Manifesto · Engenharia AI-Native
Como eu penso AI
Passei anos achando que programar bem era o centro de tudo. A IA me mostrou que não. O que faz diferença hoje é a clareza da intenção, a arquitetura e o critério para validar o que a máquina entrega.
A convicção
O ponto de partida
Premissa
A engenharia de software mudou de natureza. A IA encurtou a parte de escrever código e empurrou o nosso peso para outro lugar: especificar bem, validar com rigor e governar com responsabilidade.
A barreira técnica foi quebrada. Hoje, o que separa o problema da solução é querência e vontade — resolver desafios difíceis com soluções simples.
Paradigma 70/30
Onde está o valor
Quando a máquina assume a digitação, o valor não some — ele muda de endereço. Vai para antes e para depois do código. O Cory Hymel deu nome a isso na tese de mestrado dele, o V-Bounce: AI-Native SDLC. A ideia é simples: o fundo do “V”, que é codificar, encolhe; e os braços, que são entender o problema, desenhar, testar e validar, ganham peso.
Intenção, arquitetura, especificação e julgamento
É aqui que eu passo meu tempo: entender o problema de verdade, desenhar, especificar e julgar o resultado. Esse trabalho continua sendo nosso.
Execução acelerada por IA
Virou rápida, abundante e barata. Continua importante, mas não é mais aqui que se ganha ou se perde o jogo.
Quatro camadas de autonomia
Quem pode construir o quê
Democratizar não é liberar geral. Para mim, é dar a cada pessoa o tanto de autonomia que aquele risco comporta, e deixar isso escrito de forma clara, para todo mundo saber onde pisa.
Camada A
Núcleo
Apenas assistência de IA
O coração do negócio. Aqui a IA ajuda, mas quem decide é a TI. Sem atalho.
Camada B
Extensões controladas
Co-construção com guardrails
É onde mora a maior oportunidade. Negócio e TI constroem lado a lado, dentro de limites combinados.
Camada C
Departamental
Negócio constrói, TI governa
A área resolve o próprio problema, com a TI cuidando das regras e da auditoria por trás.
Camada D
Sandbox
Experimentação livre
Lugar de testar ideia e errar barato. O que vai para o ar, mesmo assim, passa por controle.
Alta criticidade + alta autonomia da IA = não permitido.
Princípios que me guiam
Como decido quando não há regra
Esses princípios não são regra. Regra diz o que fazer; princípio me ajuda a decidir quando a regra não cobre o caso. São eles que eu levo comigo para qualquer experimento.
Simplicidade antes de sofisticação
Começo pequeno, pelo escopo que já ensina alguma coisa de verdade. A sofisticação vem fazendo, não planejando.
Segurança antes de escala
Nada cresce antes de o ambiente estar seguro, no técnico e no emocional. Escalar sem isso é só multiplicar o problema.
Experimento antes de institucionalização
Antes de virar política, eu quero evidência na mão. É o que vi acontecer que me diz se vale a pena padronizar.
O humano é quem julga
A IA gera, mas quem assume aceitar, aprovar e validar é gente. Essa conta não dá para terceirizar.
Especificação como ativo operacional
A spec parou de ser papelada e virou a fonte da verdade: viva, versionada e fácil de conferir.
Governança que habilita
Governança boa não trava, destrava. Prefiro habilitar antes a ficar aprovando depois.
O que muda
De um mundo para o outro
No fundo, é uma troca de lugar. O que estava à esquerda não deixou de existir; só parou de ser onde o jogo se decide. Hoje o que importa é o lado de lá.
- Código como centroIntenção como centro
- Execução manualValidação humana intensiva
- TarefasEspecificações como fonte da verdade
- Produtividade individualFluidez sistêmica
- TI como fábrica de demandasTI como curadora de capacidades
A decisão
O risco de experimentar com controle é gerenciável. O risco de não experimentar é estratégico.