo modelo de IA. Deveria começar pela arquitetura que permitirá que esse modelo encontre dados confiáveis.
Modernizar o mainframe também significa fazê-lo participar melhor
Há uma tendência de associar modernização à substituição, mas, em uma arquitetura híbrida, modernizar muitas vezes significa aumentar a capacidade de participação de um sistema existente.
Expor uma função com segurança. Conectar um evento a outro fluxo. Disponibilizar dados para uma aplicação. Orquestrar processos entre plataformas. Permitir que analytics ou IA utilizem informações do core sem exigir uma reconstrução completa dele.
O mainframe deixa de ser visto apenas como o lugar onde a transação termina. Passa a ser também uma das fontes mais importantes de contexto para o que acontece depois dela.
O system of record continua sendo fundamental porque as empresas ainda precisam saber qual é a versão correta de uma transação. A IA não elimina essa necessidade. Na verdade, torna-a ainda mais importante.
Quanto maior a capacidade de gerar respostas, recomendações e ações automaticamente, maior a necessidade de saber sobre quais dados essas decisões estão sendo tomadas.
Por isso, o próximo estágio da modernização não exige necessariamente substituir o core. Exige conectá-lo.
O InterSystems IRIS, dentro da parceria com a Eccox, entra nessa camada de modernização orientada a dados: conectando aplicações e fontes diferentes, habilitando interoperabilidade e criando uma base para analytics e aplicações inteligentes sem transformar a substituição do mainframe em pré-requisito.
Porque o desafio das empresas já não é apenas registrar bilhões de transações com confiabilidade. É conseguir transformar essas transações em contexto para a próxima decisão.
E é essa passagem (do sistema que registra para o core que participa, conecta e informa) que começa a definir o que significa um core inteligente.
About Post Author
