Esse é o começo de uma série. Vou contar a transformação que a gente começou em tech, na Prolog, faz uns dois meses: por que começou, o que tá dando certo e o que custou caro. Não é teoria de palco. É o que a gente viveu.
Resolvi escrever por um motivo simples: quando fui atrás de como fazer isso, achei muita opinião e pouca conta real de quem tava no meio do processo. Se este texto virar um lugar pra outra pessoa que constrói se basear, já valeu.
Começou com um incômodo.
O que eu vi
Em março, eu e o Jean, meu sócio, fomos pro SXSW, no Texas, uma das maiores feiras de inovação do mundo. Voltei diferente, e o incômodo não passou. Não era o que eu tinha visto no palco. Era o que eu vi as empresas já fazendo na prática.
De volta, mergulhei no conteúdo técnico de quem tá de fato construindo com IA lá fora. Não o conteúdo morno de Instagram e LinkedIn. O profundo, de quem põe a mão na massa e publica o que aprendeu. E fui esbarrando em caso atrás de caso de empresa que mudou o jeito de trabalhar de verdade. A diferença é sutil e enorme ao mesmo tempo: elas não “passaram a usar IA”, elas colocaram IA no centro.
E não dá pra descartar como hype de palco. É adoção em escala industrial: empresa grande e empresa pequena, todo mundo caminhando pro mesmo lugar. Uma das coisas que me marcou foi um número simples: 9 em cada 10 empresas da Fortune 100 já tinham adotado o Copilot. Mas o dado que importa não é o de adoção. É o tamanho do ganho. Quem só encaixou IA no fluxo antigo tá relatando 10, 20% de produtividade a mais. Quem reconstruiu em volta dela tá relatando múltiplo: 5x, 10x. Vou abrir esses casos um por um nos próximos artigos. Por enquanto, o que interessa é a virada que todos eles têm em comum.
Usar do lado vs. colocar no centro
Essa distinção parece pequena e é ela que decide tudo.
Usar IA é abrir uma ferramenta do lado e seguir o mesmo processo de antes. O fluxo continua igual, os cargos continuam iguais, a revisão continua igual. A IA é uma aba a mais, e cada um se vira sozinho com ela. O ganho aparece na margem.
Colocar no centro é redesenhar o processo em volta dela. Você assume que a IA vai construir boa parte do trabalho e refaz o fluxo, os cargos e a revisão a partir disso. O contexto deixa de morrer numa conversa e passa a ser compartilhado. O ganho é de outra ordem, porque não é o mesmo trabalho mais rápido. É o trabalho mudando de forma.
Quando essa ficha caiu, a pergunta deixou de ser “que ferramenta a gente adota” e virou “o que, no nosso jeito de trabalhar, foi desenhado pra um mundo sem IA”. Aí eu fui olhar pra dentro.
O diagnóstico: cada um se virando sozinho
Lá pelo fim de março, antes mesmo de a gente ter migrado pro Claude, sentei com gente de produto, design e engenharia da Prolog e fiz uma pergunta simples: como você tá usando IA no dia a dia? O que tá bom, onde trava, que gargalo você vê na operação.
O que eu ouvi me pegou.
Cada um usava uma ferramenta. Um no Copilot, outro no Claude, outro jogava tudo na IA interna da Prolog. E, pior que a ferramenta solta, o contexto solto: o que uma pessoa construía conversando com a IA morria ali, com ela. O time de manutenção, por exemplo, tinha montado um material bom dentro da IA da Prolog, com as regras daquele produto. Só que aquilo não chegava no time de pneus, que precisava do mesmo tipo de contexto e começava do zero.
Teve uma que ficou na minha cabeça. Os devs estavam evitando usar IA pra revisar PR grande com medo de queimar os créditos antes do fim da semana. Pensa no absurdo: a pessoa tinha que escolher entre terminar a própria task com IA, que ela tinha se comprometido a entregar, ou gastar o mesmo crédito revisando o PR gigante do colega. Virou competição por um recurso escasso. E aí ninguém quer pegar a review do outro.
