Em 1º de outubro de 2026, a AWS apresentou o Live Data in Apps, novo recurso do Amazon Quick, serviço de inteligência unificada baseado em IA que conecta dados e conteúdos corporativos governados. A mudança ataca uma limitação que vinha restringindo os Quick Apps: até então, os números de datasets do Quick Sight exibidos dentro de um aplicativo eram gravados no momento da construção, um instantâneo congelado na publicação.
Agora, o app publicado consulta esses datasets em tempo real, a cada abertura.
Dados ao vivo em vez de retratos estáticos
Quick Apps já permitiam que um usuário descrevesse uma aplicação em linguagem natural e deixasse um agente de IA escrever e implantar o aplicativo web, sem codificação manual nem etapas de DevOps. Também já era possível trazer dados ao vivo de conectores de ação (Jira, Slack e Google Drive), documentos de Spaces, busca na web e inferência de IA — tudo em tempo de visualização, não de construção.
O que faltava era justamente o dado estruturado que vive em data lakes, bancos de dados e outros repositórios analíticos.
O agente localiza sozinho os datasets curados relevantes e escreve o SQL necessário durante a construção. Depois de publicado, o app reexecuta essa mesma consulta sempre que alguém o abre, mantendo os números atualizados.
A AWS exemplifica com a rotina de um time de suporte que pergunta toda semana "quantos tickets fechamos na semana passada, por região?", hoje alguém extrai o dado, monta o gráfico e cola no Slack; a proposta é que qualquer pessoa abra o app e veja a resposta do dia sem escrever SQL.
Governança herdada, não recriada
O ponto central é que cada consulta roda como a pessoa que está visualizando o app. Com isso, as regras de row-level security (RLS) e column-level security (CLS) já existentes nos datasets se aplicam automaticamente por leitor, sem exigir um novo modelo de permissão para aprender.
O consentimento é verificado do lado do servidor a cada consulta: cada visualizador precisa consentir por dataset no primeiro uso, e os construtores aprovam datasets durante o processo de construção.
A AWS divide os beneficiários em três perfis. Donos de operação de negócio constroem apps sobre datasets ao vivo em linguagem natural, sem atualização manual, gestão de snapshots ou integrações de API sob medida.
Profissionais do conhecimento abrem o app e veem números atuais, filtrados pelo que têm permissão de acessar. Administradores de dados e aplicações contam com RLS e CLS aplicadas automaticamente, sem trabalho extra.
Requisitos e limites
O recurso exige autenticação: os visualizadores precisam ser usuários Quick autenticados, e acesso anônimo ou público não é suportado, uma restrição reforçada em várias camadas. O papel mínimo, tanto para construir quanto para usar, é o Reader Pro. Do lado dos dados, são aceitos datasets criados com ou sem RLS e CLS, nos modos SPICE (em memória) e Direct Query, com a lista de fontes compatíveis disponível na documentação.
Por que isso importa
A AWS ilustra o ganho com a AnyCompany, empresa de software como serviço cujos líderes regionais de vendas precisam revisar renovações de contratos e agir. O fluxo exige juntar conteúdo de estratégia empresarial com dados de receita e montar um processo para contatar clientes, algo que, segundo o post, costumava consumir cerca de um mês de trabalho para garantir que os dados certos fossem puxados para cada cliente.
Com o Live Data in Apps, o material sustenta que um líder de vendas consegue construir esse tipo de aplicação a partir de linguagem natural.
Para o mercado de IA corporativa, o movimento reforça uma tendência: a camada de governança deixa de ser um obstáculo para aplicações geradas por agentes e passa a ser herdada por elas. Em vez de criar permissões paralelas para cada app, a plataforma reaproveita o que já existe nos datasets e verifica consentimento a cada consulta, um desenho que reduz o risco de exposição indevida de linhas ou colunas sem travar a automação de ponta a ponta.
Fontes e links
- AWS: Serve live, governed data in AI-built apps with Amazon Quick
- Documentação: criação de datasets no Amazon Quick
- Documentação: row-level security e column-level security
- Blog de machine learning da AWS
