<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Erick Carvalho on Medium]]></title>
        <description><![CDATA[Stories by Erick Carvalho on Medium]]></description>
        <link>https://medium.com/@_ErickFC?source=rss-c8a59ed7d494------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*qyqj1BnqriWbc8MZf3OVzA.jpeg</url>
            <title>Stories by Erick Carvalho on Medium</title>
            <link>https://medium.com/@_ErickFC?source=rss-c8a59ed7d494------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 12:14:34 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@_ErickFC/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[O Voto Silencioso]]></title>
            <link>https://medium.com/bar8/o-voto-silencioso-92ca99938d86?source=rss-c8a59ed7d494------2</link>
            <guid isPermaLink="false">https://medium.com/p/92ca99938d86</guid>
            <category><![CDATA[disciplina]]></category>
            <category><![CDATA[carreira]]></category>
            <category><![CDATA[produtividade]]></category>
            <dc:creator><![CDATA[Erick Carvalho]]></dc:creator>
            <pubDate>Tue, 26 May 2026 01:10:06 GMT</pubDate>
            <atom:updated>2026-05-26T01:10:06.585Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*g48SAXG8XEe1VvZQ" /><figcaption>Photo by <a href="https://unsplash.com/@amilaalwis77?utm_source=unsplash&amp;utm_medium=referral&amp;utm_content=creditCopyText">Amila Weerasinghe</a> on <a href="https://unsplash.com/photos/black-chairs-on-brown-wooden-floor-PYD-A_40D8E?utm_source=unsplash&amp;utm_medium=referral&amp;utm_content=creditCopyText">Unsplash</a></figcaption></figure><h4>A eleição privada que você tem contra si mesmo antes do café</h4><p>Cinco e meia da manhã. A luz tímida do dia mal começou a aparecer e a casa inteira ainda está no escuro. O frio do azulejo do banheiro sob o pé descalço. E, antes do café, antes de qualquer pensamento estruturado, antes mesmo de eu lembrar que dia da semana é, alguém senta na cama comigo e começa a falar.</p><p>Ele é eloquente. Ele tem argumentos. Ele me diz, com uma voz que se confunde com a minha, que hoje é diferente. Que ontem o dia foi puxado, que amanhã eu compenso, que dormir mais quarenta minutos não muda nada na vida de ninguém, que a Milla vai me entender se eu for correr só depois do trabalho (a Milla nunca entende, ela me olha de um jeito que decreta sentença, mas ele finge não saber). E quando ele termina a apresentação, ele me oferece uma opção. Não vencer ele. Apenas ceder hoje. Só hoje.</p><p>Esse cara senta na cama comigo todo dia. E todo dia eu voto contra ele, ou voto com ele.</p><p>Eu não tinha nome pra isso. Eu tinha disciplina como prática, como hábito, como rotina, como aquela coisa meio chata e meio nobre que a gente aprende em livros de autoajuda e tenta replicar até desistir. Mas eu nunca tinha visto a disciplina como um sistema eleitoral.</p><p>Uma frase que andei lendo, ouvindo de líderes que admiro e remoendo em conversa com gente que passou por isso antes, e que me fez anotar pra não esquecer, é essa:</p><blockquote><em>Disciplina é escolher a pessoa que você disse que seria sobre a pessoa que você sente vontade de ser, todos os dias</em>. E completa: <em>todo dia, essas duas pessoas estão no mesmo quarto. A tragédia é que só uma delas pode existir</em>.</blockquote><h3>A Sala Onde Você Encontra Você</h3><p>Existe uma sala onde a sua identidade é decidida. Não é o escritório. Não é a sala de reunião. Não é a tela do LinkedIn onde você posta sua versão editada. É uma sala que ninguém vê. Você é o único habitante, o único candidato, o único eleitor, o único auditor. E a votação acontece todo dia, sempre na mesma hora, sempre no mesmo silêncio.</p><p>Numa cadeira da sala está sentada a pessoa que você disse que seria. O profissional que treina. O líder que pensa nos outros antes de pensar na própria reação. O escritor que publica. O pai que ouve. O parceiro que está presente. O atleta que faz o longão mesmo no domingo de chuva. Essa pessoa é o seu eu narrativo. É a versão da sua vida que você conta pra si mesmo quando alguém te pergunta quem você é. É construída com promessas, com compromissos públicos e privados, com objetivos, com manifestos que você escreveu numa caderneta em janeiro.</p><p>Na cadeira em frente está a pessoa que você sente vontade de ser. Cansada. Desanimada. Com sono. Com fome. Com preguiça. Com um motivo legítimo pra abrir uma exceção. Essa pessoa é o seu eu sentido, o seu eu experiencial, o sujeito que vive o momento e responde aos sinais imediatos do corpo e da emoção. Não é vilão. É humano. Mas é míope.</p><p>E as duas estão ali, sentadas, na mesma sala. Olhando uma pra outra.</p><p>Você vota.</p><p>A maioria das pessoas acredita que vota raramente. Acreditam que disciplina é uma escolha que acontece em momentos heróicos, em viradas de vida, em decisões grandiosas. Não é. Disciplina é o que você decide na cama, com sono, sem testemunha, com a opção de voltar a dormir intacta. A maioria das vidas medianas não foi destruída por uma decisão grande errada. Foi corroída por uma sequência longa de pequenos votos pelo conforto.</p><p>E o pior, a parte que dói reconhecer: o voto é silencioso. Ninguém vê. Ninguém te julga. Ninguém te corrige. Você apenas escolhe, dorme, esquece, e amanhã acorda como se nada tivesse acontecido. Mas alguma coisa aconteceu. Você assinou um documento privado que diz <em>eu não sou quem afirmo ser</em>.</p><h3>Identidade Não É Declaração. É Resultado Eleitoral.</h3><p>A gente cresceu acreditando que identidade é uma coisa que a gente descobre. Tem uma essência, lá no fundo, esperando ser revelada. Você &quot;se acha&quot;. Você &quot;descobre quem é&quot;. As terapias de prateleira vendem isso. Os testes de personalidade vendem isso. A indústria do desenvolvimento pessoal vende isso.</p><p>Mentira útil. Identidade não é descoberta. É construída. Não por declaração, e sim por votação acumulada.</p><p>Cada vez que você escolhe a corrida sobre a cama, você não está apenas correndo. Está depositando um voto. Está dizendo, em alto e bom som que só você ouve, <em>eu sou alguém que corre</em>. Cada vez que você abre o livro em vez do feed, está dizendo <em>eu sou alguém que lê</em>. Cada vez que você ouve um colega em vez de cortar a fala dele, está dizendo <em>eu sou um líder que escuta</em>. E cada vez que você cede ao oposto, deposita um voto pelo contrário, e ele entra na contagem com o mesmo peso.</p><p>Identidade, portanto, não é quem você é em pé numa apresentação corporativa. É a maioria dos votos depositados em silêncio na sala fechada. É o resultado, não a intenção.</p><p>E é aqui que mora a primeira brutalidade do conceito: a maioria das pessoas se descreve pela intenção, mas vive a partir do resultado. Você se acha disciplinado porque pretende ser. Você se acha bom líder porque deseja ser. Você se acha bom parceiro porque sonha em ser. E os votos, contados em silêncio ao longo de anos, dizem outra coisa.</p><p>A boa notícia é que essa eleição não fecha nunca. Cada dia é um novo dia de votação. Mas a gravidade pesa: cada voto histórico criou um padrão, e o padrão é como um eleitorado cativo que tende a votar nele mesmo de novo. Quebrar o padrão exige cedo um voto contra a maioria histórica. E o voto isolado contra a maioria parece pequeno, parece inútil, parece &quot;não vai mudar nada hoje&quot;. É exatamente esse o ponto. O voto isolado parece inútil, mas é o único voto possível. Tudo o resto é cálculo retroativo.</p><h3>Os Filósofos Já Sabiam, A Gente Que Esqueceu</h3><p>A primeira vez que esse conceito apareceu na história ocidental, ele não veio com a embalagem do voto. Veio com a embalagem da virtude.</p><p>Aristóteles, há vinte e três séculos, escreveu que a excelência humana não é um ato. É um hábito. <em>Somos aquilo que repetidamente fazemos</em>. A frase virou pôster motivacional barato, mas o que tem por trás dela é cirúrgico. Aristóteles não está dizendo que virtude é treinamento. Está dizendo que virtude é <em>o que sobra</em> depois de muitos votos pequenos. Quem é justo é quem decidiu ser justo dez mil vezes em situações pequenas, até que ser justo virou o caminho de menor resistência interno. Você não acorda virtuoso. Você se constrói virtuoso, voto por voto, em situações onde a justiça custaria mais do que a injustiça.</p><p>Quase dois mil anos depois, os estoicos pegam o mesmo conceito e dão um corpo diferente. Marco Aurélio, imperador romano que escrevia pra si mesmo num caderno enquanto governava o mundo conhecido, repete uma tese só: o homem livre é aquele que governa as próprias paixões com a razão. Quem é escravo dos humores é escravo, ponto. Não importa quantos servos tem em casa. Importa quem decide a direção da sua manhã. E essa decisão, pros estoicos, não é grande gesto. É um exercício diário. Eles chamam isso de <em>prosoche</em>, atenção. A vigilância constante do que você está fazendo com a sua atenção, com a sua reação, com o seu voto.</p><p>Pula mais um milênio e meio. Aparece Kierkegaard, dinamarquês com lupa filosófica em cima da alma humana. Pra ele, a maior angústia da existência não é a morte, nem o vazio, nem o sentido. É a recusa em escolher autenticamente a si mesmo. O sujeito que não vota, que não se posiciona, que se deixa levar pela maré dos humores, vive o que ele chama de desespero. Não o desespero teatral, choroso. O desespero silencioso de quem desistiu de ser autor da própria vida e virou personagem secundário dela.</p><p>Nietzsche, alguns anos depois, cunha um conceito alemão difícil de pronunciar e impossível de esquecer: <em>Selbstüberwindung</em>. Autossuperação. A ideia de que ser quem você é não é um ponto de partida, é um ponto de chegada. Você se torna quem é exercendo poder sobre os próprios impulsos. Quem cede ao impulso não está sendo autêntico. Está sendo conduzido. Autenticidade, nessa leitura, é o oposto do que a cultura contemporânea vende. Não é seguir o seu sentimento. É vencer o seu sentimento quando ele te afasta do que você prometeu ser.</p><p>É a mesma tese, vestida em idiomas e séculos diferentes ao longo da história. Você não é o que sente. Você é o que decide repetidamente fazer com o que sente.</p><p>E hoje, com toda a infraestrutura moderna de conforto, com toda a engenharia de produtos pensados pra capturar a sua dopamina barata, com toda a cultura da validação imediata, essa tese ficou mais difícil de praticar do que em qualquer ponto da história humana. Você não está apenas em luta contra a sua biologia. Está em luta contra um exército inteiro de gente paga pra te fazer perder o voto.</p><h3>A Negociação das Seis da Manhã</h3><p>Volta pra cena inicial. A cama, o frio, o despertador.</p><p>Eu chamo aquele sujeito eloquente que senta na minha cama de &quot;negociador das seis&quot;. E ele é mestre. Ele não vem com argumento ruim. Argumento ruim seria fácil de rebater. Ele vem com argumento bom. Ele cita as suas próprias prioridades de volta pra você. Ele lembra que ontem você dormiu mal porque ficou até tarde resolvendo um problema do time. Ele lembra que essa semana você já correu três vezes. Ele lembra que a Milla, na verdade, vai adorar uma caminhada à tarde, talvez seja até melhor pra ela. Ele lembra que descanso também é importante, que overtraining existe, que líder esgotado é líder ruim, e que cuidar de si é cuidar do time.</p><p>Tudo verdade. Aí está o problema.</p><p>O negociador das seis é diabolicamente inteligente porque ele usa as melhores ideias que você tem contra você. Ele te vende a exceção embalada em sabedoria. Ele te oferece um voto pelo conforto travestido de voto pelo bem-estar. E você, ainda no escuro, sem café, sem oxigênio na cabeça, decide.</p><p>Existe um detalhe psicológico que me ajudou a entender por que ele é tão bom. Pesquisas sobre inércia do sono mostram que, nos primeiros minutos após despertar, o seu córtex pré-frontal (a parte do cérebro que faz raciocínio de longo prazo) ainda está em modo de inicialização, enquanto o sistema límbico (que responde a emoção e impulso imediato) já opera em plena potência. Você está literalmente em desvantagem cognitiva. E o negociador das seis sabe disso. Por isso ele ataca cedo. Ele não negociaria com você às onze da manhã, depois do café, depois de duas reuniões, com a cabeça funcionando. Naquele cenário, você o despacharia em três segundos. Mas às cinco e meia, no escuro, sem nada do seu lado, ele tem uma chance real.</p><p>E aqui mora a sutileza que muita gente perde. A maioria dos votos perdidos não é perdida por preguiça. É perdida por argumento aparentemente racional, em momento de baixa capacidade racional. A preguiça pura seria fácil de combater. O que destrói carreira e identidade é a racionalização eloquente do conforto.</p><p>Por isso a única defesa real é tirar a decisão da sala. Você não decide se vai correr. Você acordou pra correr. A roupa está separada desde a noite anterior. A coleira da Milla está ao lado do tênis. O caminho está mapeado. A regra é &quot;não decido na cama&quot;. A decisão foi tomada ontem à noite, com a cabeça funcional, com o eu narrativo no controle. O que acontece às cinco e meia não é decisão. É execução.</p><p>Decidir na cama é dar entrevista pro negociador. E ele sempre ganha entrevista.</p><h3>Corrida de Longas Distâncias Como Laboratório</h3><p>Eu treino pra minha primeira maratona. Já passei do trigésimo quilômetro, cheguei perto dos trinta e quatro, mas ainda não rodei os quarenta e dois. Não corro bem. Corro o que dá. Mas eu corro. E foi correndo, ao longo dos anos, que eu entendi essa filosofia antes de ter palavra pra ela.</p><p>A maratona tem uma característica que poucos esportes amadores têm: ela é longa demais pra você fingir. Você não chega aos quarenta e dois quilômetros à base de força de vontade no dia. Você chega à base do que você construiu nas dezesseis ou vinte semanas anteriores. Cada treino longo de domingo. Cada série de tiros na terça. Cada corrida regenerativa lenta na quinta. Cada um deles, lá atrás, foi um voto que decidiu se você ia chegar ou não chegar.</p><p>E o quilômetro trinta é onde a filosofia mostra a cara dela.</p><p>Pra quem nunca passou do trigésimo, deixa eu juntar duas coisas. O que eu já comecei a sentir nos meus longões, e o que leio em livros de corrida e escuto de quem já fechou várias maratonas. Os primeiros quinze quilômetros são quase confortáveis. Você está descansado, o ritmo está controlado, a cabeça está fresca. Do quinze ao vinte e cinco, você começa a sentir, mas ainda dá. O corpo está cumprindo o que foi treinado. Aí chega o trinta. E o trinta tem nome técnico, <em>the wall</em>, o muro. Os veteranos descrevem como um lugar onde o glicogênio acabou, o corpo está reclamando, e cada quilômetro depois daquele se sente como cinco. Eu ainda estou conhecendo a sala de espera dele.</p><p>E é exatamente ali que o negociador aparece. Igualzinho ao das seis da manhã. Eloquente. Razoável. Atencioso. Ele te lembra que você não tem nada a provar. Que você já correu trinta. Que o tempo já foi pro espaço, que parar agora e caminhar até a chegada é mais sensato. Que tem uma diferença mínima entre acabar a maratona em quatro horas e quinze ou em quatro horas e quarenta. Que o importante é &quot;respeitar o corpo&quot;. E ele cita autores de fisiologia esportiva que você nunca leu pra reforçar o argumento.</p><p>Todo longão que eu não fechei, foi porque eu votei com ele.</p><p>Todo longão que eu segurei até o fim, foi porque eu lembrei, lá pelo quilômetro trinta e dois, da pessoa que eu disse que seria quando saí de casa às cinco da manhã. E ela estava ali, na cadeira da sala, esperando que eu votasse nela. E eu votei. Não porque o corpo tinha resposta. O corpo não tinha resposta nenhuma. Votei porque a outra opção, a opção de virar a pessoa que cede no quilômetro trinta, era pior do que a dor do quilômetro trinta e três.</p><p>O treino pra maratona ensinou na pele o que filósofo nenhum me ensinou no papel: você não vence o negociador convencendo ele. Ele é mais persuasivo que você no momento crítico. Você vence ele lembrando que existe alguém na outra cadeira, e que essa pessoa também tem direito a existir.</p><p>A Milla nunca correu maratona. Mas a Milla, sem saber, é parte do método. Quando o despertador toca, ela ergue a cabeça. Ela me olha. Ela não tem opinião sobre a minha rotina, mas ela tem expectativa. E a expectativa muda o cálculo. Eu não estou só decidindo por mim. Estou decidindo no contrato implícito que eu tenho com aquele bicho. E o contrato dela é simples: você prometeu, eu confiei, agora a gente vai. Ela vota por mim quando eu hesito. Talvez seja isso que cachorro é: a versão externalizada do nosso eu narrativo, com pelo, latindo baixinho, lembrando que existe um acordo.</p><h3>O Contraponto: Quando o Voto Pelo Descanso É o Voto Mais Disciplinado</h3><p>Aqui eu preciso parar e fazer uma honestidade. Se eu deixar o texto só nessa toada, ele vira tóxico. Vira ode ao perfeccionismo. Vira propaganda de burnout disfarçada de filosofia. E não é isso.</p><p>Existe uma pergunta que eu tive que aprender a fazer, e que demorou pra eu aprender: o que está negociando comigo agora é preguiça ou é colapso?</p><p>Preguiça é o negociador das seis no dia comum. É o sujeito que oferece exceção barata porque o corpo está apenas cansado de uma noite mal dormida normal. Esse cara você ignora. Você vota contra ele e nem se sente mal por isso.