AI DELIVERY

Um argumento sobre o ciclo de entrega / 2026

Código mais rápido
não acelerou a entrega.

Os times já entregam com IA. O prazo quase não muda. Onde o ganho se perde no ciclo — e como redesenhá-lo.

Um ciclo de entrega — trabalho em cor, espera hachurada.

O paradoxo

Codamos 3× mais rápido.
A entrega, não.

O gargalo nunca foi a digitação. A pergunta não é se a IA escreve código — escreve. É por que isso não vira velocidade em produção.

A evidência / experimento controlado, não pesquisa de opinião

+24%
previsto
antes do trabalho
+20%
percebido
depois do trabalho
−19%
medido
na real, mais lento

Devs experientes, nos próprios repositórios, previram ficar 24% mais rápidos com IA. Depois, ainda achavam que tinham ficado. O experimento mediu o oposto: as tarefas levaram 19% mais tempo.

Fonte: METR, “Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity”, 2025 (RCT, 16 devs, 246 tarefas).

O ciclo hoje / para onde vai o tempo

Seis etapas — e o ciclo roda em espera.

Trabalho — 40% do relógio Espera — 60%: handoffs, filas de review, drift de ambiente
↑ Build

A IA acelera só essa fatia. Décadas de prática e a maior parte do ciclo nunca foi escrever código — é time esperando time.

Por que o ganho evapora

Otimize uma fatia,
ganhe um todo menor.

Deixe o Build 3× mais rápido e a espera em volta absorve o ganho.

Lei de Amdahl — aplicada à entrega, não a CPUs.

Se 60% do relógio é espera, acelerar os outros 40% ao infinito ainda te dá, no máximo, 40%. É a matemática por trás do “−19% mais lento”.

As duas armadilhas

Delegar demais. Delegar de menos.
O mesmo erro.

01 · Delegar demais

“Faz pra mim uma plataforma de e-commerce.”

Um prompt, mil linhas não lidas, toda decisão implícita — pagamento, autenticação, frete, compliance. O review vira o gargalo.

02 · Delegar de menos

O sênior pensa tudo na mão.

Planejar, decompor, arquitetar — manualmente. A IA só preenche buraco. O trabalho intelectual segue 100% humano, e a arquitetura segue lenta.

Uma confia demais, a outra de menos. As duas tratam a IA como acelerador de código parafusado num processo feito para humanos digitando.

A virada

Não parafuse a IA no ciclo.
Redesenhe o ciclo em torno dela.

Tire o humano da digitação e coloque em validar e coordenar. Dono do resultado, não das teclas.

A solução / no mesmo desenho

A espera vira validação. O ciclo encolhe.

Antes
Depois
Trabalho — o mesmo de antes Gate de validação — humano, e rápido
Operar realimenta Requisitos — agora de verdade, porque vira spec.

Mesmo trabalho, metade do relógio. Handoff vira artefato, fila de review vira gate. Os gates não somem — eles continuam humanos. O que some é a fila.

Como / requisitos → design → build

Guiado por spec, não por vibe.

Entradas → Intenção → Spec → Execução
ticketse-mails logs de produçãorelatos de bug conversas com stakeholder
Intenção Spec subagentes
Pesquisa Servidores MCP Edição de código
AGENTS.md — contexto compartilhado entre times Skills — saída reproduzível

A entrada bruta vira user story e causa raiz. A intenção vira spec que o modelo consegue seguir. Tarefas pequenas e bem definidas — não “construa o sistema”.

Como escala / subagentes em paralelo

Ninguém delega a plataforma.
Delega-se a feature — em peças paralelas.

1 feature → 1 spec → 12 subagentes
“cupom de primeira compra” Spec
regra de elegibilidade migração de schema API do cupom validação no checkout UI do carrinho testes da regra telemetria feature flag + 4
◆ cada um volta um diff pequeno — um gate por peça
↺ armadilha 01

A armadilha pedia a plataforma inteira — mil linhas não lidas de uma vez. A escala real é a feature: uma spec de cupom vira 12 tarefas com escopo, dono e gate, rodando ao mesmo tempo. Cada diff cabe numa revisão. É isso que encolheu a barra — feature a feature.

Como / teste → release → operar

Gere os testes. Triagem do
alerta das 3h. Codifique a infra.

casos de teste a partir da user story agentes leem stack trace → causa raiz IaC: Ansible · Kubernetes

Teste manual é o gargalo clássico. Gere. Quando o sistema cai, agentes diagnosticam os logs. Release e operação viram código — mas o gate de QA continua com dono humano.

A cunha no enterprise

O maior ganho não é código novo.
É código velho que ninguém entende.

Legado sem autor, o dia a dia do varejo enterprise e da entrega regulada. A IA explica e faz engenharia reversa desses sistemas, numa linguagem que o time de hoje consegue ler.

A pergunta que fica / para a liderança

O que vai a zero —
e o que não vai.

Vai a zero

  • O modelo de fronteira
  • As ferramentas — Cursor, Claude Code
  • Geração bruta de código

abundante · barato · igual para todo mundo

Continua nosso

  • Julgamentoo que vale construir, o que é “bom”, quando parar
  • Domíniovarejo regulado, LGPD, o legado que ninguém documentou
  • Métodospec, harness, gates de fase, observabilidade
  • O gatealguém é dono da decisão de subir

escasso · acumulativo · só nosso

O modelo é oxigênio — abundante e quase de graça. Alugar agentes não constrói nada; investir na disciplina em volta deles, sim.

Como saber se funcionou

Meça resultado, não volume.

Não linhas de código geradas. Isso premia a coisa errada.

Enquadramento alinhado às métricas DORA de performance de entrega (Google).

Por onde começar

Conserte o gargalo,
não a ferramenta.

Escolha uma fonte de espera — um handoff, uma fila de review, uma caixa-preta legada — e redesenhe essa costura em torno do modelo. Depois a próxima.

A IA não falhou. Nós a parafusamos num processo feito para humanos digitando.

Fontes: METR (2025) · Google DORA.

01 / 15
← → para navegar · F tela cheia · P para imprimir/PDF