O que aconteceu
A FDA construiu o HALO, uma plataforma de dados corporativos usando Databricks no AWS GovCloud e no Unity Catalog. A agência afirma que a migração abrangeu mais de 5.000 usuários, 8.000 empregos e pipelines e mais de 4.000 notebooks sem tempo de inatividade.
Databricks publicou o relato em 1º de setembro de 2026, descrevendo a apresentação do FDA no Data + AI Summit da empresa. De acordo com a fonte, a FDA construiu o HALO, ou Harmonized AI and Lifecycle Operations for Data, como uma base segura e governada para análise e trabalho de inteligência artificial. A plataforma é executada em Databricks no AWS GovCloud e usa o Unity Catalog como uma camada de governança comum para dados e ativos de IA. A Databricks apresenta a arquitetura como adequada para cargas de trabalho sensíveis sujeitas a requisitos, incluindo FedRAMP High e DoD IL5, enquanto a FDA descreve o sistema como uma forma de modernizar as operações de dados sem interromper o trabalho regulatório.
A modernização da FDA começou com um projeto de ambiente legado em 2020, seguido por uma mudança para Databricks em AWS GovCloud em 2025. A fonte identifica três marcos: patrocínio para autorização FedRAMP High, migração GovCloud e adoção do Catálogo Unity. A agência afirma que migrou mais de 5.000 usuários e mais de 8.000 empregos e pipelines sem tempo de inatividade. Também refatorou mais de 1.000 pipelines de dados e mais de 4.000 notebooks. A plataforma supostamente reuniu oito centros e 30 programas em um ambiente e consolidou mais de 40 fontes de dados de sistemas de inscrição e submissão.
Databricks diz que o FDA agora tem mais de 6.000 usuários na plataforma, contra cerca de 500 em 2020, e espera que esse número exceda 10.000 até 2028. O FDA relata que os tempos de resposta do SQL Warehouse para cargas de trabalho de inteligência de negócios melhoraram em mais de 30%, os custos de computação caíram mais de 20%, o tempo gasto em provisionamento, permissão e compartilhamento de dados diminuiu em mais de 75%, e o tempo operacional gasto em provisionamento, permissão e compartilhamento de dados diminuiu em mais de 75%. as despesas gerais caíram mais de 35%. A plataforma também suporta serviço de modelo e Genie, que a fonte diz estar sendo usado para modernizar painéis legados. O HALO está integrado à Elsa, a plataforma empresarial de IA da FDA, e apoia o MARS, uma iniciativa para análise de material estruturado e não estruturado em envios de medicamentos e dispositivos. A fonte diz que os casos de uso de IA estão em fase de produção e piloto, com mais de 10 esforços adicionais em andamento.
Detalhes da fonte: databricks.com ↗
Por que isso importa
A implantação ilustra como um regulador federal está tentando tornar a IA utilizável em um ambiente de dados multilocatário de alta segurança, preservando ao mesmo tempo os controles de acesso, a auditabilidade e a revisão humana. Os resultados operacionais são significativos, mas são auto-relatados num blog corporativo da Databricks e não são verificados de forma independente na fonte.
O relato da FDA é relevante porque coloca a implantação da IA dentro das restrições operacionais de um importante regulador federal, em vez de apresentar a IA como uma demonstração autônoma. A agência lida com trabalhos científicos e regulatórios em muitos centros, escritórios, laboratórios e categorias de produtos. A fonte argumenta que os dados fragmentados, o trabalho duplicado e os pipelines inconsistentes limitaram a capacidade dos analistas e cientistas de encontrar e reconciliar informações. Uma plataforma compartilhada e governada poderia reduzir essas barreiras, facilitando a descoberta e o compartilhamento dos dados aprovados e, ao mesmo tempo, preservando controles separados para diferentes unidades organizacionais.