</p><p>Colapso é outra coisa. Colapso é quando o seu corpo está sinalizando, há semanas, que tem alguma coisa errada. Que o sono não está restaurando. Que a frequência cardíaca em repouso subiu. Que o humor está baixo. Que a paciência com gente que você ama está curta. Que aquela coisa que antes te dava prazer está dando indiferença. Aí o negociador não é negociador. É um sistema de alarme do seu corpo tentando te dizer que você precisa parar antes que pare por força.</p><p>O voto disciplinado nesse caso é parar.</p><p>E essa é a parte mais difícil de engolir pra quem leva a sério a filosofia do voto. Porque parece ceder. Parece dar a vitória pro negociador. Parece sair perdendo a eleição daquele dia.</p><p>Não é. Disciplina não é fazer sempre o mais duro. Disciplina é fazer, no longo prazo, aquilo que serve à pessoa que você prometeu se tornar. E essa pessoa, a que você prometeu, provavelmente não prometeu se quebrar. Ela prometeu durar.</p><p>Eu aprendi isso da pior forma. Já me machuquei feio em corrida ignorando dor. Já fui pra reunião emocionalmente esgotado e tomei decisão de liderança que envergonha até hoje. Já cobrei resultado de time que precisava de cuidado, não de cobrança. Em todos esses casos, eu achei que estava sendo disciplinado quando, na verdade, estava sendo rígido. E rigidez não é disciplina. Rigidez é o eu narrativo invadindo o espaço do eu sentido e tentando exterminar ele. Quem vence assim, perde no longo prazo.</p><p>O voto saudável reconhece que o eu sentido tem informação. Não é inimigo. É sensor. Quando ele grita, vale ouvir antes de calar.</p><p>A diferença entre disciplina e perfeccionismo é essa. Disciplina é a média ponderada dos seus votos no horizonte de meses e anos. Perfeccionismo é a tentativa neurótica de ganhar todos os votos individuais sem perder nenhum. Disciplina aceita derrota tática pra vencer a eleição estratégica. Perfeccionismo se destrói tentando ganhar até a eleição pra síndico do prédio.</p><p>Antifragilidade, pra usar a palavra de Nassim Taleb, é a aliada da disciplina. Você falha um voto e usa a falha pra aprender, fica mais forte. Falha o mesmo voto, se odeia, e enfraquece. Mesmo evento, trajetórias opostas.</p><p>Por isso eu aprendi a dizer pra mim mesmo, depois de um dia em que perdi a eleição: <em>ok, hoje cedi. Não sou o cara que cede. Sou o cara que cedeu hoje. Amanhã eu volto a votar</em>. A diferença entre &quot;sou&quot; e &quot;cedi hoje&quot; é a diferença entre identidade frágil e identidade construída.</p><h3>Liderança Como Voto Público</h3><p>Eu vi essa filosofia se quebrar e se confirmar muitas vezes em ambiente corporativo. Mas tem um ponto onde ela faz diferença brutal: liderança.</p><p>A grande maioria das pessoas pensa em liderança como uma coleção de habilidades, frameworks e técnicas. Você aprende a dar feedback, aprende a estruturar 1:1, aprende a desenhar OKR, aprende a moderar reunião difícil. E tudo isso conta. Mas tudo isso é segundo lugar.</p><p>Liderança, no fundo, é o voto que você dá em frente a uma audiência. É o sujeito que disse que ia ouvir, sendo ouvinte na hora de uma crise. É o líder que disse que valoriza honestidade, recebendo uma má notícia sem matar o mensageiro. É a pessoa que disse que cuida do time, fazendo a ligação difícil pra mandar alguém embora com dignidade em vez de delegar pro RH.</p><p>Cada um desses momentos é uma cadeira na sala. Numa, a pessoa que você disse que seria como líder. Na outra, a pessoa que tá com vontade de ser hoje, porque tá cansada, porque tá com raiva, porque tá com medo, porque tá decepcionada com o resultado.</p><p>E todo mundo do time tá assistindo. Não com câmera. Com memória.</p><p>Time não confia em líder por causa de palavra de all-hands. Time confia em líder por causa do voto consistente em momentos pequenos. O 1:1 que você não cancelou porque tava ocupado. O feedback duro que você deu sem destruir. O elogio sincero quando alguém entregou bem. A decisão impopular que você tomou porque era a certa, e que você explicou olhando no olho. Cada um desses, voto. E o time, em silêncio, conta.</p><p>A coisa mais dolorosa que eu aprendi liderando gente é que minha pior frustração de liderança nunca foi um sistema que caiu em produção, um deploy que deu errado, um número que não bateu. Minha pior frustração foi ter colocado pessoas em posições erradas. Pessoas que eu vi por uma lente que era mais sobre mim do que sobre elas. Pessoas que eu mantive onde eu sabia que não estavam felizes porque o desconforto da conversa era maior do que minha disposição naquele dia. Pessoas que eu promovi cedo demais porque o time precisava preencher um cargo e o meu eu narrativo (o líder estratégico, paciente, que cuida do longo prazo) perdeu a eleição pro meu eu sentido daquele trimestre (o líder pressionado por entrega imediata).</p><p>Cada uma dessas decisões foi um voto privado contra a pessoa que eu disse que seria como líder. Ninguém me viu votando errado. Eu sabia.</p><p>Liderança consistente é consequência de votos consistentes em situações pequenas, repetidas, sem testemunhas. O resto é teatro.</p><h3>O Comodismo Disfarçado de Autocompaixão</h3><p>Antes de fechar, mais um nó pra desatar. Quem leu até aqui pode ter pensado, em algum momento, que o contraponto sobre autocompaixão e descanso te dá uma carta livre. &quot;Ah, então quando eu estiver com vontade de ceder, posso falar que é colapso e tudo bem.&quot;</p><p>Não.</p><p>Existe uma diferença real entre escutar o corpo e usar o vocabulário de saúde mental como muleta pro comodismo. E essa diferença, infelizmente, só você consegue enxergar. Ninguém de fora pode dizer pra você &quot;isso é colapso real&quot; ou &quot;isso é negociador disfarçado de colapso&quot;. Você sabe.</p><p>A maneira mais honesta que eu encontrei de testar é olhar pra padrão, não pra evento. Um dia que você cedeu porque dormiu mal e tava com a cabeça em outro lugar, ok. Uma sequência de doze dias seguidos onde toda manhã apareceu uma &quot;razão legítima&quot; pra não correr, não é colapso. É padrão. E padrão é voto repetido. E voto repetido vira identidade.</p><p>Autocompaixão genuína cura. Autocompaixão como cortina pra fugir do desconforto da disciplina é o que James Hollis, psicólogo junguiano, chama de &quot;fuga regressiva&quot;. É o adulto se permitindo uma infância eterna porque infância eterna parece confortável. Mas não é confortável. É só morna. E vida morna, no fim, é o pior que pode acontecer com você.</p><p>A disciplina madura não exclui autocompaixão. Ela inclui. Você falha um voto, você reconhece, você se perdoa, você volta a votar amanhã. O perdão é parte do mecanismo. Mas o perdão não é dispensa. Você se perdoa, mas não te dispensa da próxima votação.</p><h3>Os Dominós</h3><p>Vou fechar com a metáfora que mais me marcou em tudo que andei lendo e ouvindo sobre disciplina, e que eu ainda penso quase todo dia.</p><p>A ideia é simples: sem disciplina você não tem vida. Você tem uma série de humores alinhados como dominós, derrubando a pessoa que você deveria se tornar.</p><p>Essa imagem é cruel porque é precisa.</p><p>Cada voto perdido não fica isolado. Ele derruba a peça que sustentaria o próximo passo. Você não correu hoje. Você não vai correr amanhã, porque hoje já provou que você é o tipo de gente que não corre. Você não correu essa semana. Você não vai correr esse mês. Você não correu esse mês. Você não vai fazer a maratona. Você não fez a maratona. Você é alguém que sonhou em fazer maratona. E daqui a vinte anos, você vai contar pra alguém num bar que &quot;também já fui de correr&quot;. E o seu eu narrativo, o que sobrou dele, vai estar sentado em outra sala, num lugar do qual ele não pode mais sair, sabendo que perdeu a eleição muito antes de você se dar conta.</p><p>Tempo não é uma sucessão neutra de momentos isolados. Tempo é causalidade. Cada momento contém o anterior e prepara o próximo. Os dominós caem por uma lógica de física. Você não precisa empurrar todos. Basta empurrar o primeiro errado e o resto faz sozinho. Por outro lado, basta sustentar uma peça em pé, no momento certo, pra mudar a trajetória de toda a fileira.</p><p>A peça em pé é o voto de hoje. Esse voto, sozinho, parece pouco. É pouco. Mas ele é o único pedaço de futuro sobre o qual você tem controle no momento.</p><p>O futuro de longo prazo é a soma de muitos &quot;hojes&quot; consistentes.</p><h3>So Choose</h3><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=92ca99938d86" width="1" height="1" alt=""><hr><p><a href="https://medium.com/bar8/o-voto-silencioso-92ca99938d86">O Voto Silencioso</a> was originally published in <a href="https://medium.com/bar8">Bar8</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[A Prisão do Intelecto]]></title>
            <link>https://medium.com/bar8/a-pris%C3%A3o-do-intelecto-3018c8e02857?source=rss-c8a59ed7d494------2</link>
            <guid isPermaLink="false">https://medium.com/p/3018c8e02857</guid>
            <category><![CDATA[psicologia]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[desenvolvimento-software]]></category>
            <category><![CDATA[carreira]]></category>
            <category><![CDATA[filosofia]]></category>
            <dc:creator><![CDATA[Erick Carvalho]]></dc:creator>
            <pubDate>Sun, 17 May 2026 23:40:26 GMT</pubDate>
            <atom:updated>2026-05-17T23:40:26.409Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*TDwSgNAb0rnNt0EXwC2pUg.jpeg" /><figcaption>Photo by <a href="https://unsplash.com/@tot87?utm_source=unsplash&amp;utm_medium=referral&amp;utm_content=creditCopyText">Piotr Łaskawski</a> on <a href="https://unsplash.com/photos/a-spider-web-with-water-droplets-EWsV7AjNXAw?utm_source=unsplash&amp;utm_medium=referral&amp;utm_content=creditCopyText">Unsplash</a></figcaption></figure><h4>Sobre o Homem do Subsolo, o Eterno Jovem e o Desenvolvedor que se Recusa a Ser Comum</h4><p>Existe uma criança morta dentro de muito desenvolvedor que eu conheço. A criança que tirava nota dez sem estudar. A que ouvia “esse vai longe” de todo professor, todo tio, toda tia, toda visita de fim de ano. A que cresceu acreditando que era brilhante por natureza, e por isso brilhante para sempre.</p><p>Essa criança tá morta. Mas o adulto ainda anda pelo escritório carregando o cadáver dela.</p><p>Eu venho lendo Dostoiévski e Jung de novo nessas últimas semanas, e tenho que ser honesto: era pra ser estudo de fim de noite, virou diagnóstico clínico de coisas que eu vi em mim, em times inteiros, em currículos que recebo, em PRs que revejo, em entrevistas que conduzo. Não escrevo isso de cima. Escrevo de dentro. Tem uma parte do Homem do Subsolo que mora em mim também, e talvez seja exatamente por isso que ele me incomoda tanto.</p><p>Vamos aos arquétipos, porque é deles que sai o espelho.</p><h3>O Porão de Dostoiévski</h3><p>O <em>Notas do Subsolo</em> não tem protagonista com nome. Ele é só “o homem do subsolo”. Vive trancado num porão há vinte anos, sem contato relevante com a sociedade. Se define como doente, mal e desagradável. E o detalhe que faz toda a diferença: ele é, de fato, muito inteligente. Mais lúcido que a média. Profundo, irônico, capaz de dissecar a alma humana com precisão cirúrgica.</p><p>E completamente paralisado.</p><p>O paradoxo de Dostoiévski é o que torna esse personagem imortal: o homem do subsolo se sente superior porque nunca falhou. Mas ele nunca falha porque nunca tenta. Ele julga os outros como fúteis, idiotas, superficiais. E ao mesmo tempo se sente inferior a todos esses idiotas, porque eles ao menos vivem. Eles jantam. Eles erram. Eles se casam. Eles têm carreira. O subsolista tem só consciência. E a consciência, quando hipertrofiada e sem chão, vira veneno.</p><p>A cena central do livro é um jantar. Aos vinte e poucos anos, ele se convida pra um reencontro com ex-colegas de colégio. O Zverkov, o cara bem-sucedido, está lá. O subsolista odeia o Zverkov com toda a força que cabe num peito de vinte e poucos. E mesmo assim implora pra ir. Chega uma hora antes, porque ninguém avisou do atraso. Senta sozinho. Bebe. A vergonha vira raiva. A raiva vira deboche. Sai bêbado, humilhado, perguntando “por que eu vim, meu Deus, por que eu vim?”. E a resposta dói: ele veio porque queria a aprovação dos que dizia desprezar.</p><p>Decanta isso, dev. Quantas vezes você passou horas no reddit ou qualquer outro canal brigando com gente que você jura desprezar, querendo um aprovação deles?</p><p>Depois do jantar, ele vai parar num prostíbulo. Encontra Lisa. Lisa é o personagem moral da novela. É a porta. É a humanidade. Por um instante ele encontra empatia, escuta a história dela, se compadece, dá conselhos. Mas a soberba volta rápido. Ele percebe que está falando mais pra se sentir superior do que pra ajudar. Mesmo assim, num gesto que parece esperança, dá o endereço a ela. Ela vai. Ele recebe. Faz um discurso bonito sobre casamento, amor, família, vida realizada. Ele tem perfeita consciência do que precisa ser feito pra se tornar uma pessoa inteira. E quando Lisa, comovida, oferece conforto depois da humilhação do jantar, ele a rejeita. Volta ao padrão de fábrica. Volta a ser o sujeito super racional que prefere ter razão a ter vínculo.</p><p>O Homem do Subsolo é o que Dostoiévski queria que entendêssemos sobre a mente moderna: intelectual demais pra viver, cético demais pra acreditar, orgulhoso demais pra aprender. A mente se volta contra o corpo. A lucidez vira prisão.</p><p>E o pior: a maioria das pessoas brilhantes que eu conheço se enxergam mais nele do que admitem.</p><h3>O Eterno Jovem de Jung</h3><p>Décadas depois de Dostoiévski, Carl Jung e a discípula dele, Marie-Louise von Franz, descrevem um arquétipo que dialoga em linha direta com o homem do subsolo. Chama-se <em>Puer Aeternus</em>. O eterno jovem. O eterno garoto.</p><p>O Puer vive no mundo das ideias, dos sonhos, dos planos grandiosos. Ele não suporta o peso da realidade. Sempre extraordinário, sempre com grandes projetos, sempre a criança brilhante de “grande potencial”. Ama a promessa. Foge da execução.</p><p>Os elogios da infância (“que inteligente, que talentoso”) viraram a mais cruel das armadilhas: qualquer fracasso, mesmo o mais banal, contradiz a profecia. Então, melhor não tentar. Melhor manter intacta a fantasia. O Puer acumula projetos brilhantes inacabados, sempre com justificativas perfeitas. Acredita, lá no fundo, que tudo é mais difícil pra ele porque ele é especial. Esse pensamento, no fim das contas, é orgulho disfarçado de desculpa.</p><p>A frase que von Franz cunhou e que eu não consigo tirar da cabeça desde que reli: <em>o Puer quer voar, mas teme pousar</em>. O voo é a fantasia. O pouso é o compromisso. Sem pouso, não há construção. Só tentativas interrompidas, energia desperdiçada, vazio depois do entusiasmo.</p><p>E olha o detalhe que von Franz adiciona e que é uma das observações mais brutais de toda a psicologia analítica: o Puer secretamente gosta de ser percebido como incapaz. Porque dessa forma ele foge da responsabilidade. Calcula com precisão o esforço mínimo necessário pra não ser demitido. Calcula a quantidade exata de envolvimento pra um relacionamento não acabar mas também não exigir nada. É um cálculo. É uma equação. É uma gestão de fachada.</p><p>Existe uma explicação neurobiológica pra isso, e ela complica ainda mais a história. Pessoa comum: ao desejar algo, uma liberação suave de dopamina. Ao concluir, uma liberação intensa. No Puer e no subsolista, o circuito é diferente. A simples ideia de agir já desperta emoções negativas. Pensar em falhar ativa não só o núcleo accumbens (dopamina) mas também o sistema límbico (medo, vergonha, ansiedade). O cérebro busca uma saída de emergência: suprimir o límbico e capturar dopamina de outra fonte. E essa fonte está em qualquer lugar onde a recompensa seja barata e instantânea. TikTok. Instagram. games.</p><p>Hábito vira ciclo. Ciclo vira identidade. Identidade vira destino.</p><h3>O Subsolo Tem CEP em São Paulo, em Belo Horizonte, em Recife</h3><p>Você já trabalhou com aquele engenheiro que sabe tudo sobre a stack mais nova, lê todos os papers, segue todos os autores certos em redes sociais, comenta com propriedade sobre arquitetura distribuída, e nunca, em momento algum, fechou uma feature inteira? Esse cara não é incapaz. Ele é brilhante. Ele é o Homem do Subsolo com um terminal aberto.</p><p>Você já viu aquele dev que tem oitenta e sete repositórios no GitHub, todos com commits dos primeiros três dias e zero atividade depois? Um todo-list em Rust. Um clone do Redis. Um sistema operacional do zero. Um framework de testes próprio. Cada repositório era pra ser a obra que faria as pessoas finalmente reconhecerem o gênio. Cada um foi abandonado no momento exato em que o tédio da execução começou a aparecer. Cada um permanece intacto como museu do potencial. Esse dev é o Puer Aeternus com plano gratuito do GitHub.</p><p>Eu posso traduzir os arquétipos em sintomas técnicos pra ficar bem desconfortável.