Para quem ainda não viu, no ano passado compilamos uma lista dos 10 principais desafios de entrega de aplicações com base em quase trinta anos de experiência na entrega e proteção de aplicações em todos os tipos de ambiente.
Entre eles estava o ADC09 Requisitos de aplicações personalizadas. Essa é uma forma sofisticada de dizer que algumas aplicações têm peculiaridades, como protocolos incomuns, cabeçalhos legados ou comportamento de API fora do padrão, e que é preciso ter a capacidade de interceptar e modificar o tráfego em tempo real para lidar com essas peculiaridades.
Esse é um desafio resolvido pela programabilidade do plano de dados. Ou seja, recursos como iRules ou Lua, que podem interceptar, inspecionar e modificar o tráfego de aplicações e APIs em trânsito. Isso permite reescrever cabeçalhos, transformar cargas úteis, injetar autenticação ou corrigir comportamentos sem precisar recriar a aplicação nem esperar que o fornecedor se atualize.
Por exemplo, digamos que uma API passe a exigir de repente um novo formato de token de autenticação. Em vez de reescrever todos os aplicativos que chamam essa API, você insere uma regra no plano de dados que reformata o token em trânsito. Isso é o que significa “atender a requisitos específicos da aplicação”. Em outras palavras, você pode adaptar a lógica da rede às peculiaridades da aplicação.
Agora, essa (a programabilidade do plano de dados) é a capacidade de que a maioria das pessoas fala quando surgem discussões sobre os benefícios da programabilidade “na rede”. Mas a programabilidade do plano de controle é igualmente importante.
Sabe, são as APIs que permitem gerenciar, operar e interagir de outras formas com a infraestrutura de entrega e segurança de aplicações. É isso que mais de 50% das organizações usam para automatizar operações e acelerar a implantação e o gerenciamento de tudo, desde balanceadores de carga e firewalls de aplicações web até serviços de segurança de APIs e, mais recentemente, de IA. Estamos falando de soluções como iControl e FAST, além de todas as APIs de nuvem disponíveis.
Quando se trata de escalar e proteger todos os agentes e aplicativos de IA que você está começando a implantar, a programabilidade tanto do plano de dados quanto do plano de controle será fundamental para o seu sucesso. Isso porque, em grande escala, configurações estáticas e operações manuais simplesmente não conseguem acompanhar a velocidade nem a superfície de risco dos sistemas orientados por IA. É a programabilidade que elimina esse gargalo.
Por que a programabilidade é essencial para escalar e proteger a IA
Quando você começa a implantar agentes de IA e aplicações baseadas em IA em uma escala realmente significativa, a antiga forma de gerenciar a infraestrutura (com configurações estáticas e automação com intervenção humana) entra em colapso sob o próprio peso. Tudo acontece rápido demais. A programabilidade não é apenas útil; é a única maneira de se manter à frente do caos.
A IA aumenta drasticamente a frequência das mudanças. Agentes vêm e vão, APIs mudam e os padrões de tráfego se transformam a cada hora. A programabilidade do plano de dados permite acompanhar tudo em tempo real, sem esperar por implantações de código ou ciclos de lançamento. Enquanto isso, a programabilidade do plano de controle permite orquestrar tudo de cima para baixo. Em vez de pessoas se desdobrarem para lidar com YAML, seus sistemas podem registrar automaticamente novos agentes, aplicar políticas de segurança e redirecionar o tráfego à medida que o ambiente muda.
E há também a segurança. Cada novo agente representa mais uma superfície de ataque, mais uma decisão de confiança que precisa ser tomada rapidamente e aplicada em todos os lugares. Planos de dados programáveis permitem incorporar controles de segurança diretamente ao caminho do tráfego. A programabilidade pode gerenciar mTLS, regras de WAF e o tratamento de tokens sem alterar a aplicação. O plano de controle pode então atuar como o cérebro, automatizando essas decisões de confiança, revogando credenciais, isolando agentes com comportamento inadequado e renovando certificados sem depender de intervenção humana.