O design multilocatário é fundamental para a implantação. A fonte compara-o a um complexo de apartamentos: os centros partilham uma plataforma subjacente, mas mantêm espaços, permissões e políticas separadas e seguras. O Unity Catalog é descrito como a camada que permite o compartilhamento de dados entre centros, mantendo a governança, a linhagem e a auditabilidade. Esse acordo pode ser praticamente importante para a IA do setor público porque um modelo ou ferramenta analítica pode necessitar de informações de vários programas, enquanto os registos sensíveis ainda exigem restrições de acesso e utilização. A fonte também destaca infraestrutura como código, rede privada, chaves gerenciadas pelo cliente e um perfil de segurança de conformidade como componentes da arquitetura de segurança mais ampla.
A evidência mais forte na fonte diz respeito às mudanças operacionais relatadas, e não à qualidade ou segurança dos resultados da IA. A Databricks atribui os números de desempenho e custos ao FDA, mas o blog não fornece períodos de medição, linhas de base, metodologia ou uma avaliação independente. Também não informa se o MARS reduziu os prazos de revisão, melhorou as taxas de erro ou alterou os resultados regulamentares. A fonte diz que a IA aumenta cientistas e revisores em vez de substituí-los, mas não dá detalhes sobre portas de aprovação, procedimentos de escalonamento, resultados de auditoria ou incidentes. Essas omissões não invalidam a implantação, mas limitam o que se pode concluir sobre a sua eficácia e segurança no mundo real.
Mecanismo interativo: como realmente funciona
Explore a tecnologia subjacente a este desenvolvimento de forma interativa.
Why can ethical evaluation not be reduced to one model score?
O que assistir a seguir
As principais incógnitas incluem como a FDA mediu os ganhos de eficiência relatados, quais casos de uso de IA estão em produção e se o MARS melhora a qualidade ou a velocidade da revisão na prática. A expansão esperada da agência para além de 10.000 utilizadores até 2028 testará se a sua abordagem de governação e revisão humana é escalável.
A primeira prioridade é a verificação dos resultados relatados. Documentação adicional da FDA ou uma apresentação pública poderia esclarecer os períodos de tempo por trás das reivindicações de consultas mais rápidas, custos de computação mais baixos e trabalho de provisionamento reduzido, bem como como o tempo de inatividade zero foi definido durante a migração. Também seria útil saber se os números se aplicam à plataforma completa ou a cargas de trabalho selecionadas. A fonte não fornece números de custos absolutos, resultados de nível de serviço ou relatos detalhados de interrupções, migrações malsucedidas ou trabalhos de remediação.
O próximo teste será a transição da preparação da infra-estrutura para uma utilização regulatória mensurável. A fonte diz que o MARS pode ajudar os revisores a analisar resultados de ensaios clínicos, dados de segurança, rotulagem e outras informações associadas a aplicações de medicamentos e dispositivos, mas não especifica até que ponto o sistema é utilizado ou quais tarefas permanecem experimentais. A meta declarada da FDA de exceder 10.000 usuários até 2028 tornará os controles de acesso, linhagem, permissões e revisão humana mais difíceis de gerenciar em uma base maior de usuários. Os relatórios futuros deverão distinguir as implementações em produção dos pilotos e dos projetos planeados.
As reivindicações de segurança e governação também merecem um escrutínio contínuo à medida que o sistema se expande. Databricks descreve conectividade privada, chaves de criptografia gerenciadas pelo cliente, controles de conformidade e Catálogo Unity como partes da arquitetura, mas a fonte não fornece uma avaliação de segurança independente ou detalhes sobre como as permissões são testadas. Não diz quais modelos alimentam os aplicativos de IA, como seus resultados são avaliados ou como os dados confidenciais de envio são retidos e monitorados. A questão prática é se a FDA pode preservar a rastreabilidade e a tomada de decisões humanas responsáveis, ao mesmo tempo que disponibiliza amplamente as ferramentas de IA em centros e programas.