</p><p>Refatoração eterna. Não é compromisso com a qualidade. É o voo que teme o pouso. Enquanto o código está sendo refatorado, ele vive no reino das ideias puras, da arquitetura platônica, da elegância imaculada. No momento do deploy, ele é só código. Funcional, imperfeito, real. O subsolista prefere ser o gênio incompreendido do código limpo do que o adulto funcional que entrega valor de negócio. O deploy é a humilhação. Ser revisado, ser corrigido, ter um bug em produção. Tudo isso é o jantar com o Zverkov.</p><p>Cemitério de side projects. Cada projeto abandonado é uma profecia preservada. Enquanto é só ideia, você ainda é “aquele moleque brilhante que poderia construir o próximo Google se quisesse”. No instante em que você termina e o resultado é “só um app legalzinho”, a profecia morreu. Então melhor abandonar antes de chegar lá. Melhor manter a possibilidade do que assassinar a fantasia com a realidade.</p><p>A soberba do senior estagnado. Aprender uma stack nova exige a coisa que o subsolista mais teme: voltar a parecer iniciante. Ter sotaque. Cometer erros básicos. Fazer pergunta idiota em fórum. Ser júnior de novo, mesmo que por seis meses. A identidade dele está acorrentada a “ser senior”, a “ser o que mais sabe da sala”, a “ser referência”. Ele prefere a miséria intelectual de manter a stack legada do que a felicidade comum de virar júnior em outra coisa.</p><p>Tutorial hell. Esse é o mais sutil porque parece estudo. Consome documentação freneticamente. Lê todos os livros de arquitetura. Maratona cursos da Alura. Acompanha quatorze newsletters. E nunca, nunca, nunca abre o editor pra construir algo original sem tutorial. Estudar sem construir é dopamina barata sem o risco da falha. É a sensação de progresso sem o pouso. É a lucidez como prisão.</p><p>Paralisia por influencer. Você despreza os tech influencers das redes sociais. Você os chama de superficiais, vendedores de curso, especialistas em nada. E passa três horas por dia comparando seu próprio subsolo com o auge editado deles. Isso é o jantar com o Zverkov em alta resolução, em loop infinito, com algoritmo recomendando. Você os insulta mentalmente e anseia pela aprovação deles na mesma respiração. E ver um moleque de vinte e três anos virando Staff Engineer em big tech ativa exatamente o medo da infância: o medo de não cumprir as profecias daquela tia que dizia “esse vai longe”.</p><p>Você se reconheceu em pelo menos um? Em três? Em todos? Tudo bem. Eu também.</p><h3>Quem é a Lisa do Desenvolvedor</h3><p>Lisa não é só a personagem moral do livro. Lisa é qualquer oportunidade de realidade que se oferece ao subsolista. Qualquer porta que se abre. Qualquer chance de sair do porão.</p><p>Pro dev, Lisa aparece em formas reconhecíveis.</p><p>Lisa é o mentor que estende a mão. Aquele engineering manager de quinze anos de estrada que viu seu potencial e se ofereceu pra te ensinar a entregar de verdade. Você ouve, agradece, vai embora e na cabeça já está chamando ele de “vendedor de palestra”, “ultrapassado”, “o cara que vive citando o livro do Domain-Driven Design mas não sabe escrever um teste”. Você humilha o mentor com sarcasmo interno. Você o rejeita. Volta pro porão.</p><p>Lisa é o projeto open source mundano que poderia ter te dado uma carreira sólida. O projeto chato, de documentação, de bugs de CSS, de issue número quatro mil oitocentos e noventa e dois sobre acessibilidade. Era esse projeto que ia te dar fluência real. Mas você queria construir um compilador do zero, um banco de dados próprio, uma linguagem nova. Algo digno do gênio. Você abandonou o open source mundano e nunca contribuiu com o compilador grandioso. Sobrou nada.</p><p>Lisa é a vaga que você sabotou na entrevista. Aquela vaga que era exatamente o que você precisava, no momento certo, com os colegas certos. Você foi pra entrevista cheio de “princípios”. Disse que a cultura era fútil, que o processo era burocrático, que o stack era ultrapassado. Saiu se sentindo íntegro. A verdade é que você estava aterrorizado de ser avaliado e falhar. Era mais fácil incendiar a ponte do que atravessar e descobrir que talvez você não fosse o gênio que pensava ser.</p><p>Lisa é o colega de time que tenta criar vínculo humano com você. O café de quarta. A piada no Slack. O convite pra cerveja depois do trabalho. Você o despreza por ser “muito comum”. Você corta o vínculo porque tem medo de que, na convivência, ele perceba que você é só um Puer Aeternus fingindo ser senior. Você prefere a soledade do subsolo à vulnerabilidade do almoço.</p><p>Lisa é o deploy que você nunca faz. É o seu próprio código pronto, esperando merge, esperando publicação, esperando o teste de produção. Fazer o deploy é pousar. É expor. É deixar o mundo julgar. Você prefere a segurança absoluta do localhost, onde o código roda perfeito, onde nenhum cliente reclama, onde nenhum monitoramento dispara. No localhost, você ainda é o deus incompreendido. No deploy, você vira um dev a mais com um bug em produção.</p><p>Em todos esses casos, e em mais alguns que eu poderia listar, o subsolista escolhe a paralisia. Ele prefere ter razão sobre o mundo ruim do que aceitar a humilhação de ser um ser humano imperfeito. Ele expulsa a Lisa de casa, fecha a porta, volta pro porão. E lá, no escuro, faz o discurso brilhante que ninguém vai ouvir.</p><h3>A IA é a Nova Droga ou o Novo Escudo?</h3><p>Agora a gente entra em terreno onde eu também sou réu.</p><p>A IA generativa fez algo único na história da paralisia intelectual: ela construiu, simultaneamente, a droga perfeita do Puer e o escudo perfeito do subsolista.</p><p>Pro Puer, a IA é dopamina sem caminho. Você abre o Claude Code, escreve um prompt, e em noventa segundos tem quinhentas linhas funcionais de um sistema que parece complexo. Você gerou uma feature. Você é produtivo. Você se sente o gênio. Mas você nunca trilhou o caminho. Nunca estudou a gramática. Nunca penou com debugging real. Nunca quebrou a cabeça tentando entender erros as três da manhã. Você só pegou o atalho. E o atalho não constrói músculo. O atalho mantém você como o eterno jovem que voa de planador motorizado, achando que sabe voar.</p><p>Pro subsolista, a IA é a Lisa que não exige vulnerabilidade. Você não precisa mais perguntar nada em fórum. Não precisa expor sua ignorância pra nenhum colega. Não precisa fazer code review com humanos que possam te julgar. A IA absorve sua pergunta idiota sem julgamento, devolve a resposta com formatação bonita, e você sai dali com o orgulho intacto. Possivelmente, pela primeira vez na história, o subsolista pode produzir sem sacrificar o ego. Pela primeira vez, ele consegue fingir que pousou sem ter pousado de verdade.</p><p><strong>Veredito brutal: a IA permite que o desenvolvedor finja ter resolvido o conflito arquetípico sem ter enfrentado o próprio ego.</strong> O risco contemporâneo é o nascimento de uma geração inteira de devs intelectualmente ilustres demais pra saber como as coisas funcionam de verdade. Uma simulação de competência sustentada por prompts, enquanto o eu real continua imóvel no fundo do subsolo, agora com Cursor aberto.</p><p>Eu uso essas ferramentas todos os dias. Eu não vou aqui fingir o contrário pra dar lição de moral. O ponto é: a ferramenta não vai te curar. A ferramenta pode acelerar a saída ou aprofundar o atolamento, e a diferença está em uma única coisa. Você está usando ela pra agir mais, ou pra adiar a humilhação de aprender de verdade?</p><h3>O Retrato do Adulto Funcional</h3><p>A cura, se é que existe, passa por aceitar ser <em>um adulto funcional</em> em vez de <em>um gênio incompreendido</em>. Eu quero traduzir isso pra carreira de dev sem maquiagem.</p><p>O desenvolvedor adulto funcional não é o cara mais brilhante da sala. Ele tem código rodando em produção há anos. Sabe estimar prazo sem mentir pra si mesmo. Aceita PRs com bugs próprios. Não é o que dá a palestra mais impressionante. Não é o que tem o GitHub mais cheio de stars. Não é o que aparece nos threads das redes sociais sobre arquitetura. Ele é o que entrega. E entrega de novo. E de novo.</p><p>O que esse cara perdeu pra chegar até ali?</p><p>Ele perdeu a pureza do potencial. Assassinou a criança prodígio. Aceitou que potencial sem execução é só mentira confortável. Perdeu o direito de se sentir superior aos outros sob o pretexto de ser “mais profundo”. Perdeu o voo da fantasia, trocou pelo pouso do compromisso. Perdeu a imunidade ao erro. Cada PR dele expõe limitação. Cada deploy é um possível bug. Cada decisão de arquitetura vai ser questionada daqui a dois anos quando o sistema dobrar de escala. Ele perdeu o luxo do desprezo. Não pode mais chamar o “homem de ação” de estúpido comum. Porque ele virou um homem de ação.</p><p>E o que ele ganhou?</p><p>Ganhou a capacidade de construir. Sobreviveu ao tédio da rotina. Atravessou o deserto dos pequenos esforços diários. Ganhou resiliência ao fracasso, porque age sabendo que pode dar errado e age mesmo assim. Saiu da prisão da lucidez. Não é mais intelectualmente ilustre demais pra viver. Ganhou chances reais. Trocou o zero de chance de quem vive só no “poderia ser” por uma probabilidade modesta mas real de sucesso, porque botou a cara a tapa.</p><p>Por que esse cara é praticamente invisível, enquanto o subsolista é admirado pelo “potencial”?</p><p>Porque o subsolista, que nunca tenta, mantém intacta a fantasia de que poderia fazer qualquer coisa se quisesse. Ele é o herói imaculado de uma novela que nunca foi filmada. O adulto funcional, que tenta e às vezes erra, é visível em suas limitações. Tem CEP. Tem PR aberto com bug. Tem post-mortem com seu nome.</p><p>As redes sociais alimentam o mito do gênio destinado. Ninguém posta erros. Ninguém posta a sexta-feira em que o deploy quebrou. Ninguém posta a vaga em que foi reprovado. Você compara seu subsolo com o auge editado dos outros, e a aritmética é desumana.</p><p>Mas tem mais. O adulto funcional é uma ofensa ao subsolista, e por isso é apagado da conversa pública. Porque a existência dele prova que a felicidade comum é alcançável se você só aceitar o sacrifício do ego. E o subsolista prefere acreditar que o adulto funcional é “superficial”, “limitado”, “burocrático”, porque o contrário exigiria admitir que ele mesmo é covarde demais pra agir.</p><h3>A Recusa em Ser Comum</h3><p>Von Franz fez a pergunta explícita: <em>e se o seu potencial for exatamente o que te impede de chegar?</em></p><p>E se aquela frase da tia, “esse vai longe”, tiver te condenado em vez de te abençoar? E se a sua identidade ter sido construída sobre “ser inteligente”, “ser brilhante”, “ser o que aprende rápido”, for o exato motivo pelo qual você não consegue se permitir ser iniciante em coisa alguma? E se a recusa em ser comum for o cárcere mais sofisticado que a inteligência humana já construiu?</p><p>Esse texto não tem uma resposta em cinco passos. Eu não vou te entregar um framework salvador. Não existe. Quem te promete saída fácil pro porão tá vendendo curso.</p><p>O que eu posso dizer, da minha cadeira, com a minha pequena cota de subsolo, é o seguinte. A batalha começa com uma pergunta honesta. Toda vez que você adiar começar uma tarefa, toda vez que você abandonar um projeto, toda vez que você ridicularizar um colega na sua cabeça, toda vez que você sabotar uma oportunidade por “princípio”, pare. Pergunte:</p><blockquote><em>isso é uma escolha racional, ou é meu ego me sabotando? Isso é convicção, ou é medo travestido de exigência?</em></blockquote><p>A diferença entre o adulto funcional e o subsolista mora nessa pergunta. Mora na honestidade brutal de admitir, num momento de silêncio, que o problema não é o mundo. É a recusa em ser comum.</p><p>A cura, se cura é a palavra, não é ação. Pro Puer, ação ainda é fácil quando é grandiosa. A cura é a destruição do próprio ego. É começar falando errado. Escrevendo página ruim. Fazendo o PR que vai ter bug. Postando o post que vai ter erro de português. Subindo o deploy que pode quebrar. É aceitar ser limitado por tempo suficiente pra deixar de ser limitado.</p><p>E mesmo aceitando tudo isso, mesmo trabalhando todos os dias contra o próprio ego, talvez ainda dê errado. Talvez você acabe na média. Talvez nunca seja a estrela que sua tia previu. Mas talvez você acorde aos quarenta e cinco anos sem ser o Homem do Subsolo de quarenta do livro do Dostoiévski, olhando pra trás e enxergando uma vida construída em vez de uma vida planejada.</p><p>Eu prefiro essa aposta.</p><p>Você prefere qual?</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3018c8e02857" width="1" height="1" alt=""><hr><p><a href="https://medium.com/bar8/a-pris%C3%A3o-do-intelecto-3018c8e02857">A Prisão do Intelecto</a> was originally published in <a href="https://medium.com/bar8">Bar8</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[A War Room não resolve incidentes. Resolve ansiedade de gestão]]></title>
            <link>https://medium.com/bar8/a-war-room-n%C3%A3o-resolve-incidentes-resolve-ansiedade-de-gest%C3%A3o-06f56d458e65?source=rss-c8a59ed7d494------2</link>
            <guid isPermaLink="false">https://medium.com/p/06f56d458e65</guid>
            <category><![CDATA[incident-management]]></category>
            <category><![CDATA[devops]]></category>
            <category><![CDATA[software-engineering]]></category>
            <category><![CDATA[remote-work]]></category>
            <category><![CDATA[engineering-management]]></category>
            <dc:creator><![CDATA[Erick Carvalho]]></dc:creator>
            <pubDate>Wed, 22 Apr 2026 11:39:20 GMT</pubDate>
            <atom:updated>2026-04-22T11:39:20.141Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*DnYKe_a4MvlUXO1ts6pKiA.jpeg" /><figcaption>Foto de <a href="https://unsplash.com/pt-br/@britishlibrary?utm_source=unsplash&amp;utm_medium=referral&amp;utm_content=creditCopyText">British Library</a> na <a href="https://unsplash.com/pt-br/fotografias/fotografia-em-escala-de-cinza-da-cidade-francesa-em-merville-Km6TyVXFFmU?utm_source=unsplash&amp;utm_medium=referral&amp;utm_content=creditCopyText">Unsplash</a></figcaption></figure><h4>Por que as war rooms de TI duram horas, esgotam times e raramente resolvem o que precisam resolver, e o que fazer diferente</h4><p>Eram 14h47 de uma sexta-feira quando o sistema entrou em colapso. Em trinta segundos, o Slack virou um carnaval de notificações vermelhas. Em dois minutos, alguém já tinha criado o canal #incident-p1-producao-down. E em dez minutos, estava eu olhando para uma tela de videoconferência com quarenta e três miniaturas de rostos humanos, todos olhando na direção geral da câmera com a expressão coletiva de quem não tem certeza se deve falar ou só observar.</p><p>Era uma war room.</p><p>E as próximas quatro horas foram, provavelmente, as quatro horas mais caras e menos eficientes que aquela organização já pagou.</p><p>Eu já vivi isso dezenas de vezes. Em diferentes empresas, diferentes tamanhos de time, diferentes tecnologias. O roteiro é sempre o mesmo. E hoje quero falar sobre ele com a honestidade que o tema merece, incluindo a parte que ninguém costuma dizer em voz alta.</p><h3>De onde veio a ideia (e por que ela fazia sentido)</h3><p>Londres, 1939. Churchill acabou de assumir como Primeiro Ministro e a Europa está em colapso. Sob os edifícios de Westminster, a uns doze metros abaixo do nível da rua, existe uma estrutura de concreto com cento e onze salas. É o Cabinet War Rooms. É ali que a Segunda Guerra Mundial é gerenciada para o lado britânico.</p><p>Não é metáfora. É literalmente uma sala de guerra.</p><p>O que Churchill precisava era de um lugar onde informação real convergisse em tempo real para pessoas que tinham autoridade para agir. O problema dele era específico: comunicação fragmentada, decisões que precisavam cascatear em minutos, e um teatro de operações onde o custo de uma decisão errada se media em corpos. A centralização de comando não era burocracia. Era necessidade de sobrevivência.</p><p>Aquilo funcionava porque tinha uma estrutura que a maioria das pessoas esquece quando usa o nome emprestado: <strong>uma cadeia de comando muito clara e definida</strong>. Não era “todo mundo opina”. Era uma hierarquia com um tomador de decisão no topo, especialistas que alimentavam aquele tomador com dados precisos, e uma comunicação estruturada para que a informação não virasse ruído.</p><p>A sala de guerra de Churchill não tinha quarenta e três pessoas em videoconferência perguntando umas para as outras se conseguiam ouvir.</p><h3>Como o conceito chegou na TI (e o que aconteceu no caminho)</h3><p>O termo entrou na gestão corporativa gradualmente. Na cultura de startups dos anos 2000, “war room” virou uma metáfora aspiracional. Você estava trabalhando duro. Estava em “modo de guerra”. Havia urgência. Havia importância. Era empolgante.</p><p>Na TI, o modelo encontrou um uso legítimo: resposta a incidentes críticos. Quando um sistema de missão crítica cai, a lógica é: junte os especialistas necessários, centralize a comunicação, coordene a resposta, resolva mais rápido. Faz sentido. Em teoria é quase elegante.</p><p>O ITIL formalizou o conceito como “major incident room”. O Incident Command System (ICS), importado de emergências civis, trouxe uma estrutura com Incident Commander, escriba, especialistas e papéis definidos. Havia rigor. Havia método.</p><p>Aí a prática corporativa pegou o nome, jogou fora o rigor e ficou com a performance.</p><p>O que temos hoje em grande parte dos incidentes de TI não é um ICS. É uma reunião de emergência com o máximo de pessoas que alguém conseguiu convocar em quinze minutos, sem papéis definidos, sem processo claro, sem um único ponto de autoridade. É um tribunal improvisado com pânico de fundo.