Endava aposta em agentes de IA para reinventar a entrega de software

A Endava está redesenhando a entrega de software em torno de uma arquitetura de agentes de IA especializados, não como assistentes complementares, mas como entidades autônomas com responsabilidade operacional definida em etapas críticas do ciclo de vida: desde transformação de requisitos em histórias de usuário até geração de boilerplate, execução de testes unitários, revisão silenciosa de pull requests e atualização dinâmica de documentação e arquitetura. Essa rede é orquestrada pela DavaFlow, sua metodologia nativa em IA lançada oficialmente em janeiro de 2025 sob o Programme Keystone, e já integrada ao ChatGPT Enterprise, Codex da OpenAI, Windsurf e Devin da Cognition (desde fevereiro de 2026), além do Gemini Enterprise e Vertex AI do Google via parceria no AgentSpace. A estrutura não depende de um único modelo avançado como GPT-5.6 ou GPT-6, mas sim de uma orquestração modular entre modelos especializados, incluindo versões empresariais confirmadas de Codex e Gemini 2.5 Pro, com testes em andamento com Gemini 3 e Claude Opus 4 para tarefas de revisão crítica.

Os resultados são quantificáveis: ciclos que levavam semanas agora são concluídos em dias, com redução de 92% no tempo de análise, de semanas para apenas duas horas na geração de especificações técnicas a partir de transcrições legais. A empresa também relata aumento de 40% na cobertura de testes unitários e redução de 65% no tempo médio de merge após adoção de agentes revisores em pipelines CI/CD. Essa abordagem está sendo escalada globalmente em seus 11.000 colaboradores, com treinamentos obrigatórios em 'engenharia de agentes' e incentivos para criação de novos agentes na biblioteca interna, consolidando o papel do engenheiro como supervisor estratégico de fluxos orientados por IA, não como executor manual.

Essa mudança vai além da automação pontual: ela redefine o conceito de 'entrega contínua' para 'entrega inteligente contínua', onde a velocidade não é obtida apenas por ferramentas mais rápidas, mas por uma reestruturação profunda das responsabilidades humanas e das interfaces entre equipes, clientes e sistemas. Para empresas brasileiras que buscam maturidade em IA, o caso Endava demonstra que o salto não depende de esperar pelo lançamento do GPT-6 ou de modelos hipotéticos como GPT-5.6, mas sim da capacidade de orquestrar modelos existentes, como Codex, Gemini 2.5 Pro, Claude Opus 4 e Devin, em fluxos específicos, governados por boas práticas de engenharia de agentes. Isso torna a adoção acessível mesmo sem acesso a modelos de ponta ainda não liberados comercialmente.

O impacto se estende ao cliente final: diagramas de arquitetura gerados e atualizados em tempo real durante calls, especificações técnicas validadas automaticamente contra regulamentações (como LGPD e Basel III), e entregas com rastreabilidade total de decisões tomadas por agentes, fatores críticos para setores regulados como finanças, saúde e seguros no Brasil. A Endava já aplica essa abordagem com clientes como bancos europeus e fintechs latino-americanas, com casos replicáveis no ecossistema CEVIU.

Para desenvolvedores brasileiros, o modelo Endava implica uma mudança de mindset fundamental: deixar de ver a IA como 'assistente de programação' e passar a encará-la como 'co-equipe operacional'. Isso exige novas habilidades, como design de prompts para agentes especializados, definição de contratos de saída (output contracts), monitoramento de drift de desempenho entre versões de modelos (ex.: Gemini 2.5 Pro vs. Gemini 3), e integração segura de agentes em pipelines DevSecOps. A empresa já adotou padrões internos de 'agent testing' com frameworks baseados em pytest e LangChain, exigindo que cada agente passe por validação funcional, de segurança e de conformidade antes de entrar na biblioteca DavaFlow.

Além disso, a Endava está migrando seu stack interno para suportar 'agent-first development': uso intensivo de LangGraph para orquestração, RAG com vetores em ChromaDB para contexto de domínio setorial (ex.: legislação tributária brasileira), e auditoria via OpenTelemetry para rastrear decisões de agentes. Isso significa que, para devs no Brasil, dominar ferramentas como LangChain, LlamaIndex e Vertex AI SDK torna-se tão essencial quanto Git ou Docker, e não como 'curiosidade', mas como parte do core da engenharia de software moderna.