AIARTIGO

A engenharia agêntica pode viabilizar negócios que o custo do software impedia

A engenharia agêntica pode viabilizar negócios que o custo do software impedia
Imagem: Danilo Fernandes
Artigo · AI
Leitura
6 min
Em resumo

Muitas empresas deixam de criar soluções valiosas não porque elas sejam inviáveis, mas porque é caro demais transformar uma necessidade real em um projeto que a diretoria consiga avaliar. Para chegar a uma decisão, é preciso mapear regras, exceções, dependências de sistemas e custo de manutenção, e esse trabalho depende de pessoas já sobrecarregadas. Por isso, só as demandas mais bem definidas disputam orçamento. As outras nem chegam a ser propostas, porque as áreas já desistem antes, prevendo a fila de tecnologia. Forma-se assim um “backlog invisível”: custos que a empresa aprendeu a absorver e oportunidades que deixou de perseguir. A engenharia de software agêntica muda isso.

Uma empresa decide não lançar um novo serviço porque o retorno esperado não justifica o investimento em software. A decisão faz sentido naquele momento. Mas ela perde toda a captura de valor dos próximos anos pela falta de clareza em transformar uma necessidade real em pedido para quem decide conseguir avaliar.

Outras oportunidades nem chegam a receber uma estimativa. As áreas conhecem a dificuldade de conseguir espaço na fila de tecnologia e deixam de propor o que acreditam que será caro demais para executar.

Esse é o backlog invisível: necessidades que a operação percebe todo dia, mas que ainda não ganharam forma suficiente para serem avaliadas como investimento. Ali estão custos que a empresa aprendeu a absorver e oportunidades que deixou de perseguir.

Vejo na engenharia de software agêntica uma razão para rever essas escolhas. Agentes de inteligência artificial↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → estão reduzindo o trabalho necessário para especificar e desenvolver uma solução.

O custo de chegar a uma decisão

Antes de aprovar um projeto, a empresa precisa explicitar as regras do trabalho e descobrir exceções que muitas vezes só aparecem durante a execução. Também precisa saber de quais sistemas a solução dependerá e quanto custará mantê-la funcionando.

Esse levantamento depende de pessoas que já têm outras prioridades. A área de negócio conhece a dificuldade, mas nem sempre consegue descrevê-la a ponto de permitir uma estimativa. A engenharia precisa reconstruir o contexto antes de avaliar a viabilidade.

As demandas mais bem definidas conseguem disputar orçamento. Outras, potencialmente relevantes, ficam de fora porque o esforço de detalhá-las parece grande demais. O portfólio que a diretoria analisa contém apenas a parcela das necessidades que conseguiu chegar até ela. Muito disso é sintoma, não indisciplina. Vejam o quadro abaixo:

O quadro 01 mostra o esforço em colocar um novo projeto para rodar na maioria das empresas. Cada projeto nasce do zero, sem de fato carregar de forma estruturada todo o contexto de projetos anteriores. Quando o projeto termina ou a pessoa sai da empresa, o que se aprendeu vai junto. Já no segundo caso, o contexto se acumula no tempo. Regras, decisões e testes ficam registrados e o projeto seguinte parte deles.

A engenharia agêntica amplifica aquilo que ela encontra. Com contexto e método, agentes de IA executam partes do trabalho de especificação e desenvolvimento, com validação humana das decisões e dos resultados. Um protótipo ajuda quem trabalha na operação a apontar uma regra mal interpretada antes de a empresa comprometer recursos com a construção. A especificação registra o que foi discutido e entrega para engenharia uma base para estimar o trabalho.

O resultado pode ser a decisão de não construir. E tudo certo! Descobrir cedo que uma integração inviabiliza a conta poupa tempo e dinheiro. O problema é descobrir o custo real disso depois que foi para produção.

Uma aplicação feita com apoio de agentes pode funcionar com regras convencionais. Usar inteligência artificial na engenharia e incorporá-la ao produto são decisões diferentes.

A mudança na conta de construir software

Na pesquisa The state of AI in 2026, da McKinsey, 32% dos respondentes afirmaram que suas organizações decidiram não comprar ao menos um software ou funcionalidade porque poderiam construí-lo dentro de casa, seja com o time interno ou junto com um parceiro estratégico.