</p><p>Isso não começa assim. É uma doença de crescimento. Um estudo de caso sobre incident management mapeou cinco estágios dessa degeneração. No início, quando a empresa é pequena, incidentes são resolvidos informalmente por quem sabe. Comunicação direta, sem cerimônia, resolução rápida. Funciona. Aí a empresa cresce. E em vez de escalar o processo de resposta, escala o número de corpos na sala. O que era uma conversa entre três engenheiros vira uma audiência pública com quarenta. Ninguém planejou que seria assim. Simplesmente aconteceu, um incidente de cada vez, até virar cultura.</p><h3>A anatomia de uma war room disfuncional</h3><p>Deixa eu apresentar os personagens. São cinco arquétipos que aparecem em toda war room que já vi descarrilar, e provavelmente você vai reconhecer todos eles.</p><p><strong>O Resolvedor</strong> (1 a 3 pessoas, raramente mais). É quem realmente entende o sistema. Quem viveu o código, sabe onde os logs estão, tem o contexto completo do que pode estar falhando. Na maioria dos incidentes, existe um ou dois desses. Três se você tiver sorte. O problema deles é que ficam presos numa sala com as outras quarenta pessoas.</p><p><strong>O Gestor que Chamou a Reunião</strong> (presente em 100% dos casos). Ele precisa atualizar o gestor dele em tempo real. Então de cinco em cinco minutos interrompe para perguntar: “Onde estamos? O que posso reportar para cima?” Cada interrupção custa ao Resolvedor um fio de raciocínio que levou dez minutos para construir.</p><p><strong>O Especialista de Outro Sistema</strong> (varia). Não tocou nesse componente em oito meses, mas tem uma hipótese. A hipótese não é completamente errada. É só completamente irrelevante para o incidente atual. Ele vai defendê-la por trinta minutos porque ninguém vai ter energia para encerrar educadamente o assunto.</p><p><strong>O Perguntador de Contexto</strong> (sempre presente, sempre benigno, sempre destrutivo). “Quando foi o último deploy? O rollback já foi tentado? Qual é o impacto exato no cliente?” Perguntas razoáveis. Perguntas que o Resolvedor já respondeu para si mesmo na cabeça, mas que agora precisa verbalizar para um humano ao invés de resolver o problema.</p><p><strong>O Executivo que Só Veio Entender a Situação</strong> (o mais caro de todos). Vem em duas variantes. A primeira entrou na call há quinze minutos, não tem contexto técnico suficiente para contribuir, mas tem autoridade suficiente para direcionar a atenção de todos. Quando pergunta “qual é o impacto para o cliente final?”, o Resolvedor para de debuggar e vira um tradutor de jargão técnico para linguagem executiva. A segunda variante é pior: é o executivo que entra já procurando culpado. “Como isso não foi pego antes? Quem aprovou esse deploy? Cadê o teste de regressão?” O incidente ainda está acontecendo, o sistema ainda está fora do ar, e alguém com cargo alto está conduzindo uma investigação disciplinar em tempo real. O Resolvedor agora não está só traduzindo. Está se defendendo. Enquanto deveria estar consertando.</p><p>Some esses cinco arquétipos numa videoconferência. Multiplique por quarenta e três. E pergunte: quem está resolvendo o problema?</p><p>Tem um mecanismo invisível que cola tudo isso junto. Um conceito que aparece na literatura de incident management: <strong>“leadership authority dissolves under pressure”</strong>. A hierarquia que funciona no dia a dia evapora durante um incidente. O gerente que normalmente toma decisões fica paralisado porque não entende o problema técnico. O tech lead que sabe exatamente o que fazer não tem autoridade formal para mandar todo mundo calar a boca. E ninguém sabe quem decide. Então todos opinam. E ninguém resolve.</p><p>E o mais corrosivo: nem todo incidente merece war room. Já vi profissionais de grandes empresas sendo convocados para war rooms até em testes de software. Não era produção fora do ar. Era teste. Quando você usa o protocolo de emergência para tudo, a emergência real perde o significado. E o time de infraestrutura, que deveria estar protegendo produção, estava preso numa call sobre um bug em homologação.</p><h3>O trabalho remoto transformou isso em algo estruturalmente pior</h3><p>A war room física, por piores que fossem suas disfunções, tinha mecanismos de regulação naturais. O silêncio numa sala presencial pesa. A linguagem corporal sinaliza quem está pensando e quem está distraído. O quadro branco tem espaço físico limitado, então alguém inevitavelmente vai até ele e organiza o caos visualmente. E a hierarquia existe no espaço: quem está de pé na frente da sala tem uma posição simbólica diferente de quem está sentado no fundo.</p><p>A war room remota não tem nada disso.</p><p>Quarenta e três thumbnails de tamanho idêntico. Nenhuma pista de quem está com atenção plena e quem está checando Slack em outra janela. Nenhum whiteboard que force síntese. E quando duas pessoas começam a falar ao mesmo tempo, produzimos o ritual bizarro de ambas cedendo simultaneamente, em loop, até que o silêncio seja preenchido pelo mais ansioso.</p><p>Mas o problema mais profundo é o que eu chamo de <strong>teatro de presença</strong>. Numa war room remota, estar na call é uma forma de contribuição simbólica. Sair da call significa não se importar. Então ninguém sai.</p><p>E existe uma motivação que quase ninguém admite, nem para si mesmo: a war room faz as pessoas se sentirem importantes. Chegando ao ponto de agendar uma War Room. Assim, ser convocado para a sala de crise é um sinal de relevância. É uma confirmação silenciosa de que você é alguém que importa na organização. Tem gente que entra na war room não para resolver, mas para ser vista resolvendo. Para estar no e-mail de post-mortem. Para ser mencionada no relatório de incidente. É vaidade corporativa disfarçada de comprometimento. E ninguém vai dizer isso em voz alta porque o custo social de admitir que você está ali por ego, e não por competência técnica, é alto demais.</p><p>O gerente que não tem o que adicionar fica porque sair seria abandonar o time (e perderia a chance de ser visto como líder na crise). O arquiteto de outro produto fica porque foi convidado e seria rude fechar a janela (e porque ser convidado para a war room valida sua posição). O especialista de banco de dados fica mesmo depois de confirmar que o problema não é no banco (porque sair agora, depois de ter sido chamado, seria admitir que não era necessário).</p><p>Cada pessoa extra no canal é barulho cognitivo para o Resolvedor. E o Resolvedor não tem como pedir para as pessoas saírem. Então aguenta.</p><p>Existe um dado de um estudo sobre incident management que não saiu da minha cabeça desde que li. Times de engenharia em crescimento registram <strong>60% mais tempo de resolução</strong> quando mais pessoas entram na war room. Não é correlação fraca. É sistemático. Cada pessoa extra adiciona overhead de coordenação que supera qualquer ganho de capacidade.</p><p>Isso é contra-intuitivo para a intuição gerencial. Mais gente parece mais seguro. Parece mais sério. Parece que você está fazendo o suficiente. E por isso continua acontecendo.</p><h3>O custo que ninguém calcula</h3><p>Uma análise publicada por uma empresa de observabilidade descreveu um incidente real. Quarenta engenheiros numa war room. Quatro horas de duração. Custo apenas em horas de trabalho de TI: vinte mil dólares. Isso antes de contabilizar tempo de inatividade do sistema, impacto nos clientes, churn, SLAs quebrados, ou o post-mortem que veio depois.</p><p>Vinte mil dólares em quatro horas. Para um incidente que provavelmente teria sido resolvido em metade do tempo por cinco pessoas com o espaço cognitivo para trabalhar.</p><p>E tem um custo que ninguém coloca na planilha. Nesse mesmo incidente, quarenta engenheiros passaram as primeiras horas desenhando a arquitetura no quadro branco de memória, porque nenhuma ferramenta dava visão unificada do sistema. Cada time abriu seu próprio console e provou que <em>o serviço dele</em> estava funcionando. O bug? Enterrado três camadas abaixo, numa integração legada que nenhum dashboard individual cobria. A causa raiz vivia exatamente no espaço entre as ferramentas.</p><p>Isso não é fraqueza humana. É incentivo estrutural. Quando cada time tem sua própria observabilidade, cada time consegue se declarar inocente. E o dedo apontado vai para o vizinho. Uma frase que li num post-mortem resume bem: “cada minuto gasto reunindo especialistas é um minuto roubado dos seus clientes.”</p><p>A Dynatrace fez uma pesquisa global sobre o tema. 91% das empresas pesquisadas relataram “jogo de culpa” entre equipes durante incidentes. 49% das equipes de TI descrevem burnout diretamente atribuível à cultura de war room. E 21% já consideraram mudar de emprego por causa do estresse gerado por esse modelo.</p><p>Um em cada cinco engenheiros já pensou em sair da empresa por causa do jeito que a empresa responde a incidentes.</p><p>Pensa nisso por um segundo. O modelo de resposta que você criou para resolver problemas rápido está afastando as pessoas que resolvem problemas.</p><p>É uma ironia que seria engraçada se não fosse cara demais.</p><h3>A contradição estrutural que ninguém admite</h3><p>A war room serve dois propósitos ao mesmo tempo. E eles estão em conflito direto.</p><p><strong>Propósito 1:</strong> resolver o problema o mais rápido possível.</p><p><strong>Propósito 2:</strong> demonstrar resposta organizacional.</p><p>O Propósito 2 nunca é dito em voz alta. Mas ele está sempre presente. O CEO quer ver que “estamos em cima disso”. A equipe de customer success precisa reassegurar clientes. A liderança precisa de um número de pessoas mobilizadas que comunique seriedade. E o jeito que você demonstra seriedade numa organização corporativa é mobilizando gente. Muita gente. Gente visível.</p><p>Então você convoca quarenta e três. E os três que resolveriam em duas horas resolvem em cinco.</p><p>O Propósito 1 e o Propósito 2 são incompatíveis quando o incidente é técnico e especializado. Quanto mais você otimiza para o Propósito 2 (parecer que está agindo coletivamente), mais você prejudica o Propósito 1 (resolver rápido com quem pode resolver).</p><p>A maioria das war rooms que vi na vida eram otimizadas para o Propósito 2 enquanto todo mundo acreditava estar otimizando para o Propósito 1.</p><p>E tem um Propósito 3 que ninguém nunca vai colocar no slide: a war room como palco de relevância pessoal. Quem convoca demonstra controle. Quem é convocado se sente importante. Quem participa tem algo para contar na daily de amanhã. A war room alimenta egos individuais enquanto esgota quem deveria estar trabalhando. É um sistema que recompensa presença e pune competência.</p><p>Esse é o ponto que nunca aparece no post-mortem.</p><h3>Quando funciona (porque existe um jeito de funcionar)</h3><p>Estou sendo duro com o modelo. Mas não sou contrário a ele de forma absoluta. Existe uma versão que funciona, e ela é tão diferente da versão disfuncional que quase merece outro nome.</p><p>Em 2013, durante o Super Bowl, houve um apagão no estádio por 34 minutos. A Oreo tinha uma equipe pequena numa sala, preparada de antemão. Tinham papéis definidos. Tinham processo claro. Em 15 minutos publicaram o tweet “You can still dunk in the dark” que virou um dos casos mais estudados de marketing em tempo real. Aquela war room funcionou porque era enxuta, preparada, com cadeia de decisão clara e sem ninguém na sala que não tivesse uma função específica.</p><p>O Incident Command System funciona quando aplicado de verdade. Um Incident Commander com autoridade real. Um escriba que documenta decisões e hipóteses sem interromper o raciocínio técnico. Especialistas convocados por área de relevância direta ao incidente. Atualizações estruturadas de 10 em 10 minutos para manter stakeholders informados sem que stakeholders invadam o espaço técnico.</p><p>Cinco a oito pessoas no máximo. Todas com papel definido. Todas com razão clara para estar ali.</p><p>Essa estrutura reduz MTTR (Mean Time to Resolution). Documentação sai naturalmente do processo. Blame game perde espaço porque as responsabilidades estão pré-definidas, não sendo atribuídas no calor do momento.</p><p>E existe dado para provar. Empresas que implementaram esse modelo saíram do ciclo das war rooms caóticas. O resultado: <strong>redução de 60 a 75% no tempo de resolução</strong>. Incidentes que levavam 3 horas e meia passaram a ser resolvidos em 45 a 60 minutos. Com metade das pessoas na sala. Metade das pessoas, resolução quatro vezes mais rápida. A conta é simples. Mas exige que alguém aceite dizer “você não precisa estar nessa call.”</p><p>A diferença entre uma war room que funciona e uma que não funciona não é tecnologia, não é o tamanho do incidente, não é o horário. É se existe estrutura intencional ou improvisação coletiva.</p><p>E essa diferença precisa ser decidida antes do incidente. Quando o sistema cai não é o momento de inventar seu modelo de resposta.</p><h3>O peso que cai sobre quem resolve</h3><p>Mas voltemos para quem paga a conta quando o modelo não segue essa estrutura.</p><p>Os que menos podem resolver ficam confortáveis na call. Os que mais podem resolver ficam sobrecarregados.</p><p>O Resolvedor está debuggando o sistema enquanto responde perguntas de gestão, enquanto ouve hipóteses irrelevantes, enquanto explica status para o executivo, enquanto tenta manter um fio de raciocínio técnico que demanda concentração profunda num ambiente que foi construído para destruir concentração profunda.</p><p>E o pior: no final do incidente, quando o problema está resolvido, quem vai aparecer no relatório? A war room. “A war room resolveu o incidente em X horas.” Aquelas quarenta e três pessoas saíram da call com a sensação de ter contribuído para algo. Só o Resolvedor sabe o que foi necessário para chegar ali, e raramente alguém pergunta.</p><p>Esse ciclo tem um nome clínico na literatura de engenharia: <strong>diffusion of responsibility</strong>. Quanto mais pessoas num grupo, menos cada indivíduo sente que a responsabilidade é dele. Numa war room grande, a responsabilidade de resolver diluiu por quarenta e três pessoas, mas a capacidade real de resolver estava concentrada em dois ou três.</p><p>A pressão não dilui. A responsabilidade dilui. Só para quem não pode resolver.</p><h3>O que eu faria diferente</h3><p>Não tenho fórmula mágica. Tenho o que funciona, baseado no que já vi funcionar e no que a evidência diz.</p><p>Primeiro, defina antes de precisar. Escreva um runbook. Defina seus critérios de severidade. Para incidentes SEV-1, qual é o processo? Quem é o Incident Commander? Quem são os SMEs (Subject Matter Experts) por sistema? O escriba é quem? A comunicação para stakeholders externos é de responsabilidade de quem?</p><p>Segundo, limite com critério. Máximo de oito pessoas na war room, e cada uma com função explícita. Se você não sabe qual é a função de uma pessoa ali, ela não deveria estar ali. Isso não é crueldade. É respeito pelo tempo dos que precisam resolver.</p><p>Terceiro, proteja o espaço de quem está trabalhando. Crie um canal separado para atualizações de stakeholders. Nomeie alguém para ser o único ponto de contato entre a equipe técnica e liderança. Proteja os Resolvedores de toda pergunta de status que não seja necessária para a resolução.</p><p>Quarto, simule antes de precisar. War games trimestrais. Incidentes falsos com pressão executiva simulada. As pessoas precisam aprender o protocolo quando não há consequências reais.</p><p>E quinto, o mais difícil de todos: seja honesto sobre qual dos dois propósitos você está servindo em cada decisão. Quando você está chamando a décima pessoa para a war room, é porque essa pessoa vai resolver mais rápido ou porque você precisa mostrar que tomou o problema a sério?</p><p>Não existe resposta errada para essa pergunta. Mas existe uma decisão consciente e uma inconsciente. A segunda é mais cara.</p><h3>Fechamento: a sala que a guerra precisa</h3><p>Churchill tinha uma sala de guerra porque a informação estava fragmentada num teatro de operações continental e precisava convergir num único ponto. Aquilo fazia sentido para o problema dele.</p><p>Em 2026, a maioria dos incidentes de TI não tem problema de informação fragmentada. Temos logs. Temos métricas. Temos dashboards. Temos observabilidade que Churchill nunca sonhou. O problema quase nunca é “não sabemos o que está acontecendo”.</p><p>O problema quase sempre é: “temos dois ou três engenheiros que entendem o sistema fundo o suficiente para resolver isso, e a nossa resposta institucional é cercá-los de quarenta pessoas que precisam de atualizações de cinco em cinco minutos”.</p><p>A guerra que a TI trava em incidentes não é uma guerra de informação. É uma guerra de atenção. E nessa guerra, cada pessoa extra na sala é inimiga de quem resolve.</p><p>Você pode continuar achando que mais gente na war room significa mais seriedade. Significa mais comprometimento. Significa que a organização está respondendo à altura.</p><p>Ou você pode olhar para os dados, para os 49% de burnout, para os 60% de aumento em tempo de resolução, para os $20 mil em quatro horas, para o engenheiro que terminou o turno exausto depois de resolver um problema enquanto gerenciava quarenta e duas outras pessoas.</p><p>E perguntar: a quem essa sala serve de verdade?</p><p>Conta pra mim: na última war room que você viveu, qual era o propósito real? O 1 ou o 2?</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=06f56d458e65" width="1" height="1" alt=""><hr><p><a href="https://medium.com/bar8/a-war-room-n%C3%A3o-resolve-incidentes-resolve-ansiedade-de-gest%C3%A3o-06f56d458e65">A War Room não resolve incidentes. Resolve ansiedade de gestão</a> was originally published in <a href="https://medium.com/bar8">Bar8</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Agentes de IA que Funcionam de Verdade]]></title>