Alguém do time resumiu numa frase que eu não consegui mais tirar da cabeça:
A gente produz com IA e revisa sem IA.
Cada um se virando sozinho, do seu jeito, com a ferramenta que deu. O que funcionava pra um não virava receita pro outro. Não tinha padrão, não tinha lugar comum.
E não era só o jeito, era a estrutura
Quanto mais eu olhava, mais ficava claro que não dava pra resolver só ensinando todo mundo a “usar melhor”. O jeito de usar era sintoma. A estrutura embaixo é que não tava pronta. Apareceram três buracos.
Primeiro, o contexto vivia espalhado. Um pedaço no Notion, outro no Drive, outro no Jira, no Figma, no Fathom. Não tinha fonte única da verdade. Então cada conversa nova com a IA começava explicando tudo do zero, porque a informação que ela precisava estava em cinco lugares e curada em nenhum. A gente pagava em token, em request e em tempo só pra remontar contexto que já existia em algum canto.
Segundo, o humano era a cola. Alguém de produto gera uma spec com IA, sobe num doc, manda o link pro próximo, que pega aquilo e joga no projeto da IA dele. A IA aparecia nas pontas, nunca no meio: ela produzia um pedaço, um humano carregava o resultado na mão até a próxima ferramenta, e outra IA recomeçava. O fluxo seguia humano.
Terceiro, a arquitetura. A base que a gente construiu em dez anos foi feita pra um mundo onde o gargalo era a pessoa, não a IA. Ela é emaranhada em pontos e tem pedaço sem teste, e é justamente isso que trava a mudança rápida que a IA permitiria fazer. Não é defeito moral de ninguém. É o acúmulo de dez anos de decisões que funcionaram até aqui. A IA só escancarou.
E é importante dizer: isso não é defeito do time, nem da Prolog. É o que acontece em qualquer empresa que colou IA por cima do jeito antigo de trabalhar. Toda empresa de dez anos carrega um jeito de fazer que funcionou até agora. A IA coloca um holofote nele. E a responsabilidade de mudar isso é minha.
Por que reconstruir tudo, não só engenharia
A primeira tentação é resolver na engenharia. Faz sentido, é onde a IA pegou mais rápido e onde a gente já tinha começado. Mas é aí que mora a armadilha.
Se uma área anda na velocidade da IA e a do lado continua na velocidade humana, eu não acelerei nada. Só mudei o gargalo de lugar.
Pensa no fluxo inteiro. Se a engenharia passa a entregar em horas mas o produto ainda leva semanas pra especificar, quem segura a fila agora é o produto. Resolve o produto e a engenharia, mas a validação continua na mão? Travou na validação. E não fica só em tech: se a gente coloca muita coisa no ar e o marketing não consegue anunciar no mesmo ritmo, o gargalo foi pro marketing. Acelerar um trecho não desfaz o engarrafamento. Só empurra ele pro próximo.
Por isso, no fim de abril, a gente começou a reconstruir tech inteira. Produto, design, dados, qualidade. Não só engenharia. Se a IA vai pro centro, ela vai pro centro do fluxo todo, não de um pedaço.
O que vem por aí
Nos próximos artigos, vou abrir cada parte disso. O que é “harness”, a infraestrutura que faz a IA render de verdade em vez de só entregar pedaços soltos. Como o trabalho de cada cargo muda quando a IA passa a ser quem constrói, e o humano vira quem direciona e revisa. E por que a pergunta certa quando algo quebra deixou de ser “o que eu faço agora” e virou “o que faltou no contexto pra isso não acontecer de novo”.
A transformação tá rodando, com acerto e com erro. Vou contar os dois aqui, conforme for acontecendo. Não é receita. É o que a gente tá vivendo. Se servir de mapa pra quem também constrói, melhor ainda.