A programabilidade do plano de dados se torna ainda mais crítica em sistemas orientados por IA, pois grande parte da tomada de decisões efetiva está incorporada à própria carga útil. Essas cargas úteis não estão mais apenas se deslocando do ponto A ao ponto B. O tráfego de agentes de IA transporta políticas, instruções e gatilhos comportamentais junto com os dados.
Isso significa que o comando e o controle precisam ocorrer dentro do contexto, e não posteriormente, em algum painel do plano de controle. Não dá para esperar que um controlador central perceba que algo está errado e envie uma nova configuração, pois, quando isso acontecer, a instrução maliciosa já terá se propagado. O plano de dados precisa ser inteligente o suficiente para inspecionar, interpretar e aplicar essas políticas durante o tráfego.
Em resumo, o plano de controle define a intenção, mas o plano de dados impõe a realidade. Se não houver programabilidade no próprio caminho de dados, toda essa política será apenas transportada como metadados decorativos, e seu “controle” nunca controlará nada de fato.
Em pequena escala, dá para improvisar com scripts e revisões manuais. Quando você passa a ter dezenas ou centenas de componentes orientados por IA, isso deixa de ser viável. Planos de dados programáveis são suas ferramentas de precisão. Planos de controle programáveis são sua estrutura de comando. Sem ambos, mais cedo ou mais tarde, o sistema inteiro ultrapassa sua capacidade de governá-lo.
É por isso que acreditamos que a programabilidade deve ser um recurso essencial em qualquer plataforma moderna de entrega e segurança de aplicações. Sem ela, você fica preso a políticas estáticas em um mundo dinâmico — e isso não é controle, é pensamento positivo.
Sobre o autor
Lori MacVittie é engenheira distinta e evangelista-chefe no Escritório do CTO da F5, com ampla experiência em entrega de aplicações, estratégia de automação e infraestrutura. Ela é conhecida por transformar complexidade em clareza, seja definindo diretrizes para agentes de IA, analisando arquiteturas multinuvem frágeis ou investigando os limites de sistemas escaláveis. Ela acumula mais de trinta anos de experiência no setor, abrangendo desenvolvimento de aplicações, arquitetura de TI e operações de redes e sistemas. Antes de ingressar na F5, atuou como editora de tecnologia e recebeu diversos prêmios. MacVittie tem mestrado em Ciência da Computação e é uma autora prolífica, com publicações que abrangem segurança, nuvem e arquitetura empresarial. Ela também é uma entusiasta de jogos de tabuleiro e videogames, além de ter opiniões assumidamente fortes sobre queijos.
Mais publicações de Lori Mac VittiePublicações relacionadas no blog
Por que o roteamento de modelos pode se tornar uma infraestrutura de segurança
A IA agêntica expõe os limites da identidade. Modelos especializados, combinados com roteamento baseado em políticas, vinculam a autoridade à escolha do modelo, reduzindo o raio de impacto e a complexidade da governança.
Top 10 em entrega de aplicações de IA: incapacidade de lidar com a latência
A IA transforma a latência em um problema de confiança, não apenas de desempenho: respostas lentas do “assistente” parecem hesitação ou falha, e prompts e respostas com muitos tokens aumentam a carga de trabalho mesmo em sistemas funcionando normalmente.
As 10 principais ameaças à entrega de aplicações de IA: observabilidade incompleta
A IA não escala sozinha. Sem um plano de controle unificado que elimine as barreiras entre ferramentas e responsabilidades, a inferência se torna a camada mais frágil e que mais exige coordenação.
Habilidades de agentes: um padrão aberto emergente
As skills declaram intenção, mas não impõem controle. A segurança de verdade deve estar nos limites das ferramentas, onde os pensamentos dos agentes se transformam em ações e as políticas podem ser aplicadas.
De pacotes a prompts: a inferência adiciona uma nova camada à pilha
Inferência não é treinamento. Não é experimentação. Não é um exercício de ciência de dados. Inferência é um comportamento de execução em produção e funciona como uma camada de aplicação.
A influência da inferência: APIs, DPUs e o caos do contexto
A inferência de IA está remodelando a infraestrutura, multiplicando APIs, sobrecarregando a capacidade computacional e tornando o contexto mais complexo. Saiba por que uma arquitetura mais inteligente e políticas de execução são essenciais.