            <link>https://medium.com/bar8/agentes-de-ia-que-funcionam-de-verdade-a8f54b3d9bb8?source=rss-c8a59ed7d494------2</link>
            <guid isPermaLink="false">https://medium.com/p/a8f54b3d9bb8</guid>
            <category><![CDATA[ai-agent]]></category>
            <category><![CDATA[productivity]]></category>
            <category><![CDATA[automation]]></category>
            <category><![CDATA[context-engineering]]></category>
            <category><![CDATA[artificial-intelligence]]></category>
            <dc:creator><![CDATA[Erick Carvalho]]></dc:creator>
            <pubDate>Fri, 27 Mar 2026 16:13:47 GMT</pubDate>
            <atom:updated>2026-03-27T16:13:47.429Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*-lQd731n3QyffRG05TsDvA.jpeg" /><figcaption>Foto de <a href="https://unsplash.com/pt-br/@asphotographypics?utm_source=unsplash&amp;utm_medium=referral&amp;utm_content=creditCopyText">Akshat Sharma</a> na <a href="https://unsplash.com/pt-br/fotografias/braco-robotico-com-pincas-em-um-ambiente-empoeirado-Au8NdOftMaI?utm_source=unsplash&amp;utm_medium=referral&amp;utm_content=creditCopyText">Unsplash</a></figcaption></figure><h4>O guia completo pra sair do chat e montar seu sistema operacional com IA</h4><p>Você usa ChatGPT todo dia e acha que está “usando IA”.</p><p>Eu também achava.</p><p>Até que eu vi alguém rodar um único prompt. Em 4 minutos, o agente pesquisou sobre o cliente. Montou a proposta. Criou um link de pagamento no Stripe. Organizou o projeto no Notion. Redigiu o e-mail de follow-up no Gmail.</p><p>Tudo sozinho.</p><p>Eu estava digitando “me ajuda a escrever esse e-mail” no chat. Ele estava operando uma empresa.</p><p>A diferença não era inteligência. Era arquitetura.</p><h3>A Tese</h3><p>A IA está entrando no que eu chamo de <strong>Estágio 2</strong>. O Estágio 1 foi o chat: pergunta e resposta, ping-pong, você digita e a IA responde. Útil? Sim. Mas limitado.</p><p>O Estágio 2 são os <strong>agentes</strong>. E quem entender essa transição primeiro vai estar 10 a 20 vezes mais produtivo do que quem ficou no chat. Não é exagero.</p><p>É aritmética simples: se você automatiza 3 a 5 processos manuais por semana, em poucos meses sua rotina inteira muda.</p><p>O problema é que a maioria das pessoas não sabe nem o que é um agente de IA. Confundem com chatbot turbinado. E perdem a maior oportunidade de produtividade da década.</p><p>Este post é o guia que eu queria ter lido antes de começar, e como eu já fazia a anos atrás com posts sobre SAP. Sem jargão desnecessário. Com exemplos reais. E com um mapa claro pra você montar seu próprio sistema.</p><h3>Antes de Começar: O Que Agente NÃO É</h3><p>A maioria das pessoas que eu converso sobre agentes reage de um de dois jeitos.</p><p>O primeiro: &quot;Ah, é tipo um chatbot mais sofisticado, né?&quot; Não. Não é.</p><p>O segundo: &quot;Isso é pra programador.&quot; Também não.</p><p>Agente de IA é pra qualquer pessoa que faz trabalho repetitivo e tem 20 minutos pra documentar como faz. Se você sabe escrever um e-mail, sabe configurar um agente. O resto é prática.</p><p>E se você acha que &quot;já usa IA&quot; porque conversa com o ChatGPT, ótimo. Mas conversar com a IA é só o aquecimento. Operar com ela é o jogo.</p><h3>Chat vs. Agente: A Diferença que Muda Tudo</h3><p>Vamos começar pelo básico, porque sem isso o resto não faz sentido.</p><p><strong>Chat é pergunta-resposta.</strong> Você digita algo, a IA responde, e aí <em>você</em> faz o trabalho. É como um ping-pong: vai e volta, vai e volta. A cada rodada, você precisa pensar no próximo passo e pedir de novo.</p><p><strong>Agente é objetivo-resultado.</strong> Você define uma meta:</p><blockquote>monte um site portfolio pra esse cliente</blockquote><p>O agente planeja, executa, verifica e entrega o resultado final. Você não fica no meio do caminho. Ele cuida do processo inteiro.</p><p>Parece sutil, mas a diferença é brutal na prática.</p><p>No chat, você é o maestro. Cada instrumento toca quando você manda. Se você para, tudo para.</p><p>No agente, você é o diretor. Define a visão, e o time executa. Você volta pra conferir o resultado, não pra microgerenciar cada passo.</p><blockquote>A analogia que melhor explica: chat é como pedir pra alguém &quot;me passa o martelo, agora o prego, agora segura aqui”. Agente é como dizer “monta essa estante” e ir tomar um café.</blockquote><h3>O Motor Interno: Observe, Think, Act</h3><p>Todo agente funciona com o mesmo motor por dentro. É um loop de três passos que se repete até a tarefa estar completa.</p><h3>Observe (Observar)</h3><p>O agente olha ao redor. Verifica quais arquivos existem no workspace, checa se tem contexto suficiente, pesquisa informações que faltam.</p><p>Se você pede &quot;crie um site portfolio pro Erickinho Carvalho&quot; e o agente não sabe quem é esse bonitinho, ele não inventa. Ele vai pesquisar. Abre uma ferramenta de busca, coleta informações, e alimenta seu próprio contexto antes de seguir.</p><h3>Think (Pensar)</h3><p>Com as informações em mãos, o agente planeja. &quot;Agora eu sei quem é o Erickinho. O próximo passo é escrever o plano do site e depois o código.”</p><p>Esse passo é invisível pra você. Acontece dentro do modelo. Mas é aqui que a qualidade do agente se define. Um agente bem configurado pensa melhor porque tem mais contexto.</p><h3>Act (Agir)</h3><p>O agente executa. Escreve código, cria arquivos, manda e-mails, acessa APIs. Age no mundo real, não só no mundo das palavras.</p><p>E aqui vem o detalhe que separa agentes bons de agentes mediocres: depois de agir, <strong>o loop recomeça</strong>. O agente observa o resultado da sua própria ação, pensa se precisa ajustar algo, e age de novo se necessário.</p><p>Esse loop (Observe → Think → Act → Observe → Think → Act…) é o que diferencia um agente de um chat glorificado. O chat responde uma vez. O agente itera até resolver.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/0*lnxmiRgJuFLyuX6w" /></figure><h3>Agent Harnesses: O Carro que Roda o Motor</h3><p>Se o LLM (Claude, GPT, Gemini) é o <strong>cérebro</strong>, o agent harness é o <strong>carro</strong>.</p><p>O cérebro pensa. Mas ele precisa de pedais, volante, rodas e estrada pra ir a algum lugar. O harness é a plataforma que conecta o cérebro ao loop, às ferramentas e ao contexto.</p><p>Exemplos de harnesses que existem hoje:</p><ul><li><strong>Claude Code</strong> (Anthropic, rodando dentro do VS Code)</li><li><strong>Codex</strong> (OpenAI)</li><li><strong>Co-work</strong> (interface mais simples, boa pra iniciantes)</li><li><strong>Perplexity Computer</strong> (interface amigável)</li><li><strong>Open Claw</strong> (o mais flexível, mas também o mais difícil de aprender)</li><li><strong>Anti-gravity</strong></li><li><strong>Manis</strong></li></ul><p>A analogia é perfeita: <strong>aprender a dirigir é aprender conceitos</strong>. Acelerador, freio, volante, marcha. Uma vez que você sabe dirigir, pula num Ford ou num Range Rover e dirige do mesmo jeito. O carro muda, os conceitos não.</p><p>O mesmo vale pra agentes. Se você entender os conceitos que estou trazendo aqui (loop, MCP, context engineering, skills), pode usar qualquer harness. A ferramenta é só o veículo. O conhecimento é a habilitação.</p><h3>Por onde começar?</h3><p>Se você nunca usou agentes, minha recomendação é que comece pelo <strong>Co-work</strong> ou <strong>Perplexity</strong>. Interface simples, curva de aprendizado baixa.</p><p>Se você já programa, <strong>Claude Code ou OpenAI Codex dentro do VS Code</strong> é a escolha natural. Roda local, você tem controle total dos arquivos.</p><p>Evite o Open Claw no começo. É o “faroeste dos harnesses. Poderoso, mas sem guardrails. Você vai se perder antes de aprender.</p><h3>MCP: O Tradutor Universal</h3><p>Aqui é onde a mágica começa a ficar séria.</p><p><strong>Model Context Protocol (MCP)</strong> é um padrão criado pela Anthropic que funciona como um tradutor entre o agente e as ferramentas externas.</p><p>Pensa assim: o Notion fala uma língua, o Gmail fala outra, o Stripe fala outra, o Google Calendar fala outra. Sem o MCP, seu agente teria que aprender cada uma dessas línguas separadamente. Inviável.</p><p>O MCP é o intérprete que fica no meio. Ele traduz. O agente fala uma língua só, e o MCP converte pra qualquer ferramenta conectada.</p><p>Na prática, isso significa que um único agente pode:</p><ul><li>Ler seus e-mails no <strong>Gmail</strong></li><li>Verificar sua agenda no <strong>Google Calendar</strong></li><li>Criar projetos no <strong>Notion</strong></li><li>Gerar links de pagamento no <strong>Stripe</strong></li><li>Buscar informações na web via <strong>Perplexity</strong></li><li>Acessar notas de reunião no <strong>Granola</strong></li><li>Ler arquivos no <strong>Google Drive</strong></li></ul><p>Tudo isso sem que você precise ensinar o agente a usar cada ferramenta individualmente. O MCP cuida da tradução.</p><p>É como contratar um assistente que fala 15 idiomas. Você pede em português, e ele resolve com quem quer que precise conversar.</p><h3>Como conectar?</h3><p>Cada harness tem sua forma de adicionar MCP servers (os “conectores”). Em geral, é um arquivo de configuração onde você lista quais ferramentas quer conectar. O harness cuida do resto.</p><p>A lista de MCP servers disponíveis cresce toda semana. Se a ferramenta que você usa ainda não tem um, provavelmente vai ter em breve. E se você programa, pode criar o seu.</p><h3>De Prompt Engineering pra Context Engineering</h3><p>Essa mudança de conceito é, pra mim, a coisa mais importante que aconteceu na IA nos últimos meses.</p><p><strong>Prompt engineering</strong> era a obsessão de 2023–2024. Encontrar o “prompt perfeito”. Escrever instruções cada vez mais elaboradas pra extrair a melhor resposta possível do modelo.</p><p>Funcionava. Mas tinha um teto.</p><p><strong>Context engineering</strong> é o que importa agora. A ideia é simples, mas poderosa: em vez de gastar energia escrevendo o prompt perfeito, você gasta energia <strong>carregando o agente com tanta informação sobre o seu negócio</strong> que qualquer prompt simples gera um resultado excelente.</p><p>Quando o contexto está bem estruturado e detalhado, seu prompt pode ser “escreve um cold e-mail” (estupidamente simples) e o resultado sai incrível.</p><p>Porque o agente já sabe quem é seu cliente ideal, qual é seu tom de voz, qual é sua oferta e como você gosta de fechar.</p><h3>Como isso funciona na prática?</h3><p>Tudo gira em torno de <strong>arquivos Markdown (.md)</strong>.</p><p>Por que Markdown? Porque é o formato mais fácil pra um LLM digerir. PDFs e documentos Word funcionam, mas Markdown é limpo, leve e sem ruído. O modelo lê e entende na hora. (Se você já usa <strong>Obsidian</strong>, melhor ainda. Dá pra conectar seu vault inteiro como contexto do agente. Base de conhecimento pessoal vira contexto de trabalho.)</p><p>Os dois arquivos fundamentais são:</p><h4>agents.md</h4><p>Esse é o <strong>prompt de sistema</strong> do seu agente. Ele é carregado automaticamente toda vez que o agente inicia uma sessão. Pense nele como a “carteira de identidade” do agente.</p><p>O que vai dentro:</p><ul><li><strong>Quem é o agente:</strong> “Você é meu assistente executivo. Seu papel é gerenciar minha agenda, inbox e follow-ups.”</li><li><strong>Contexto do negócio:</strong> “Eu sou fundador da empresa X, que faz Y. Nossos clientes são Z.”</li><li><strong>Preferências:</strong> “Sempre use tom formal com clientes, informal com o time interno.”</li><li><strong>Instruções de comportamento:</strong> “Antes de agir, sempre verifique a pasta /contexto pra informações atualizadas.”</li></ul><p><strong>Regra de ouro: mantenha esse arquivo com no máximo 200 linhas.</strong> Mais do que isso, as instruções começam a se contradizer. Se você tem muito contexto, coloque em uma pasta separada e instrua o agente a ler essa pasta quando precisar.</p><h4>memory.md</h4><p>Esse é o arquivo de <strong>memória controlada</strong> do agente. Toda vez que o agente aprende algo novo sobre você (uma preferência, uma correção), ele atualiza esse arquivo.</p><p>“Nunca assine e-mails com ‘Abraços’. Use ‘Atenciosamente’.” “O cliente X prefere receber relatórios em PDF, não em Google Docs.” “Sempre incluir preço no orçamento, nunca dizer ‘sob consulta’.”</p><p>Isso resolve um problema sério que o chat tem: <strong>memory bleed</strong>.</p><h4>O Problema do Memory Bleed</h4><p>No ChatGPT ou em qualquer chat com memória na nuvem, a IA salva automaticamente tudo o que você fala. E você não controla o que ela guarda.</p><p>Resultado: você discute um problema pessoal num dia, e no dia seguinte, quando pede um texto profissional, o modelo pode trazer contexto totalmente aleatório e desconexo da conversa anterior. A memória “sangra” entre assuntos.</p><p>Com agentes, a memória é <strong>local e manual</strong>. Você decide o que o agente lembra. Fica num arquivo que você pode ler, editar e deletar quando quiser. Zero surpresas.</p><h3>Skills: Os SOPs Digitais do seu Agente</h3><p>Se context engineering é o que dá ao agente <strong>conhecimento</strong>, skills são o que dão ao agente <strong>habilidade</strong>.</p><p>Uma skill é basicamente um <strong>SOP (Procedimento Operacional Padrão) em formato de arquivo Markdown</strong>. Você descreve um processo uma vez, e o agente nunca mais precisa aprender aquilo de novo.</p><p>Pensa assim: toda vez que você explica pro estagiário como fazer relatório de despesas, você gasta 30 minutos. Se você escreve o processo num documento e entrega pro próximo estagiário, ele lê e faz sozinho. Skill é isso, só que pro seu agente.</p><h3>Exemplos reais de skills:</h3><p><a href="https://github.com/anthropics/skills/tree/main/skills">skills/skills at main · anthropics/skills</a></p><p><a href="https://github.com/anthropics/skills/blob/main/skills/pptx/SKILL.md"><strong>PPTX Skill</strong></a><strong>: </strong>Use esta skill sempre que um arquivo .pptx estiver envolvido de qualquer forma, seja como entrada, saída ou ambos. Isso inclui: criar decks, pitch decks ou apresentações; ler, interpretar ou extrair texto de qualquer arquivo .pptx (mesmo que o conteúdo extraído vá ser usado em outro contexto, como e-mail ou resumo); editar, modificar ou atualizar apresentações existentes; combinar ou dividir arquivos de slides; trabalhar com templates, layouts, speaker notes ou comentários. Acione esta skill sempre que o usuário mencionar “deck”, “slides”, “presentation” ou fizer referência a um arquivo .pptx, independentemente do que ele pretende fazer com o conteúdo depois. Se um arquivo .pptx precisar ser aberto, criado ou manipulado, use esta skill</p><p><a href="https://github.com/anthropics/skills/blob/main/skills/pdf/SKILL.md">PDF Processing Guide</a>: Use esta skill sempre que o você quiser fazer qualquer coisa com arquivos PDF. Isso inclui ler ou extrair texto/tabelas de PDFs, combinar ou mesclar vários PDFs em um só, dividir PDFs, rotacionar páginas, adicionar marcas d’água, criar novos PDFs, preencher formulários PDF, criptografar/descriptografar PDFs, extrair imagens e fazer OCR em PDFs escaneados para torná-los pesquisáveis. Se o usuário mencionar um arquivo .pdf ou pedir para gerar um, use esta skill.</p><h3>Como criar uma skill?</h3><p>Dois caminhos:</p><p><strong>Caminho 1: Skill Creator Skill (sim, é uma skill que cria skills)</strong></p><p>Você faz upload de uma fonte de conhecimento (transcrição de curso, artigo, documento técnico) e pede: “Com base nesse material, crie uma skill de [X].” O agente extrai o conhecimento, estrutura em Markdown, e salva como skill pronta pra usar.</p><p><strong>Caminho 2: Captura manual</strong></p><p>Você faz a tarefa junto com o agente uma vez. Guia ele pelo processo, corrige o que sai errado, até ficar do jeito certo. Depois, manda: “Cria uma skill com tudo que a gente acabou de fazer.” O agente empacota o processo inteiro num arquivo.</p><p>O segundo caminho é poderoso porque captura nuances que você nem sabia que tinha. Aquelas decisões que você toma no automático (“ah, pra esse cliente eu sempre mando em PDF”) viram regras explícitas na skill.</p><h3>Skills globais vs. Skills de projeto</h3><p><strong>Skills globais</strong> ficam disponíveis pra todos os seus agentes, em qualquer contexto. Exemplo: uma skill de “truncar texto” que pega qualquer texto e encurta sem perder significado. Útil em qualquer departamento.</p><p><strong>Skills de projeto</strong> ficam restritas a uma pasta específica. A skill “Sebastian Refer” não precisa aparecer quando você está analisando anúncios do Meta. Ela só faz sentido no contexto do assistente executivo. Manter skills no escopo certo evita poluir o contexto do agente com informação irrelevante.