O que muda com a nova oferta Agentic SDLC da CI&T 

Os primeiros anos de adoção de IA no desenvolvimento de software foram marcados pelo uso de copilotos e assistentes em diversas atividades. Ainda assim, para grande parte das empresas, o ROI dessa adoção não ficou nítido.

Gilson Gaseorowski, Head of Global Offerings and Operations na CI&T, explica por que isso acontece e como a nova oferta Agentic SDLC da CI&T apoia CTOs e CIOs nesse desafio. 

De acordo com o executivo, os co-pilotos aceleram as tarefas, mas não transformam o processo. “Vemos tentativas de uso muito isoladas, que melhoram a produtividade de uma etapa, mas não transformam o fluxo como um todo e, com isso, não se consegue extrair resultado de ponta a ponta.”

Um dos maiores vilões no desafio de extrair ROI com a IA Generativa está na ocorrência e dependência de handoffs, aprovações e filas, como etapas comuns do SDLC. O resultado é um ganho de eficiência fragmentado, que raramente se traduz em impacto real no negócio.

Como resume Gilson, “Se faço algo em dois dias que antes levava dez, mas preciso esperar quinze dias por uma revisão, eu só troquei um tipo de ineficiência por outro.”

Sem atuar na cadeia completa, os ganhos não se propagam. E, por isso, não escalam.

---

Como o Agentic SDLC constrói tecnologia que atinge 20x mais eficiência

É nesse contexto que surge o Agentic SDLC, um novo modelo de trabalho que evolui do uso de assistentes pontuais para uma execução agêntica coordenada, com todo o ciclo de desenvolvimento reorganizado a partir do uso de IA Generativa.

“No Agentic SDLC, deixa-se de ter humanos sendo aumentados por IA e passa-se a ter IA executando, com humanos guiando, validando e orquestrando”, explica Gilson.

Esse modelo permite algo que, até então, era difícil de alcançar: a redução sistemática das esperas entre etapas.

Ao encadear execuções autônomas, com validações distribuídas ao longo do fluxo, o processo se torna contínuo e passa a apresentar menos interrupções, filas e tempo ocioso. 

O impacto vai além da agilidade na fase de escrita de código. A automação agêntica atua de forma agressiva também nas extremidades do fluxo (upstream e downstream), onde tradicionalmente reside a maior carga cognitiva e de coordenação humana. 

No upstream, a lógica deixa de basear-se em documentação exaustiva e passa a operar por meio de captura de intenção. Ou seja, em vez de descrever detalhadamente cada requisito, as equipes passam a definir o que precisa ser feito e, a partir disso, agentes de IA conseguem gerar especificações sobre quais serviços, APIs e interfaces precisam ser alterados ou criados.

Enquanto isso, no mid e no downstream, os testes e o deploy também são afetados. Processos que antes eram sequenciais e dependentes da disponibilidade de especialistas passam a ser executados de forma contínua, com a promoção autônoma do software entre ambientes e múltiplas variações sendo testadas em paralelo.

"Em vez de fazer os tão conhecidos testes A/B, agora é possível realizar testes A/B/C/D/E/F e escolher qual se comportou melhor para o usuário – o qual também pode ser uma persona simulada por Inteligência Artificial", afirma.

Com tanta autonomia envolvida no processo, Gilson esclarece como a governança precisa ser transformada para garantir a qualidade e a segurança.

Uma das principais mudanças é que, no SDLC tradicional, a qualidade é verificada ao final do processo, enquanto que no Agentic SDLC da CI&T,  ela é construída ao longo do caminho.

“É uma inversão. Em vez de construir rápido e verificar depois, é construído com qualidade passo a passo”, explica o executivo.

Essa abordagem é viabilizada por meio de um mecanismo de pares: há agentes que executam e agentes que revisam, com a intervenção humana mantida como soft touch ou, eventualmente, por amostragem. Essa dinâmica gera a construção progressiva da confiança, de modo que, quanto mais consistentes se mostram os resultados, mais autonomia é transferida aos agentes.

---

Transformação cultural: o efeito colateral

Toda essa tecnologia envolvida provoca uma transformação profunda nas pessoas. A interação com agentes de IA cria novos Ways of Working e altera naturalmente a forma como as equipes pensam e trabalham.

Segundo Gilson, “quando você passa a interagir com uma máquina que constrói mais rápido e entende melhor o que você precisa, você muda a forma como pensa o trabalho.”

Esse efeito pode acontecer de forma orgânica, devido ao uso contínuo, ou de forma intencional, em iniciativas estruturadas em três estágios de maturidade, de acordo com a segurança e contexto tecnológico de cada organização:

• Eficiência de 2x (assistentes/copilotos): foco na produtividade individual. É comum em setores altamente regulados que estão dando os primeiros passos com IA, mas ainda é bastante limitado, quando se considera a performance que hoje pode ser extraída pelo emprego de agentes sintéticos autônomos.

• Eficiência de 5x (execução agêntica): promove o uso de agentes sintéticos autônomos em partes significativas do processo. Requer maior apetite por inovação e maior confiança na automação.

• Eficiência de 20x (hiper eficiência end-to-end): capacitação e transferência de conhecimento para automação total do fluxo de construção, desde a intenção até a produção. Foco na eliminação completa das esperas.

Todos os casos têm em comum a pressão exercida sobre as práticas de engenharia na organização, que pode tornar-se a grande alavanca de aceleração ou o grande fator de fricção ou de bloqueio.

---

O impacto nos modelos comerciais baseados em horas

A abordagem de Agentic SDLC também altera a lógica de contratação de serviços de desenvolvimento de software.

Como parte significativa da execução deixa de ser humana, o tradicional modelo homem-hora perde sentido, dando lugar a modelos baseados na entrega de valor.

Métricas padronizadas, como Business Complexity Points (BCP) ou Pontos de Função, para medir a entrega de forma objetiva, removem a subjetividade de abordagens como os story points.

“Com formas objetivas de metrificar o desenvolvimento de software, a contratação deixa de ser sobre capacidade alocada e passa a ser sobre resultado entregue”, afirma Gilson.

Isso se traduz em formatos como:

• Precificação por throughput (volume de entrega): contratação baseada em pontos por mês (time-box com vazão pré-definida)

• Preço fechado: para cenários de escopo bem definidos

• Modelos orientados a outcomes: em estágios maduros, a precificação pode ser diretamente atrelada aos resultados de negócio (outcomes).

Desta forma, a eficiência se torna palpável, proporcionando aos clientes maior previsibilidade de custos e maior alinhamento entre o investimento e o resultado.

---

Tecnologia como aceleradora de negócio

Tanto as mudanças no processo de desenvolvimento de software, quanto as na cultura culminam em um impacto relevante de negócio.

Ao reduzir o tempo entre a ideia e a execução, a tecnologia deixa de ser percebida como um gargalo e passa a ser uma habilitadora direta do negócio. E, em um cenário competitivo, isso pode fazer a diferença entre liderar e reagir.

“Com mais eficiência, você consegue capturar oportunidades antes. E, muitas vezes, quem chega primeiro define as regras do jogo”, finaliza Gilson.

Para conhecer mais sobre a nova oferta Agentic SDLC da CI&T e outras possibilidades habilitadas pela IA Generativa, clique aqui e entre em contato com nossos especialistas.