Minha leitura é que a revisão entre construir e comprar precisa alcançar também as necessidades que nunca chegaram a ser avaliadas. Atualmente, a capacidade de construir está chegando muito mais rápido do que a capacidade de decidir com base o que construir. Vale refazer a conta de um projeto considerado caro demais quando o esforço para especificar e desenvolver sua solução diminui.

Em uma operadora de telecom atendida pela Druid, clientes dependiam do atendimento para fazer recargas, trocar planos ou bloquear suas linhas. Faltava um portal que lhes desse autonomia. Essa dependência limitava a venda de chips em lote e a retenção dos clientes. A estimativa de seis meses de desenvolvimento impedia o portal de avançar.

Se os critérios de seleção permanecerem iguais, a empresa pode apenas executar mais depressa o portfólio que já tinha, mantendo essas oportunidades sem avanço.

Comprar uma solução pronta pode fazer sentido quando ela atende à necessidade por um custo que seria difícil de reproduzir internamente. O custo de integrar e manter o software precisa entrar nessa conta da especificação funcional até a arquitetura.

Caso de Uso de amplificação com acionável correto

Em outro projeto da Druid, o desafio era transformar um acervo de quase 200 mil documentos em uma base consultável. Os arquivos estavam em vários formatos, distribuídos por dezenas de milhares de pastas, sem padrão, sem integração. Apenas pedir para qualquer modelo de IA para catelogiar, sem método e contexto, apenas poderia multiplicar o problema.

Os documentos serviam para comprovar o atendimento a uma exigência regulatória importante, mas cada consulta exigia localizar o arquivo e ler seu conteúdo à mão. Para propor uma solução, seria preciso conhecer os documentos e estabelecer quais dados extrair e como validá-los. Sem ele, era difícil demonstrar o retorno do projeto e a consulta continuava manual.

Ter o objetivo claro tornou o trabalho com apoio dos agentes muito mais produtivo. Criando e documentando todo o contexto, a solução foi prototipada com toda a base de conhecimento e gatilhos para gerar acionáveis. A equipe pode consultar os registros processados e corrigir campos, com histórico das alterações. Um novo processamento automatizado preserva as correções feitas pelas pessoas e mantém registrado o valor originalmente extraído.

Assim, quem já conferiu um documento não precisa refazer a mesma correção a cada processamento. A entrega em produção ocorreu 20 dias após a aprovação da especificação.

O backlog invisível na agenda executiva

O investimento para automatizar aparece com valor e prazo. O trabalho manual costuma consumir uma equipe já contratada. Essa fila invisível não é invisível para todos, pois ela aparece no dia a dia para algumas pessoas e desaparece na agenda de decisão e integração da companhia. A comparação fica incompleta quando a empresa exige uma justificativa para construir, mas deixa de estimar os recursos que continuará consumindo se mantiver o processo atual.

Cabe a área de negócio explicar o efeito esperado e assumir a responsabilidade por realizá-lo. A engenharia deve participar desde o início, incluindo nessa avaliação o custo de manter o novo software.

As regras documentadas e os testes também ficam disponíveis para os projetos seguintes. Quando surge uma necessidade relacionada, a empresa pode partir do que já aprendeu.

As áreas continuam fazendo escolhas com base no que aprenderam sobre prazos e custos de desenvolvimento. Defendo que a liderança reserve tempo e orçamento para examinar as necessidades que ficaram de fora, especialmente as que nunca receberam uma estimativa. A decisão sobre o que merece ser construído precisa considerar as condições atuais de desenvolvimento.

Este artigo desenvolve a discussão apresentada por Danilo Fernandes e Michelle Ferreira na masterclass sobre backlog invisível da EmTech Brasil 2026, do MIT Technology Review Brasil.

Danilo Fernandes é engenheiro e há mais de 20 anos constrói e escala negócios de tecnologia. Fundou a GPMídia, que deu origem à ZOLY após uma fusão. Como co-CEO da ZOLY, conduziu sua expansão por aquisições até a venda em 2020. Em seguida, foi Chief Growth Officer da Loja Integrada, do grupo VTEX. Hoje é sócio e CSO da Druid, empresa de engenharia de software agêntica que desenvolve e moderniza sistemas para grandes empresas.

Ver perfil →