Da base de engenharia aos agentes: a trajetória da RD Saúde

A promessa e a lacuna

Quase toda empresa hoje diz que quer adotar IA. Poucas conseguem capturar valor em escala. A diferença raramente está no modelo escolhido, e quase sempre nos fundamentos de engenharia que deveriam existir antes de qualquer prompt entrar em produção. É exatamente essa a tese da palestra de João Carlos Cunha Cordeiro Júnior, Diretor de Tecnologia e Experiência Digital da RD Saúde, marcada para a Plenária Tecnologia & Inovação do Fórum E-Commerce↳E-commerce21 conteúdosECBR Club: novo espaço para devs se conectarem ao ecossistema de e-commerceDev (Back & Front) · mai 2025TOTVS anuncia joint venture com VTEXMarketing Tech · mai 2019Jovens da Brasilândia recebem formação gratuita em tecnologiaGestão Dev & TI · jul 2025Ver tudo em Marketing Tech → Brasil 2026 (30/07, 11h10).

Segundo a descrição oficial da agenda, a RD Saúde partiu de um cenário de "alta complexidade operacional, lead time de 370 dias e baixa maturidade tecnológica" para uma organização orientada por engenharia moderna, IA Generativa e, agora, IA Agêntica. O recorte editorial aqui é o que mais interessa a quem constrói: a ordem dos fatores.

Por que 370 dias importa mais que o modelo

Um lead time de 370 dias (o tempo entre conceber uma mudança e ela chegar ao usuário) é o retrato de um sistema onde entregar qualquer coisa é caro. Nesse contexto, jogar um agente autônomo em cima não resolve, amplifica o caos. Se você não consegue fazer deploy com segurança, não vai conseguir deixar um agente executar ações e reverter quando ele errar.

A lógica que a trajetória da RD Saúde sugere é a de reconstruir a base antes de subir a camada de IA:

• Reduzir lead time: pipeline de CI/CD↳CI/CD23 conteúdosCI/CD Mobile: o caos invisível que separa times comuns de times de alta performanceDev (Back & Front) · abr 2026Lambda: implementando com GitLab CI/CD e Terraform para Integração SFTP, S3 e Databricks em GoDev (Back & Front) · nov 2023Publicando sua aplicação Web Python no WebApp do Azure e configurando o CI/CD da sua aplicaçãoDevSecOps · abr 2019Ver tudo em DevSecOps → confiável, testes automatizados↳Testes automatizados4 conteúdosComo migrei meus testes automatizados de Java para Ruby… Será que fiz bem?Dev (Back & Front) · jun 2019TDD em Nodejs: conhecendo o JestDev (Back & Front) · mar 2019Arquitetura Hexagonal na prática com exemplos em PythonDev (Back & Front) · mai 2025Ver tudo em Dev (Back & Front) →, deploys pequenos e frequentes. Sem isso, não há ciclo de feedback rápido o suficiente para operar IA em produção.
• Observabilidade: você precisa ver o que o sistema (e depois o agente) está fazendo. Logs, tracing e métricas são pré-requisito, não luxo.
• Plataforma interna: padronizar como times entregam software reduz o atrito que faz um lead time explodir para mais de um ano.

Só depois dessa maturidade a IA Generativa passa a somar de verdade, e a IA Agêntica se torna viável em vez de arriscada.

"Agentes executam, humanos direcionam"

O trecho mais provocador da descrição oficial resume o modelo-alvo: um "futuro em que agentes autônomos executam e humanos direcionam". Essa frase carrega um trade-off que todo dev deveria pesar antes de embarcar no hype.

Deixar um agente executar significa dar a ele poder de tomar ações com efeito real (abrir chamados, alterar dados, disparar processos). Isso só é aceitável se houver:

• Guardrails claros: limites de escopo, permissões granulares, aprovação humana para ações críticas.
• Rastreabilidade: cada ação do agente precisa ser auditável, ainda mais em uma empresa de saúde e varejo farmacêutico, onde erro tem custo alto.
• Reversibilidade: infraestrutura que permite desfazer. Aqui a base de engenharia reaparece: sem deploy e rollback maduros, autonomia vira roleta-russa.

Esse é o ponto de ceticismo saudável. "Agentes autônomos em escala" é uma afirmação que pede evidência, e o número que a própria RD Saúde coloca na mesa (a queda do lead time) é o tipo de métrica que dá credibilidade à narrativa. Vale acompanhar, na palestra, quais indicadores de velocidade, qualidade e satisfação do cliente eles apresentam para sustentar o "sem crescimento proporcional da estrutura".

O que o time de tecnologia brasileiro tira disso

Para quem constrói produto no Brasil, a lição prática independe de o palestrante ser de uma rede de farmácias ou de qualquer outro setor:

1. Meça seu lead time hoje. É o termômetro mais honesto da sua maturidade. Se ele é alto, IA não é sua próxima prioridade, entrega é.
2. Trate a fundação como produto. Plataforma interna, testes e observabilidade são o que torna IA sustentável, não uma POC bonita.
3. Comece pela GenAI antes da agêntica. Copilotos e automações assistidas têm risco menor e ensinam o time a operar IA antes de delegar execução.
4. Desenhe autonomia com freios. Escopo, permissão e auditoria vêm antes do "deixa o agente resolver".

A história da RD Saúde, como resume a agenda, é "mais do que falar sobre tecnologia": é sobre mudança de modelo operacional. E esse é justamente o recado desconfortável para quem busca atalho: não existe agente autônomo em escala sem engenharia madura embaixo. A palestra completa acontece na Plenária Tecnologia & Inovação do Fórum E-Commerce Brasil 2026.

Fonte: Agenda oficial — Plenária Tecnologia & Inovação