</p><h3>Quando o Sistema Começa a Trabalhar por Você</h3><p>Quando eu montei meu primeiro AIOS, levei um final de semana inteiro. Achei que era exagero. Na segunda-feira, meu agente me entregou o briefing do dia em 3 minutos. Eu gastava 40 fazendo isso manualmente.</p><p>Na quarta, ele já tinha aprendido que eu não gosto de reunião antes das 08h. Eu não ensinei. Ele captou da minha forma de reorganizar a agenda e registrou no memory.md.</p><p>Foi ali que eu entendi: o valor não está no primeiro dia. Está na semana 4, quando o agente já te conhece melhor, dentro de determinados escopos, que as pessoas trabalhando com você.</p><p>E isso nos leva à estrutura que conecta tudo.</p><h3>O Sistema Operacional de IA (AIOS)</h3><p>Aqui é onde tudo se conecta.</p><p>Imagine que seu computador tem uma pasta principal. Dentro dela, subpastas pra cada “departamento” da sua vida ou empresa:</p><pre>/meu-aios/<br>├── assistente/<br>│   ├── claude.md<br>│   ├── memory.md<br>│   └── skills/<br>│       ├── daily-brief.md<br>│       ├── erickinho-refer.md<br>│       └── meeting-followup.md<br>├── preferencias/<br>│   ├── claude.md<br>│   ├── memory.md<br>│   └── skills/<br>│       ├── avaliacoes-lugares.md<br>│       └── content-calendar.md<br>├── weekend/<br>│   ├── claude.md<br>│   ├── memory.md<br>│   └── skills/<br>│       ├── expense-report.md<br>│       └── invoice-generator.md<br>└── contexto/<br>    ├── brand-voice.md<br>    ├── icp.md<br>    └── company-info.md</pre><p>Cada pasta é um “departamento” com seu próprio agente, sua própria memória, e suas próprias skills. O agente do marketing não sabe (e não precisa saber) como funciona o financeiro. Cada um opera no seu escopo.</p><p>A pasta /contexto/ é compartilhada. Contém informações da empresa que todos os agentes podem acessar quando precisarem.</p><p>Isso é um <strong>AI Operating System</strong>. Não é um app. Não é uma ferramenta. É uma estrutura de pastas e arquivos que, combinada com um harness e MCPs, automatiza departamentos inteiros.</p><h3>O poder de encadear skills</h3><p>Skills individuais já são poderosas. Mas o salto real acontece quando você as encadeia.</p><p>Exemplo: possuo uma skill de &quot;Weekend Planner&quot; roda na quinta-feira à tarde e entende, pela minha agenda, que eu ainda não tenho nada reservado para o final de semana. A partir disso, ela consulta automaticamente a agenda cultural da minha cidade com base nas minhas preferências, identifica opções alinhadas ao meu perfil, como restaurantes, festivais, eventos e experiências, e organiza sugestões relevantes para mim.</p><p>No caso de eu decidir seguir com alguma das opções, a automação então monta um plano completo e me enviar no WhatsApp com um roteiro estruturado, links úteis, detalhes sobre necessidade de reserva, previsão do tempo e outras recomendações pertinentes para que eu consiga executar o plano com facilidade. Em alguns casos, se a integração permitir, parte dessas reservas pode até ser feita automaticamente.</p><p>Eu não precisei pedir cada etapa separadamente. O sistema entendeu o contexto, identificou a oportunidade e organizou a experiência para mim.</p><p>Esse é o poder de um harness bem estruturado: uma única intenção de alto nível pode disparar várias ações coordenadas em diferentes ferramentas e fontes de informação.</p><p>Além disso, a maioria dos harnesses permite agendar skills para rodarem em horários fixos. Por exemplo: revisar sua agenda toda sexta para sugerir planos para o fim de semana, monitorar eventos da cidade ao longo da semana, ou consolidar recomendações com antecedência suficiente para facilitar reservas e organização. É automação que trabalha de forma proativa, sem depender de você lembrar de cada passo.</p><h3>O Funcionário 100x</h3><p>Esse conceito, mudou minha forma de pensar sobre produtividade com IA.</p><p>A ideia é que no futuro próximo, todo profissional vai entrar num emprego já com seu próprio AIOS. Um sistema pessoal de agentes, skills e automações que ele construiu ao longo do tempo.</p><p>Na prática funciona assim:</p><p><strong>Semana 1:</strong> Você identifica que gasta 20 minutos por dia organizando sua inbox manualmente. Cria uma skill de triagem de e-mails. Automatiza.</p><p><strong>Semana 2:</strong> Percebe que toda segunda-feira faz o mesmo relatório de métricas. Cria uma skill. Automatiza.</p><p><strong>Semana 3:</strong> Nota que o processo de onboarding de cliente tem 12 passos que sempre são iguais. Cria uma skill. Automatiza.</p><p><strong>Semana 10:</strong> Metade da sua rotina operacional roda sozinha.</p><p><strong>Semana 20:</strong> Você está usando seu tempo pra pensar estrategicamente enquanto seus agentes executam o operacional.</p><p>3 a 5 processinhos automatizados por semana. Parece pouco. Mas compostos ao longo de meses, transformam um profissional comum num profissional que entrega como um time inteiro.</p><p>Isso é o <strong>funcionário 100x</strong>. Não é sobre trabalhar mais. É sobre automatizar o repetitivo e investir a energia no que só humano sabe fazer: julgar, criar, conectar, decidir.</p><h3>Segurança: O Agente Precisa de Limites</h3><p>Antes que você saia dando acesso irrestrito ao seu agente, um aviso importante.</p><p><strong>Agentes são poderosos. E poder sem controle é risco.</strong></p><p>A boa notícia: os harnesses de empresas grandes (Claude, Codex) são seguros por padrão. Empresas com bilhões em jogo não vão deixar seu agente vazar dados. Mas você ainda precisa controlar o escopo.</p><h3>Princípio: acesso mínimo necessário</h3><p>Se o agente só precisa ler seus e-mails, dê acesso de <strong>leitura</strong>. Não dê acesso de escrita até ter certeza de que ele faz a coisa certa.</p><p>Se o agente analisa seus anúncios no Meta, comece com <strong>read-only</strong>. Não dê acesso ao orçamento de campanhas. Um agente com acesso ao orçamento pode, em teoria, ajustar gastos que você não autorizou.</p><p>Se você usa Open Claw (o “faroeste” dos harnesses), tenha atenção redobrada. A flexibilidade que ele dá vem junto com responsabilidade que ele não assume por você.</p><p><strong>Regra prática:</strong> trate o agente como um funcionário em período de experiência. Dê acesso gradual. Monitore. Só expanda privilégios quando tiver confiança.</p><h3>Montando seu AIOS do Zero: Passo a Passo</h3><p>Chega de teoria. Vamos ao que interessa.</p><h3>Passo 1: Escolha seu harness</h3><p>Se você nunca usou agentes, comece pelo <strong>Co-work</strong> ou <strong>Perplexity Computer</strong>. Interface simples.</p><p>Se já programa, vá de <strong>Claude Code no VS Code</strong>. Controle total, roda local.</p><h3>Passo 2: Crie seu primeiro claude.md</h3><p>Não precisa escrever do zero. Abra o chat do seu harness e diga:</p><p><em>“Me faça perguntas pra montar meu arquivo de contexto. Quero que você entenda meu negócio, meu público, minhas preferências e meu tom de voz.”</em></p><p>O modelo vai te entrevistar. Responda com honestidade e detalhe. Depois, peça pra ele consolidar tudo num claude.md.</p><p>(Dica: se digitar te parece lento, use ferramentas de transcrição por voz como <strong>Monologue</strong> ou <strong>Whisper Flow</strong>. Você segura um botão, fala o que precisa, e a ferramenta transcreve em texto limpo. Alimentar o agente fica tão rápido quanto pensar em voz alta.)</p><h3>Passo 3: Configure o memory.md</h3><p>Comece vazio. Instrua o agente (no claude.md) a atualizar esse arquivo toda vez que aprender algo novo sobre você. Com o tempo, ele vai acumular preferências e ficar cada vez mais preciso.</p><h3>Passo 4: Conecte suas ferramentas via MCP</h3><p>Gmail, Calendar, Notion, Stripe, o que fizer sentido pra você. Cada harness tem documentação sobre como adicionar MCP servers. Siga o passo a passo da documentação do seu harness.</p><h3>Passo 5: Faça sua primeira tarefa com o agente</h3><p>Algo simples. “Resuma meu inbox de hoje e me diga o que precisa de atenção urgente.” Veja como ele se comporta. Corrija o que sair errado. Essas correções vão pro memory.md.</p><h3>Passo 6: Crie sua primeira skill</h3><p>Depois de fazer uma tarefa 2–3 vezes com o agente, diga: “Cria uma skill com esse processo que a gente acabou de fazer.” Ele empacota, você revisa, e nunca mais precisa ensinar aquilo de novo.</p><h3>Passo 7: Repita. Toda semana.</h3><p>3 a 5 novos processinhos automatizados por semana. Em um mês, você já tem um departamento rodando. Em três meses, é outro nível.</p><h3>O Contra-argumento: “Mas Agentes Ainda Falham Muito”</h3><p>Sim. Falham.</p><p>O Remote Labor Index (Scale AI + Center for AI Safety) testou agentes em 240 projetos reais do Upwork. O melhor completou 2,5% com qualidade aceitável. 97,5% de falha.</p><p>Benchmarks de manutenção de código mostram que 75% dos modelos quebraram funcionalidades que já funcionavam.</p><p>Então por que estou te recomendando usar agentes?</p><p>Porque <strong>o contexto muda tudo</strong>.</p><p>Esses benchmarks testam agentes “crus”, sem contexto, sem memória, sem skills. É como testar um funcionário novo no primeiro dia, sem onboarding, sem manual, sem ninguém pra perguntar. É claro que ele vai errar.</p><p>Quando você faz context engineering direito (o claude.md, o memory.md, as skills, os MCPs), o agente opera num nível completamente diferente. Ele ainda erra. Mas erra menos, e quando erra, você corrige e ele nunca erra da mesma forma de novo (porque a correção vai pro memory.md).</p><p>O gap entre “agente cru” e “agente com contexto” é gigantesco. E quem reclama que “IA não funciona” geralmente nunca saiu do Estágio 1.</p><h3>A Mudança Real Não É Tecnológica</h3><p>Vou te dizer algo que talvez incomode.</p><p>A barreira pra usar agentes de verdade não é técnica. Não é saber configurar MCP ou escrever Markdown.</p><p>A barreira é <strong>documentar o que você sabe</strong>.</p><p>A maior parte do conhecimento que faz uma empresa funcionar vive na cabeça das pessoas. Nos acordos informais, nas decisões que nunca viraram documento, nas preferências que “todo mundo sabe” mas ninguém escreveu.</p><p>Quando você monta um AIOS, é forçado a externalizar esse conhecimento. A escrever o “porquê” das coisas, não só o “o quê”. E esse processo, por si só, já vale o investimento.</p><p>Mesmo que você nunca usasse o agente depois, o exercício de documentar seus processos, preferências e contexto de negócio já te tornaria um profissional melhor. Porque te obriga a pensar com clareza sobre o que faz e por que faz.</p><p>O agente é só o bônus.</p><h3>O Mapa Mental</h3><p>Se tudo isso parece muito, aqui está o resumo visual da arquitetura:</p><pre>VOCÊ (define o objetivo)<br>  ↓<br>HARNESS (Claude Code, Codex, Co-work...)<br>  ↓<br>LLM (o cérebro: Claude, GPT, Gemini)<br>  ↓<br>LOOP (Observe → Think → Act → repete)<br>  ↓<br>MCP (conecta com Gmail, Notion, Stripe...)<br>  ↓<br>CONTEXTO (agent.md + memory.md)<br>  ↓<br>SKILLS (SOPs em Markdown)<br>  ↓<br>RESULTADO (tarefa executada)</pre><p>Cada camada se apoia na anterior. Sem harness, o LLM é só um chat. Sem MCP, o agente não alcança suas ferramentas. Sem contexto, o agente não sabe quem você é. Sem skills, ele aprende do zero toda vez.</p><p>O sistema completo é maior que a soma das partes.</p><p>A IA não vai substituir profissionais. Mas profissionais com sistemas de IA vão substituir profissionais sem.</p><p>Não estou falando de futuro distante. Estou falando de agora. De gente que hoje, neste momento, roda departamentos inteiros com pastas de Markdown e agentes conectados.</p><p>A pergunta que fica: você vai montar seus trilhos, ou vai continuar digitando “me ajuda com esse e-mail” no chat?</p><p>A resposta não é urgente. Mas a vantagem competitiva de quem respondeu primeiro, essa sim é irreversível.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=a8f54b3d9bb8" width="1" height="1" alt=""><hr><p><a href="https://medium.com/bar8/agentes-de-ia-que-funcionam-de-verdade-a8f54b3d9bb8">Agentes de IA que Funcionam de Verdade</a> was originally published in <a href="https://medium.com/bar8">Bar8</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Framework Vivo de IA: Como Escalar com Autonomia e Responsabilidade]]></title>
            <link>https://medium.com/bar8/framework-vivo-de-ia-como-escalar-com-autonomia-e-responsabilidade-df3a12948177?source=rss-c8a59ed7d494------2</link>
            <guid isPermaLink="false">https://medium.com/p/df3a12948177</guid>
            <category><![CDATA[technology]]></category>
            <category><![CDATA[tech]]></category>
            <category><![CDATA[developer]]></category>
            <category><![CDATA[data-governance]]></category>
            <category><![CDATA[ai-governance]]></category>
            <dc:creator><![CDATA[Erick Carvalho]]></dc:creator>
            <pubDate>Fri, 31 Oct 2025 01:46:07 GMT</pubDate>
            <atom:updated>2025-10-31T01:46:07.909Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*0Pfae8U9ptILnlDohcL6Sg.jpeg" /><figcaption>Foto de <a href="https://unsplash.com/pt-br/@axelrodsun?utm_source=unsplash&amp;utm_medium=referral&amp;utm_content=creditCopyText">Alexander Rodionov</a> na <a href="https://unsplash.com/pt-br/fotografias/um-close-up-de-uma-estrutura-metalica-com-um-relogio-Q5YRBvQybiY?utm_source=unsplash&amp;utm_medium=referral&amp;utm_content=creditCopyText">Unsplash</a></figcaption></figure><h4>Governança de IA Zero-to-Hero: o mapa prático para sair do teatro de compliance e construir IA responsável, resiliente e auditável.</h4><p>E aweeee meu povo, chega de fingir que &quot;experimentação livre&quot; é o mesmo que ter uma estratégia. Sem um caminho definido, cada squad se torna especialista em Shadow AI, e ninguém assume a bronca quando o modelo alucina na frente do cliente.</p><p>Governança de IA não pode ser uma planilha de canto ou um checklist genérico. A gente precisa de um framework vivo, com pilares bem definidos, responsáveis claros, etapas mensuráveis e KPIs como MTTD/MTTR, custo por inferências e percentual de lineage auditável, que conecte segurança, compliance, engenharia e negócio num painel único.</p><h4>Quem Treinou Isso? E Outras Perguntas que Você Vai Odiar na Auditoria</h4><p>Nos últimos meses, praticamente todas as empresas resolveram &quot;experimentar&quot; IA generativa. O resultado? Dados sensíveis replicados em notebooks improvisados do databricks, prompts espalhados por repositórios aleatórios e weights escondidos em Colabs pessoais. Quando a falha explode, ninguém sabe dizer quem aprovou o dataset, quem treinou o modelo ou quem liberou o endpoint.</p><p>Os processos clássicos de TI e jurídico nasceram numa era determinística. Agora, segurança precisa dialogar com ética, engenharia tem que provar conformidade, e o board exige saber o custo por decisão de IA. Sem um framework unificado, cada área cria sua própria versão da realidade, e o caos volta na próxima auditoria.</p><p>É por isso que com este post eu trago uma ideia de Framework Vivo de Governança de IA apresentando:</p><blockquote>Cinco pilares conectados, com artefatos acionáveis e métricas que traduzem risco em decisão.</blockquote><h4><strong>Ponto de Virada: Quando a Segurança Assume a Governança</strong></h4><p>O aumento dos incidentes trouxe perguntas desconfortáveis:</p><ul><li>Como prevenir data poisoning quando squads importam datasets sem qualquer classificação?</li><li>Quem se responsabiliza por model theft se a feature store não tem controle granular?</li><li>Como comprovar que o endpoint em produção passou por revisão de viés e privacidade?</li></ul><p>A investigação sempre começa na segurança, mas logo escorrega para debates sobre ética, compliance e custo. Sem um caminho claro, cada área empurra o problema para a próxima, e o ciclo nunca se fecha.</p><h4><strong>Dilema das Alucinações</strong></h4><p>Quando um LLM alucina, a segurança se preocupa com exfiltração, a engenharia sugere tuning, o time de dados culpa a base, e o jurídico pergunta se temos cláusula de isenção. Todo mundo tem uma pouco de razão, e é exatamente por isso que precisamos de owners claros e gates bem definidos. Sem isso, a discussão vira um jogo de retórica, e o problema continua sem dono.</p><h4><strong>Os Cinco Pilares do Framework Vivo</strong></h4><p><strong>Organização &amp; Propriedade: </strong>Modelo operacional claro (centralizado, federado ou híbrido), com definição de papéis críticos: sponsor executivo, comitê de risco, responsável por dados, AI Ops lead e guardião de ética. Cada decisão precisa ter um dono, e cada dono, uma função clara no ciclo de vida da IA.</p><p><strong>Legal &amp; Ética Aplicada: </strong>Matriz de regulamentações (<a href="https://artificialintelligenceact.eu/">EU AI Act</a>, <a href="https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709.htm">LGPD</a>, <a href="https://www.ftc.gov/ai">FTC</a>, <a href="https://www.hhs.gov/hipaa/index.html">HIPAA</a>), com templates prontos para <a href="https://ico.org.uk/for-organisations/uk-gdpr-guidance-and-resources/accountability-and-governance/data-protection-impact-assessments-dpias/">DPIA/RAI</a> e um catálogo de cláusulas contratuais específicas para IA. Governança jurídica precisa deixar de ser reativa e virar artefato operacional.