Lean AI SDLC: como a CI&T está reinventando a agilidade nos Ways of Working

Desde 2024, o uso de IA Generativa nas equipes de desenvolvimento se consolidou como uma poderosa alavanca de produtividade. Assistentes de código, copilotos e ferramentas generativas passaram a apoiar diferentes papéis no ciclo de desenvolvimento com metodologias ágeis.  

Contudo, mesmo com ganhos de eficiência claros, a Inteligência Artificial era usada para aumentar a capacidade das pessoas, mas não necessariamente para transformar a forma como o software era construído.

“Quando começamos a observar o impacto da IA nos times, percebemos que os processos continuavam essencialmente os mesmos. Você aumentava a performance individual, mas o fluxo de desenvolvimento, com suas trocas de mão, esperas e ciclos, permanecia intacto”, explica Gilson Gaseorowski, Head of Lean Digital Transformation na CI&T.

Essa constatação levou a CI&T a atravessar uma nova fronteira no desenvolvimento de software, de modo quea GenAI não fosse apenas uma ferramenta de produtividade, mas também um elemento capaz de redesenhar o próprio processo de desenvolvimento.

---

Metodologia Lean na prática: eliminando os desperdícios de fluxo

Se, no modelo tradicional, cada etapa do desenvolvimento depende de handovers entre especialistas (analistas, arquitetos, desenvolvedores, testers, entre outros), grande parte do tempo total de construção de software é consumida não pela execução em si, mas pelas esperas entre essas etapas. Portanto, a oportunidade de ganho não estava apenas nas atividades isoladas, mas também na remoção dos espaços entre elas. Na visão Lean, isso é um desperdício.

“Quando você conecta essas etapas com agentes de IA, o fim de uma atividade pode disparar imediatamente a próxima. Em vez de esperar o próximo sprint ou a disponibilidade de outro especialista, o fluxo continua praticamente em tempo real”, afirma o executivo.

Essa mudança marca o início de uma nova lógica de metodologia de produção de software, na qual o tradicional modelo ágil aumentado por IA (em que humanos executam tarefas com o auxílio de ferramentas) dá lugar a um modelo agêntico de desenvolvimento, coordenado e orquestrado por humanos.

Nesse novo desenho, profissionais deixam de atuar principalmente como executores de tarefas e assumem papéis de especialistas, revisores e orquestradores que garantem governança, ética e alinhamento estratégico do trabalho automatizado por agentes de IA Generativa.

Gilson ressalta que “o humano continua no comando, mas agora como piloto e orquestrador do processo”. A IA executa, conecta etapas e remove as fricções que antes eram inerentes ao modelo de trabalho.”

---

O fim do desenvolvimento como conhecemos: as novas bases da eficiência operacional

Se em 2025 o mindset apontava para o uso da IA Generativa como coadjuvante acelerador individual, o novo Way of Working da CI&T coloca a Inteligência Artificial no core, como parte intrínseca do processo como um todo, definindo uma nova dinâmica de trabalho em times de tecnologia. Isso dá lugar a três principais mudanças.

01. Commoditização do código

Para Luiz Grecco, SVP na CI&T, nos últimos dois anos, é perceptível o aumento no nível de confiança das empresas e pessoas na Inteligência Artificial, que passou do ceticismo em relação à segurança e às alucinações para a busca pelo potencial inquestionável de resultados.

“Como consequência, o código virou commodity; ou seja, escrever código deixou de ser o principal desafio técnico, e o foco se deslocou para a orquestração dos agentes envolvidos no fluxo como um todo”, afirma o executivo.

A maturidade alcançada pela CI&T comprovou a tese de que a produção de código poderia deixar de ser uma atividade artesanal e criativa e tornar-se um processo sistematizado.

Segundo Marcos Fernandes, Diretor Executivo na CI&T, essa mudança “é quase como se estivéssemos vivendo a revolução industrial do desenvolvimento de software.” 

02. Geração de múltiplas derivações para escolha

Como o código se tornou uma produção sistemática, os esforços para criar um único input perfeito dão lugar a quatro ou cinco versões de um mesmo requisito ou funcionalidade criado pela IA. O especialista humano, então, escolhe a melhor opção para avançar o fluxo.

Testes AB também ganham mais eficiência, com a expansão da capacidade para modelos muito mais amplos, como A, B, C, D, E e F, permitindo testar diversas variantes simultaneamente, com um custo muito menor do que o anterior. 

03. Remoção de esperas (handovers)

O fluxo do modelo agêntico de desenvolvimento permite outra mudança estrutural: como o processo todo é redesenhado, é possível pular ou inverter etapas completas do processo tradicional e, mesmo assim, garantir a consistência do que é entregue.

“O processo sequencial não importa mais, e até as paradas no fluxo deixam de ser falhas e passam a ser intencionais, com o propósito de revisar, garantir a ética ou a conformidade com normas”, explica Fernando Ostanelli, VP de Soluções Digitais da CI&T.

---

Uma nova cultura para um novo modelo de desenvolvimento

Quando a forma de produzir software muda, as estruturas organizacionais, os papéis e até a cultura de trabalho inevitavelmente mudam junto.

Durante anos, a indústria de software avançou em direção a um alto grau de especialização, mas no modelo agêntico os profissionais passam a atuar de forma mais generalista e equipados com um vasto ferramental de IA que permite atuar em diversas frentes da cadeia.

Outra mudança é o chamado aprendizado contínuo - ou continuous upskilling. Gilson explica que “o aprendizado profundo e duradouro é substituído por ‘pílulas de conhecimento’ frequentes, já que o conhecimento tem validade curta devido à rápida evolução tecnológica”.

Ao mesmo tempo, o processo deixa de ser um caminho rígido que deve ser seguido independentemente do problema.

Em vez de encaixar qualquer desafio no mesmo fluxo de trabalho, as equipes passam a ter mais autonomia para definir o melhor processo para cada contexto específico.

“Antes, independentemente do problema, a gente seguia o mesmo fluxo de trabalho. Agora, as equipes passam a decidir qual é o processo mais adequado para aquele tipo de entrega”, afirma Marcos.

Essa mudança coloca as pessoas em um novo papel no modelo de trabalho: menos executoras de tarefas e mais arquitetas do próprio processo de produção.

---

Impacto de Negócio: por que a agilidade da CI&T gera valor?

A expertise da CI&T em orquestração de IA generativa vai muito além da adoção de soluções avançadas (como o CI&T Flow) e foca no impacto real de negócio.

Ao saber combinar o que há de melhor e mais especializado no horizonte de inúmeras IAs disponíveis, a companhia permite que o match entre a tecnologia e as necessidades de negócio de seus clientes seja perfeito.

Esse posicionamento se traduz em geração de valor real da seguinte forma:

 • Eficiência orçamentária e previsibilidade: a parceria sai de um modelo baseado em "horas alocadas" para métricas objetivas de escopo funcional e de entrega de valor.

• Time-to-market e janelas de oportunidade: clientes podem testar hipóteses e capturar avenidas de receita muito mais rapidamente, aproveitando a aceleração na construção de produtos digitais.

• Vantagem competitiva "AI first": preparação de empresas tradicionais para competir com novos players que já nascem operando nativamente com IA.

• Polinização de Way of Working: a CI&T atua não apenas como fornecedora, mas também como referência e inspiração para que o próprio cliente modernize seu modo de trabalho interno.

“Nos últimos anos, a CI&T construiu uma capacidade histórica de aplicar IA de fato, transformando tecnologia e método em resultado – e ouvindo esse feedback dos nossos clientes”, conclui Marcos.