Voltar
Princípios práticos para construir produtos com agentes

Como construir produtos com agentes de IA em vez de sprints tradicionais

Aprofundamento CEVIU

Aprofundamento

O texto parte de uma premissa direta: com agentes escrevendo a maior parte do código, o gargalo deixa de ser a escrita e passa a ser a atenção de quem decide. Os autores (Harsha Garlapati, Shubhdeep Srivastava e Prasad Kompalli, do Oncourse AI, em outubro de 2026) dizem que o Oncourse AI chegou a mais de 80 mil cadastros com um time pequeno e sem investimento externo, e que o Caddie saiu em 730 commits em 15 dias, com uma pessoa trabalhando com agentes.

Os princípios se organizam em três trabalhos: começar tarefas, checá-las e ensinar os agentes o que é bom. Na prática, isso vira regras concretas. Iniciar a tarefa assim que ela é considerada válida, em vez de esperar planejamento. Planejar datas de entrega, não de início. Manter pelo menos cinco agentes rodando, inclusive de noite, com um agente coordenador por projeto. Medir o tempo até o cliente ficar feliz (meta de cinco minutos), em vez de tempo de resolução. Triar e rejeitar a maior parte do que chega, e escrever o escopo à mão, porque o texto diz que agentes escolhem a versão fácil de terminar, não a que importa.

Na qualidade, o artigo separa o que se confirma por teste e o que exige julgamento. Pull requests de autocorreção (consulta mais rápida, retry em chamada instável) podem ser mescladas pelo agente depois dos checks. Pull requests de funcionalidade, que mudam o que o usuário vê, continuam com revisão humana. Auditorias usam uma biblioteca de 20 a 30 personas construídas a partir de entrevistas, e-mails de suporte e threads do Reddit, e rotinas Kaizen diárias verificam se correções anteriores se sustentaram. Parte dos exemplos descreve o Caddie, produto dos próprios autores.

O que mudou

A cobertura anterior do CEVIU mostra o tema amadurecendo. Em 20 de fevereiro de 2026, saiu "9 Observações ao Construir com Agentes de IA", com a ideia de documentar tudo para criar ciclos de melhoria. Em 9 de junho de 2026, "Loop Engineering: a nova forma de trabalhar com agentes de IA" tratou de sistemas automatizados que iteram até concluir a tarefa. Em 13 de agosto de 2026, "Estratégias Ágeis: Construção Ampla e Entrega Focada Redefinem o Fluxo de Trabalho com IA" já apontava o afastamento do planejamento exaustivo antes do código. O texto atual leva essa linha para um receituário operacional (agentes contínuos, coordenador, personas, rotinas), mas é outra fonte e outro autor, não uma sequência de um mesmo projeto.

Por que isso importa

Para quem gerencia produto, a leitura é que o trabalho se desloca para triagem, escopo e critério de qualidade. Se começar custa quase nada, o risco passa a ser abrir frentes demais e sobrecarregar a revisão. Métricas como tempo até o cliente ficar feliz e bibliotecas de personas compartilhadas também colocam a pesquisa com usuário no centro da validação. Vale tratar os números e a eficácia como relato dos autores, não como benchmark.

Linha do tempo

  1. CEVIU publica "9 Observações ao Construir com Agentes de IA".

  2. CEVIU publica "Loop Engineering: a nova forma de trabalhar com agentes de IA".

  3. CEVIU publica "Estratégias Ágeis: Construção Ampla e Entrega Focada Redefinem o Fluxo de Trabalho com IA".

  4. Artigo do usecaddie.app apresenta princípios para construir produtos com agentes de IA no lugar de sprints.

Perguntas frequentes

O que significa medir tempo até o cliente ficar feliz?

É o intervalo entre o cliente levantar um problema e ele ficar satisfeito com a correção. Os autores propõem a meta de cinco minutos. Um agente transforma o cliente em persona, outro corrige e a persona testa a correção antes da resposta.

Por que planejar datas de entrega e não de início?

Datas de início existem porque pessoas só seguram poucas tarefas ao mesmo tempo. Agentes não têm esse limite, então toda tarefa do plano semanal ganha um agente no mesmo dia. As datas de entrega ficam, porque clientes e colegas dependem delas.

Quais mudanças um agente pode mesclar sozinho?

Segundo o texto, as autocorreções: problemas já confirmados e corrigidos com checks passando, como consulta mais lenta ou erro repetitivo. Pull requests de funcionalidade, que mudam o que o usuário vê, continuam com revisão humana.

Como as personas entram nas auditorias?

Os autores sugerem uma biblioteca de 20 a 30 personas baseadas em clientes reais. Cada persona tem dispositivo, permissões e de 8 a 12 passos em sequência. Os agentes rastreiam o código em cada passo para achar bugs entre funcionalidades, que checklists isolados não pegam.

Fontes

Avalie este artigo:
Categoria
CEVIU Gestão de Produtos
Publicado
23 de outubro de 2026
Editoria
CEVIU Gestão de Produtos

Quer receber mais sobre CEVIU Gestão de Produtos?

Conteúdo curado diariamente, direto no seu e-mail.

Conteúdo curado diariamenteDiversas categoriasCancele quando quiser