</p><p><strong>Dados &amp; AI Ops: </strong>Lineage ponta a ponta (bronze &gt; gold &gt; features &gt; modelos), inventário de prompts, versionamento de weights e políticas de deployment com SLOs definidos para detecção (MTTD) e correção (MTTR). Ops não é suporte, mas sim infraestrutura de confiabilidade.</p><p><strong>Controles &amp; Gates: </strong>Checklists auditáveis em cada estágio (ingestão, feature store, treino, avaliação, serving), com métricas como: % de assets com owner definido e % de experimentos reprodutíveis. <strong>Se não é rastreável, não é confiável.</strong></p><p><strong>Mensuração &amp; Feedback: </strong>Dashboards que conectam risco, custo e valor, com métricas como: custo por mil inferências, taxa de incidentes por jornada e índice de remediação por sprint. Feedback contínuo transforma ruído em ação.</p><h4><strong>Artefatos que Evitam o Teatro da Governança</strong></h4><p><strong>Mapa de Owners por Jornada: </strong>Tabela que conecta datasets, features, modelos e endpoints aos respectivos donos, gates e métricas associadas. Ninguém mais finge surpresa quando algo dá errado, está tudo mapeado, com CPF.</p><p><strong>Scorecard de Risco de Caso de Uso: </strong>Matriz que classifica o impacto regulatório, a sensibilidade dos dados e o grau de autonomia da IA. Ajuda a priorizar revisões de segregação de funções.</p><p><strong>Runbook de Incidentes de Modelo: </strong>Documento operacional que define quem executa rollback, quem aciona o jurídico e qual SLA encerra a investigação. Porque improviso é ótimo… fora de produção.</p><h3><strong>Papéis-Chave na Governança Viva de IA</strong></h3><p><strong>CEO &amp; Comitê Estratégico — Uniformizar a Narrativa<br></strong>Criar um manifesto simples com: propósito da IA, limites não negociáveis e clareza sobre quem decide o quê. Alinhamento começa com linguagem comum, não com jargão técnico.</p><p><strong>Desenhar o Modelo Operacional<br></strong>Definir a arquitetura organizacional: Centro de Excelência, modelo hub-and-spoke ou pods autônomos com comitê de revisão. Escolher a estrutura antes que ela escolha você.</p><p><strong>Conectar Estratégia a Métricas<br></strong>Amarrar KPIs de crescimento (receita, eficiência) com contrapesos de risco (incident rate, % de casos com revisão pós-produção). Sem essa, IA &quot;gera valor&quot; sem prestar contas.</p><p><strong>General Counsel (GC) — Matriz Regulatória Dinâmica</strong><br>Mapeamento de casos de uso vs. exigências (EU AI Act, LGPD, BACEN, FDA etc), com responsável nomeado por atualização. Regulatório não pode ser checklist de 2023.</p><p><strong>DPIA/RAI como Gate<br></strong>Nenhum modelo crítico vai para produção sem parecer jurídico e aprovação do dono do negócio. Não é bloqueio, é responsabilidade solidária.</p><p><strong>Biblioteca Contratual para IA<br></strong>Pacote de cláusulas padrão sobre uso de dados, &quot;explicabilidade&quot; e direito de auditoria. Serve para contratos com vendors, parceiros e times internos que acham que GPT é mágica.</p><p><strong>CTO / CIO — Baseline de Observabilidade<br></strong>Lineage automatizado, monitoração de qualidade de dados em tempo real, e trilha de auditoria para versões (dados, prompts, modelos). Transparência é o novo uptime.</p><p><strong>Playbooks de AI Ops<br></strong>Definição de SLOs para serving, políticas de rollback e critérios claros de escalonamento de incidentes. Porque &quot;deu ruim&quot; não é estratégia de mitigação.</p><p><strong>FinOps de IA<br></strong>Monitoramento do custo por mil inferências e % de workloads fora do orçamento, conectando infraestrutura a métricas reais de negócio. Se a IA custa mais do que resolve, é hobby.</p><h4>Frameworks Vivos Mantêm o Caos sob Controle</h4><blockquote>&quot;Framework engessa e mata inovação.&quot;</blockquote><p>Só se for daqueles que viram PDF, são ignorados e reaparecem só na auditoria. Um framework vivo faz o oposto: define o mínimo necessário por estágio, acompanha tudo por telemetria em tempo real e distribui autonomia com responsabilidade. Os squads continuam experimentando, mas deixam claro quem responde por quê, onde estão os gates e quais métricas acompanham. Sem isso, o caos só muda de nome e volta com crachá de agilidade.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zmgaKoKuURqw4uV5KGFx2g.png" /></figure><p>Complementos críticos:</p><ul><li><strong>Lineage auditável:</strong> % de features com rastro completo até o dado bruto.</li><li><strong>Cobertura de revisão humana:</strong> % de prompts/modelos críticos revisados por comitê ético.</li><li><strong>Taxa de remediação:</strong> violações fechadas por sprint / violações abertas.</li></ul><h4>Checklist: Como Aplicar Amanhã</h4><ul><li>Mapeie todos os casos de uso de IA e classifique cada um pelo eixo impacto x risco. Sem isso, é tudo prioridade, ou pior, tudo improviso.</li><li>Escolha um modelo operacional (centralizado, federado ou híbrido) e publique quem decide o quê. Ambiguidade é onde a responsabilidade morre.</li><li>Crie um inventário completo, dados, features, modelos, prompts, endpoints, com donos claros e cadência de revisão definida. Sem rastreio, não existe controle.</li><li>Implante o scorecard de risco e torne o DPIA/RAI um gate obrigatório antes de qualquer lançamento relevante. Não é burocracia, é prevenção mensurável.</li><li>Configure monitoramento contínuo: lineage, custo por inferência, incidentes, e publique os KPIs que mostram se a IA está sob controle ou apenas solta.</li><li>Rode simulações trimestrais de incidentes de modelo para testar runbooks e validar SLAs. Não espere o caos pra descobrir que o plano era só um slide.</li></ul><h4><strong>De TI para IA: a Governança que Separa Crescimento de Crise</strong></h4><p>A transição da governança de TI para IA vai separar quem escala com confiança de quem vira manchete regulatória. Framework vivo não é luxo, é o único jeito de provar que cada inferência tem dono, rastro e impacto mensurável.</p><blockquote>Framework vivo não é sobre controle, é sobre evitar que o próximo incidente mostre ao board que ninguém estava no comando.</blockquote><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=df3a12948177" width="1" height="1" alt=""><hr><p><a href="https://medium.com/bar8/framework-vivo-de-ia-como-escalar-com-autonomia-e-responsabilidade-df3a12948177">Framework Vivo de IA: Como Escalar com Autonomia e Responsabilidade</a> was originally published in <a href="https://medium.com/bar8">Bar8</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[O Preço do Silêncio]]></title>
            <link>https://medium.com/bar8/o-pre%C3%A7o-do-sil%C3%AAncio-e3b66331d416?source=rss-c8a59ed7d494------2</link>
            <guid isPermaLink="false">https://medium.com/p/e3b66331d416</guid>
            <category><![CDATA[inteligencia-artificial]]></category>
            <category><![CDATA[data-governance]]></category>
            <category><![CDATA[governança-de-ti]]></category>
            <category><![CDATA[security]]></category>
            <category><![CDATA[segurança]]></category>
            <dc:creator><![CDATA[Erick Carvalho]]></dc:creator>
            <pubDate>Wed, 08 Oct 2025 00:42:51 GMT</pubDate>
            <atom:updated>2025-10-08T09:18:37.612Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*W87ywt7UTFB2gWCx" /><figcaption><a href="https://unsplash.com/photos/a-red-security-sign-and-a-blue-security-sign-UA8PwPht1Vw">@pconrad</a></figcaption></figure><h4>Quanto Custa Ignorar a Segurança da sua IA?</h4><p>Investir em cibersegurança sempre dá pano pra manga. Alguém sempre solta o clássico: &quot;a gente se importa com segurança, só não o suficiente pra pagar por ela&quot;.</p><p>Talvez a pergunta deva ser invertida: <strong>podemos nos dar ao luxo de <em>não</em> investir?</strong></p><p>O custo de uma violação de dados vai além dos dólares; ele engloba tempo de inatividade, reputação e perda de confiança. Para tomar decisões de investimento embasadas, precisamos de números reais.</p><h3>1. A Realidade Dura</h3><p>Com base no que tenho acompanhado e em recente <a href="https://www.ibm.com/think/insights/cost-of-a-data-breach-2024-financial-industry">relatório da IBM</a>, os cenários variam entre otimismo cauteloso e tensão total, depende de onde você está no mapa.</p><h4>Os Ventos Globais Favoráveis (mas ainda perigosos)</h4><ul><li><strong>Custo Médio Global em Queda:</strong> O custo médio mundial de uma violação de dados teve uma pequena melhora, <strong>diminuindo 9%</strong>, e atingiu <strong>$4,44 milhões</strong></li><li><strong>Tempo de Resposta Melhor:</strong> O tempo médio para identificar e conter um ataque (MTTI/MTTC) também melhorou. Historicamente, era em torno de 257 dias. No relatório mais recente, caiu para <strong>241 dias</strong></li></ul><h4>O Alerta Vermelho (O Caos)</h4><p>Embora a redução para 241 dias seja uma &quot;pequena vitória&quot;, é fundamental ser realista: <strong>o invasor ainda está na sua casa por quase um ano inteiro</strong>, o que é inaceitável.</p><p>Se você está nos Estados Unidos (ou opera com clientes de lá), o alerta é ainda maior:</p><ul><li><strong>Custo nos EUA Explode:</strong> O custo subiu 9% nos EUA, atingindo a marca assustadora de <strong>$10,22 milhões</strong>. Esse número é quase o dobro da média mundial e continua crescendo.</li><li><strong>Fatores de Aumento:</strong> Esse crescimento é impulsionado por fatores como o aumento de <strong>custos regulatórios</strong> e o encarecimento dos custos de detecção.</li></ul><h3>2. A Bomba-Relógio Chamada AI: O Inimigo Interior e Exterior</h3><p>A Inteligência Artificial parou de ser hype e se tornou &quot;encanamento&quot; invisível, onipresente e fundamental. E, como qualquer infraestrutura mal feita, ela desaba sem aviso.</p><p>A IA não está apenas fazendo coisas boas; ela introduziu <strong>novos vetores de ataque</strong>.</p><h4>IA Ofensiva: O Novo Brinquedo do Crime</h4><p>Os invasores estão usando a IA de forma sofisticada, e já estamos sentindo o impacto:</p><ul><li><strong>16% das organizações</strong> experimentaram violações de dados como resultado do uso da IA pelos atacantes.</li><li><strong>Phishing Turbinado:</strong> Cerca de 37% desses casos envolveram ataques de phishing. Em um experimento citado no relatório, um chatbot LLM conseguiu criar um ataque de phishing quase tão convincente quanto o de um especialista humano em <strong>cinco minutos</strong>, enquanto o analista humano levou <strong>16 horas</strong>.</li><li><strong>Deepfakes:</strong> Em 35% dos casos, o golpe evoluiu para deepfakes (voz, imagem ou vídeo).</li></ul><h4>O Frankenstein Corporativo (Falta de Governança e Shadow AI)</h4><p>O maior risco, contudo, é <strong>interno</strong>, decorrente de feridas auto-infligidas:</p><ul><li><strong>Crise de Governança:</strong> <strong>63% das organizações não possuem políticas de governança de IA</strong> ou ainda estão as desenvolvendo. Se não há política, é impossível definir o sucesso ou saber onde se está indo.</li><li><strong>Shadow AI:</strong> <strong>20% das organizações</strong> encontraram implementações de IA não autorizadas em seus ambientes. Essa IA oculta, muitas vezes criada por membros da equipe (não por hackers ou espiões), pode ser uma fonte direta de vazamento de dados. Ela nasce no escuro e atinge a produção sem documentação ou visibilidade.</li></ul><p>Se você não sabe onde a IA está, nem quem a colocou ali, você não está liderando; está apenas torcendo.</p><h3>3. A IA Como Escudo (A Solução Inteligente)</h3><p>Apesar dos riscos, a IA é nossa melhor aliada na defesa. Organizações que utilizam a IA de forma <strong>extensiva</strong> na segurança viram o tempo de resposta cair em <strong>80 dias</strong>, o que se traduz em uma economia média de <strong>$1,9 milhão</strong> por incidente.</p><p>Para que a IA trabalhe <strong>para</strong> nós, e não <strong>contra</strong> nós, as fontes apontam para três pilares essenciais:</p><h4><em>A. Fortalecer Identidade e Acesso (IAM)</em></h4><p>Os invasores continuam achando que <strong>é mais fácil fazer <em>login</em> do que <em>hackear</em></strong>. O foco deve ser em um IAM mais robusto:</p><ul><li><strong>Adeus Senhas:</strong> Adote tecnologias como <strong>passkeys</strong>, que usam criptografia e são muito mais resistentes a ataques de <em>phishing</em> do que as senhas tradicionais.</li><li><strong>Identidades Não-Humanas:</strong> Gerencie identidades de nível de sistema (contas de serviço, chaves de API, chaves criptográficas). Muitas delas têm acesso de super-nível e são frequentemente negligenciadas.</li></ul><h4>B. Iluminar as Sombras (Discovery e Postura)</h4><p>Você não pode proteger o que não pode ver. Precisamos de ferramentas de descoberta para <strong>iluminar a Shadow AI</strong>, encontrando modelos, dados sensíveis e aplicações associadas.</p><p>Quando a Shadow AI for descoberta, a abordagem correta é: &quot;<strong>Não diga não, diga como&quot;</strong>. Isso significa guiar os funcionários para formas alternativas e seguras de uso.</p><p>A postura de segurança da IA deve ser protegida contra vulnerabilidades e má configuração. Isso inclui proteger três componentes críticos:</p><ol><li><strong>Os Dados</strong> (com fortes controles de acesso e criptografia).</li><li><strong>Os Modelos</strong> (com testes de penetração e <em>model scanning</em>).</li><li><strong>O Uso</strong> (contra ataques como <em>prompt injection</em>, por meio de um &quot;IA Firewall&quot; ou <em>gateway</em> que implementa <em>guardrails</em>).</li></ol><h4>C. Conectar Segurança e Governança</h4><p>Não basta ter políticas de segurança e políticas de governança separadas. <strong>Elas devem ser integradas para reduzir o risco de AI</strong>.</p><ul><li><strong>Governança:</strong> Foca em responsabilidade, explicabilidade e conformidade, protegendo contra <strong><em>feridas auto-infligidas </em></strong>(como modelos mal treinados, vieses e violações éticas).</li><li><strong>Segurança:</strong> Foca em confidencialidade, integridade e disponibilidade, protegendo contra ataques <strong>externos</strong><em> </em>e<em> </em><strong>intencionais</strong> (como manipulação, negação de serviço e exfiltração de dados).</li></ul><h3>O Preço do Silêncio</h3><p>O que destrói uma empresa não é o ataque, é o intervalo entre o ataque e o momento em que ela decide acreditar que foi atacada.</p><p>Segurança não é sobre firewalls, é sobre lucidez. Não é sobre proibir o novo, é sobre saber o que você está realmente criando.</p><p>A IA é o reflexo da casa que a construiu: se há ordem, ela amplifica eficiência; se há descuido, ela amplifica o caos. A história da tecnologia sempre teve os mesmos personagens, os que inovam e os que acordam tarde demais. A diferença é que agora o atraso custa milhões e acontece em segundos.</p><p>Você pode continuar chamando isso de &quot;fase de exploração&quot;. Os atacantes chamam de &quot;fase de coleta&quot;.</p><p>A escolha é simples: Ou você governa a IA, ou ela te ensina o preço de ter ficado calado.</p><blockquote><em>Inovação sem vigilância é só um convite para o colapso. O futuro lê isso como distração.</em></blockquote><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=e3b66331d416" width="1" height="1" alt=""><hr><p><a href="https://medium.com/bar8/o-pre%C3%A7o-do-sil%C3%AAncio-e3b66331d416">O Preço do Silêncio</a> was originally published in <a href="https://medium.com/bar8">Bar8</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[A ética do corte: utilitarismo em versão corporativa]]></title>
            <link>https://medium.com/bar8/a-%C3%A9tica-do-corte-utilitarismo-em-vers%C3%A3o-corporativa-4dd6fc95a347?source=rss-c8a59ed7d494------2</link>
            <guid isPermaLink="false">https://medium.com/p/4dd6fc95a347</guid>
            <category><![CDATA[produtividade]]></category>
            <category><![CDATA[corporate-culture]]></category>
            <category><![CDATA[ética]]></category>
            <category><![CDATA[filosofia]]></category>
            <category><![CDATA[liderança]]></category>
            <dc:creator><![CDATA[Erick Carvalho]]></dc:creator>
            <pubDate>Mon, 22 Sep 2025 23:56:09 GMT</pubDate>
