Especial · TDC São Paulo 2026

No Bradesco, o AI-DLC começa antes do código: como IA na fase de inceção cortou 62% do lead time

Time de engenharia de plataforma do banco mostrou como um projeto de análise de cartas de gestoras saiu de 9 meses previstos para poucas semanas, usando IA generativa antes mesmo de qualquer linha de código ser escrita.

Stadium24 de setembro de 2026 às 10:27cobertura assistida por IA, revisada pela redação
Reprodução/YouTube · TDC São Paulo 2026

Na trilha Stadium do TDC São Paulo, Marcel Manfio e Petrus Batalha, do time Biotec (o núcleo de inteligência artificial para tecnologia do Bradesco), apresentaram a palestra "No Bradesco, o AI-DLC começa antes do código", detalhando como o banco está aplicando IA generativa não apenas para escrever software, mas para decidir o que construir.

O ponto de partida da apresentação é uma constatação que já circula no mercado: escrever código ficou rápido — "todo mundo consegue escrever código, todas as empresas quase tem o GitHub Copilot, ou Cloud, ou Kiro". O gargalo migrou para outro lugar. Segundo a apresentação, "decidir o que construir continua sendo o trabalho da gente" e "o código é só uma parte do lead time... tudo começa antes do código".

A partir disso, o ciclo de desenvolvimento do banco foi dividido em duas fases: Inception (da ideia ao que será construído) e Construção. A Inception, foco da palestra, tem quatro etapas, conforme mostrado em slide: Transcrição, PRFAQ, Protótipo e Requisitos, com um gate de decisão humana explícito — "É isso que vamos construir?".

Na prática, reuniões entre times de produto e tecnologia são transcritas e alimentam a IA para gerar primeiro um documento de PRFAQ (um press release fictício do produto) e, em seguida, um protótipo navegável, que é ajustado ao vivo conforme o time de negócio interage e comenta. Só depois disso os requisitos técnicos são gerados para orientar a etapa de construção.

O case usado como referência foi o de análise de cartas de gestoras de investimento, antes feita manualmente e sujeita a variação humana. Os números apresentados em tela: 62% de redução no lead time, 78% de redução de custos, entrega antecipada em 5 meses, cobertura 20x maior de cartas por mês, análises que caíam de 2-3 dias para 5 minutos, e time-to-production reduzido de 9 para 3 meses — com uma equipe de 3 pessoas fazendo o que estava previsto para 7.

Os palestrantes reforçaram, porém, que não existe bala de prata de ferramenta: "a gente testou todas as plataformas [...] o resultado no desenvolvimento é muito parecido", desde que a Inception seja bem feita. Também alertaram sobre custo de token e sobre a necessidade de controle humano constante: "o agente está aqui só para ajudar. Ele não pode ser quem vai decidir".

O desafio seguinte, reconhecido na própria apresentação, é escalar essa abordagem para sistemas legados e ambientes muito mais complexos do que um produto novo — mas a conclusão foi otimista: "é possível, faz sentido, desde que a gente avalie todos os passos".

← Voltar para a cobertura ao vivo

No Bradesco, o AI-DLC começa antes do código: como IA na fase de inceção cortou 62% do lead time | iMasters