            <atom:updated>2025-09-22T23:56:09.105Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*qJekZWHxTYZ6KmMU0fJJ-w.jpeg" /><figcaption>Photo by <a href="https://unsplash.com/@servetphotograph?utm_content=creditCopyText&amp;utm_medium=referral&amp;utm_source=unsplash">servet photograph</a> on <a href="https://unsplash.com/photos/a-chess-board-with-a-lot-of-chess-pieces-on-it-NAWantq3820?utm_content=creditCopyText&amp;utm_medium=referral&amp;utm_source=unsplash">Unsplash</a></figcaption></figure><h4>Utilitarismo, vigilância e liderança sem respostas fáceis.</h4><p>E aweee meu povo, <strong>Itaú demite mil por &quot;baixa produtividade&quot;</strong>. Você puxa a alavanca do trem? Salva cinco e sacrifica um? Agora troque trilhos por planilhas, vida por KPI, e a pergunta vira sistema: é legítimo sacrificar poucos para &quot;o bem do todo&quot;?</p><p>A ideia é simples: o utilitarismo, pensar em maximizar o bem coletivo, ainda orienta muita decisão por aí. Não é virtude, é incômodo. Ele ajuda a organizar governos, empresas e algoritmos, mas cria dilemas que não cabem numa planilha ou num dashboard. E não é de hoje: desde Bentham e Mill, a moral anda de calculadora na mão.</p><h3>1. Raízes e variações: quando a moral vira matemática</h3><p><strong>Bentham (o cálculo da felicidade)</strong> <br>Em plena era iluminista, Jeremy Bentham propõe o cálculo <strong>felicítico</strong>: pesar prazeres e dores como quem mede temperatura. Há um brilho democrático nisso (tirar a moral do dogma e trazê-la ao método), mas também uma semente de risco: quem mede, e o que conta como &quot;dor&quot;?</p><p><strong>Mill (refinar para não esmagar)</strong><br>John Stuart Mill tenta &quot;humanizar&quot; o projeto: há prazeres superiores (pensamento, arte, amizade) e inferiores (gratificações triviais). É uma reforma relevante (e dialoga com sua preocupação com a tirania da maioria, em <em>On Liberty</em>), mas abre outra frente: quem hierarquiza esses prazeres? E com que poder?</p><p><strong>Do progresso à &quot;civilização&quot;</strong><br>A história usou esse cálculo como capa moral inúmeras vezes:</p><ul><li><strong>Revolução Industrial</strong>: jornadas extenuantes, trabalho infantil, &quot;preço do progresso&quot;.</li><li><strong>Colonialismo</strong>: povos inteiros &quot;sacrificados&quot; para &quot;civilizar o mundo&quot;. O argumento era (e é) recorrente: se a maioria prospera, algum sofrimento é custo aceitável.</li></ul><p><strong>Nietzsche (o dissidente)</strong><br>Já para Nietzsche, isso tudo tem cheiro de moral de rebanho: uma ética que domestica, anestesia a dor e impede grandeza. Sofrimento, aqui, não é defeito a ser eliminado, é matéria-prima da criação. Não é uma solução, é um ataque ao conforto do cálculo.</p><p>E como toda boa ideia que cai na mão do poder, o cálculo virou ferramenta de vigilância.</p><h3>2. Do Panóptico à modulação algorítmica: o controle que se internaliza</h3><p><strong>Bentham e Foucault<br></strong>O Panóptico de Bentham era arquitetura: um vigia invisível e todo mundo se comporta. Foucault mostrou que isso virou tecnologia de poder. Não é só punir, é disciplinar; não é só proibir, é otimizar. O truque é simples: a vigilância é internalizada.</p><p><strong>Deleuze<br></strong>Décadas depois, Deleuze aponta a virada: não vivemos mais presos em muros (escola, fábrica, hospital), mas modulados o tempo todo. Não há grade, há pontuação. Hoje chamamos isso de métrica, badge, ranking, gamificação.</p><p><strong>Goodhart<br></strong>&quot;Quando uma medida vira meta, deixa de ser boa medida.&quot; A Lei de Goodhart explica por que dashboards que deveriam representar acabam moldando, e distorcendo, comportamento. O indicador toma o lugar do juízo.</p><p>Exemplos de hoje.</p><ul><li><strong>Corporativo</strong>: cortes “racionais” por produtividade, o Excel é a nova alavanca do trem.</li><li><strong>Tecnologia</strong>: vigilância comportamental (Zuboff) com reforços variáveis (likes, claps) treinando nosso carcereiro interno.</li><li><strong>Política</strong> <strong>econômica</strong>: austeridade com cara de Kaldor-Hicks, perdas de uns compensadas por ganhos de outros (na teoria, nunca na prática).</li></ul><p>E agora? Até aqui, o cálculo parece funcionar. Mas é justamente aí que começam as rachaduras.</p><h3>3. Quatro fissuras do utilitarismo (onde o número perde a alma)</h3><p>Até aqui, quis trazer em minha visão como o utilitarismo nasceu (Bentham, Mill), como foi usado para justificar progresso e “civilização”, e como ganhou críticos de peso (Nietzsche, Foucault, Deleuze). Mas o problema não é só quem ataca de fora. Mesmo por dentro, o cálculo começa a rachar.</p><h4>Imprevisibilidade estrutural</h4><p>O dilema do trem é uma &quot;foto&quot;. A vida real é um filme cheio de consequências de segunda, terceira, décima ordem. Knight chamou isso de incerteza (não risco); Já Nassim Taleb de &quot;caudas gordas&quot;. O resultado? Justificativas retroativas: com tempo suficiente, qualquer ato pode ser reinterpretado como se tivesse &quot;maximizado o bem&quot;.</p><blockquote>Você &quot;salva cinco&quot; hoje; dois viram ditadores que espalham violência amanhã. Você errou? O cálculo nunca fecha.</blockquote><h4>Dignidade não cabe em célula de Excel</h4><p>Kant já dizia: <strong>pessoas são fins, não meios</strong>. Nozick reforça com suas restrições laterais: há coisas que simplesmente não fazemos, mesmo que a conta feche bonito. Sem esses limites, o utilitarismo vira política de poder com KPIs.</p><h4>Futuro infinito, presente descartável</h4><p>Parfit mostrou como a aritmética do futuro explode: &quot;trilhões&quot; de vidas potenciais esmagam o valor do agora, a famosa &quot;conclusão repugnante&quot; da ética populacional. O &quot;<em>Longotermismo</em>&quot; tenta levar isso a sério, mas críticos alertam: esse raciocínio abre espaço para atrocidades no presente em nome de um amanhã que talvez nunca chegue. Economistas tentam resolver com desconto temporal, mas moralmente soa suspeito: por que uma vida valeria menos só porque está em 2125?</p><h4>Parcialidade prática (quem segura a régua?)</h4><p>Arrow mostrou os limites de agregar preferências de forma justa. Na prática, quem define a métrica, o horizonte de tempo e os pesos? Elites políticas e corporativas. A suposta neutralidade do cálculo protege quem já tem poder.</p><h3>4. &quot;Sem cálculo não há liderança&quot;, e no corporativo isso fica escancarado</h3><p>Nenhuma empresa decide sem trade-off. Cortes de custos, metas de produtividade, investimento em inovação, gestão de riscos, tudo exige algum tipo de cálculo custo-benefício. Fingir que dá para liderar só com &quot;propósito&quot; é teatro de TED Talk.</p><p>O ponto não é abolir o cálculo, mas acoplar princípios a ele, criar guarda-corpos. Alguns deles:</p><ul><li><strong>Regra, não ato</strong>. Avaliar políticas que, seguidas no longo prazo, maximizam resultados sem corroer a cultura. Atos &quot;eficientes&quot; mas destrutivos para a regra precisam ser barrados.</li><li><strong>Direitos inegociáveis</strong>. Existem limites que não entram na planilha: assédio, discriminação, fraude, exploração. &quot;Fechar a conta&quot; não é desculpa.</li><li><strong>Justiça distributiva</strong>. Não basta a média do time ir bem se uma parte é sacrificada sempre. Inspirado em Rawls: proteger quem está na ponta frágil.</li><li><strong>Ética do risco</strong>. Certos riscos são inaceitáveis, mesmo que prometam retorno. O &quot;existencial corporativo&quot;: perder a confiança do cliente, destruir reputação, colapsar cultura interna.</li><li><strong>Múltiplos critérios</strong>. Decidir não só por utilidade financeira: incluir equidade, reversibilidade, impacto no clima organizacional.</li></ul><p>Na prática, isso significa menos glamour de &quot;big decisions&quot; e mais processo:</p><ul><li>Comitês de ética ou de cultura revisando políticas que usam cálculo custo-benefício.</li><li>Transparência de métricas e direito de contestação, evitar arbitrariedade e distorções do tipo Goodhart (gente jogando para a meta).</li><li>Pilotos, experimentos e pré-mortem para avaliar impactos de segunda ordem antes de escalar.</li><li>Dois estágios de decisão (inspirado no Bezos: portas de mão única vs duas mãos), separar o que é reversível do que pode matar a empresa.</li><li>Planos de realocação e requalificação antes de cortes: produtividade como meta, dignidade como limite.</li></ul><p>Nada disso &quot;vence&quot; o dilema. Mas ao meu ver civiliza o jeito de calcular dentro das empresas.</p><h3>5. E liderança nisso tudo?</h3><p>No fim, liderar é decidir de que forma você vai calcular, e, mais importante, onde você não vai calcular. Uma boa bússola que costumo usar mistura três lentes ao mesmo tempo:</p><ul><li><strong>Utilidade</strong>: o resultado agregado, aquilo que a empresa entrega de valor.</li><li><strong>Direitos</strong>: limites inegociáveis, o que não se faz, mesmo que &quot;feche a conta&quot;.</li><li><strong>Justiça</strong>: quem paga a conta quando dói e como esse peso é distribuído.</li></ul><p>Isso se traduz em prática bem menos glamourizada:</p><ul><li><strong>Ética operacional</strong>. Deixe explícito o que você está maximizando, o que jamais fará e quem será priorizado quando doer.</li><li><strong>Métrica com contexto</strong>. Indicador é sinal, não sentença. Precisa de revisão periódica e da voz de quem está na borda (equipes menores, minorias afetadas, clientes ignorados).</li><li><strong>Tabuleiro</strong>, <strong>não</strong> <strong>trincheira</strong>. Não é sobre escolher um lado. É montar um jogo em que utilidade, direitos e justiça se travam mutuamente, para que nenhuma peça corra sozinha e atropele as outras.</li></ul><h3>Perguntas de cabeceira para quem lidera (e não fecha os olhos fingindo estar dormindo)</h3><ul><li>Até onde vai o seu horizonte moral? Dias, anos, gerações? O que muda se você alonga a linha do tempo?</li><li>Qual é a sua linha inegociável? Que número nunca faria você cruzá-la?</li><li>Quem segura a régua no seu contexto? Se mudasse a pessoa, mudaria também a métrica?</li><li>E se a sua métrica virar meta, ela ainda mede o que deveria medir, ou só passa a moldar o comportamento de todo mundo?</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4dd6fc95a347" width="1" height="1" alt=""><hr><p><a href="https://medium.com/bar8/a-%C3%A9tica-do-corte-utilitarismo-em-vers%C3%A3o-corporativa-4dd6fc95a347">A ética do corte: utilitarismo em versão corporativa</a> was originally published in <a href="https://medium.com/bar8">Bar8</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[O Platô da Ilusão]]></title>
            <link>https://medium.com/bar8/o-plat%C3%B4-da-ilus%C3%A3o-bfae3ba288ab?source=rss-c8a59ed7d494------2</link>
            <guid isPermaLink="false">https://medium.com/p/bfae3ba288ab</guid>
            <category><![CDATA[inteligencia-artificial]]></category>
            <category><![CDATA[filosofia]]></category>
            <category><![CDATA[sociedade]]></category>
            <category><![CDATA[artificial-intelligence]]></category>
            <category><![CDATA[ai-hype]]></category>
            <dc:creator><![CDATA[Erick Carvalho]]></dc:creator>
            <pubDate>Tue, 09 Sep 2025 11:11:53 GMT</pubDate>
            <atom:updated>2025-09-09T13:11:44.750Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*pkOsF1hrOj-hVe7z6u_Pdg.png" /></figure><p>Da filosofia à GPU: por que LLM não é mente, scaling não é destino e hype não é estratégia.</p><h3>A ilusão do infinito e a curva-S</h3><p>Aweeeee meu povo, dois milênios de filosofia ainda não conseguimos fechar a conta do que é &quot;inteligência&quot;. Mesmo assim, algoritmos que só predizem a próxima palavra viraram manchete como se fossem consciência. É a velha coreografia da tecnologia: hype que sobe como foguete e cai como curva-S. O erro não é acreditar no novo, mas confundir fluência estatística com cognição e supor que basta escalar GPUs para chegar à mente.</p><p>No caso da IA generativa, o engano ganhou escala. Um modelo que <strong>só prevê a próxima palavra</strong> foi promovido a oráculo de negócios. E nós, fascinados com a fluência, confundimos <strong>estatística com entendimento</strong>. Pior: antropomorfizamos. Projetamos intenção onde há apenas cálculo. Vemos “ansiedade” em chatbot e “criatividade” em autocomplete.</p><p>É aí que nascem os delírios corporativos. Idéias como implantar um LLM sem estrutura! Isso é como contratar um papagaio que fez curso de direito pelo YouTube para assinar pareceres: ele fala bonito, repete tudo com convicção, e você vai preso no final. Estudos recentes mostram que menos de 20% dos projetos de IA chegam a produção estável, a curva-S cobra seu pedágio cedo.</p><p>Este ensaio é um convite à lucidez. Aqui, vamos desconstruir o mito, mapear os truques e mostrar os limites. Da filosofia que nunca fechou a conta de “inteligência” às falhas bilionárias de empresas que acreditaram em mágica, passando pela anatomia técnica dos modelos e pela ressaca do hype.</p><blockquote>Porque IA não é mágica, e ChatGPT não é oráculo. É só autocomplete com carisma. #autocompleteGlorificado</blockquote><h3>O que é “inteligência”? (spoiler: nem os filósofos sabem)</h3><p>Por milênios, tentamos definir inteligência, e falhamos com estilo.</p><ul><li><strong>Aristóteles</strong> viu inteligência como a <strong>capacidade de captar causas e princípios</strong>; pensar era entender por que as coisas são como são. Um LLM, por outro lado, só modela correlações. Para ele não há ‘porquê’, só probabilidade.</li><li><strong>Descartes</strong> foi pelo caminho da dúvida e cravou: <strong>“penso, logo existo”, </strong>não como definição de inteligência, mas como ponto de partida da existência. Modelos não têm reflexividade; não sabem que estão &quot;falando&quot;.</li><li><strong>Kant</strong>, meu nerd predileto da metafísica, tratou a razão como o <strong>filtro que organiza a realidade</strong>. Não inteligência, mas estrutura. Nossos modelos não organizam a realidade: apenas rearranjam tokens sem esquema transcendental.</li><li><strong>Piaget</strong>, avançando séculos, trouxe a ideia de inteligência como <strong>adaptação, </strong>o cérebro ajustando-se continuamente ao mundo. LLMs não se adaptam em tempo real: só repetem padrões do treino.</li><li><strong>Howard Gardner</strong>, declarou que não temos uma, mas <strong>múltiplas inteligências</strong>: do cálculo à música, do corpo à empatia. Os modelos só exibem uma: a linguística, ainda assim sem vínculo com experiência vivida.</li></ul><p>A única constante entre todas essas ideias? <strong>Incerteza. </strong>E, ainda assim, colamos a palavra “inteligência” em qualquer coisa que emita sons coerentes ou complete a nossa frase no celular.</p><blockquote>Forma não é significado</blockquote><p>É aqui que a mágica falha. Linguistas como <strong>Emily Bender</strong> lembram: linguagem tem <strong>forma</strong> e <strong>significado, </strong>e os dois não são a mesma coisa.<br>Humanos conectam palavras com o mundo real. Um LLM apenas calcula a próxima palavra provável com base em padrões. Ele manipula <strong>formas</strong>, não compreende <strong>conteúdos</strong>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*LFaIjnr5zA11BPJ8VTCZqA.png" /><figcaption>Diferenças fundamentais entre a linguagem humana e a linguagem dos modelos de linguagem (LLMs)</figcaption></figure><p>O <strong>significado</strong>? Esse é você quem empresta, como quem projeta personalidade num tamagotchi. O truque da mente que não existe. O problema não é só teórico. É <strong>operacional</strong>.</p><p>Quando você acha que um modelo “entende”, começa a esperar dele o que exige consciência: <strong>julgamento, intenção e/ou contexto</strong>. Mas o que ele faz é reconhecer padrões, como um aluno de cursinho que decorou a resposta certa sem nunca ter entendido a pergunta, e ainda assim passa no vestibular.</p><p>Esses sistemas não constroem modelos internos do mundo. São <strong>papagaios estatísticos</strong>, repetindo com brilho frases que soam profundas, mas não têm ninguém por trás.</p><p>E a confusão custa caro. Essa confusão entre forma e sentido gera:</p><ul><li>Chatbots que “alucinam” com a confiança de um <strong>coach de LinkedIn</strong>.</li><li>CEOs que acham que compraram um <strong>cérebro</strong>, mas levaram um <strong>compressor de texto</strong>.</li><li>Projetos milionários que fracassam porque confundiram <strong>autocomplete com cognição</strong>.</li></ul><p>Inteligência, no humano, envolve <strong>consciência, adaptação e intenção</strong>. No LLM, “inteligência” é apenas <strong>estatística com dicção de executivo júnior</strong>.</p><blockquote>A máquina não mente. É você que insiste em acreditar no que ela nunca disse.</blockquote><h4>Postura intencional: útil com humanos, ilusória com máquinas</h4><p>Se tem algo que fazemos bem, é ver intenção onde não há. Damos nome ao carro, vemos rostos em nuvens e achamos que a air fryer nos odeia. É função evolutiva. Nosso cérebro evoluiu para enxergar agentes em qualquer canto: melhor achar que o barulho no mato é um predador do que descobrir tarde demais que era mesmo. O instinto que um dia salvou vidas agora nos faz ver ‘consciência’ até em em sistemas que só processam estatística.</p><p><strong>O cérebro como ilusionista</strong>: Como explica o filósofo <strong>Daniel Dennett</strong>, atribuir intenção é nosso modo padrão de interpretar comportamento. Ele chama isso de <strong>postura intencional</strong>: assumimos que há desejo, crença, vontade. É útil com humanos. Com máquinas, é ilusão.</p><p>O caso clássico <a href="https://pt.wikipedia.org/wiki/ELIZA"><strong>ELIZA</strong></a>, nos anos 60. Um chatbot simples que repetia frases com moldura terapêutica. Mesmo assim, pessoas lhe confidenciavam segredos. Weizenbaum, o criador, ficou horrorizado, e passou a alertar sobre o risco de confundirmos <strong>simulação com presença</strong>. Décadas depois, caímos na mesma armadilha. Só que agora com interface polida e orçamentos de sete dígitos.</p><p><strong>Mídia, hype e metáforas ruins</strong>: Chamamos erros de “<strong>alucinação</strong>”. Atribuímos “<strong>mentiras</strong>” a um modelo que só errou a probabilidade. Dizemos que o chatbot “<strong>ficou ansioso</strong>” porque hesitou.</p><blockquote>“Erro de inferência sequencial” não rende manchete.</blockquote><blockquote>“Chatbot em crise existencial” vira trending topic.</blockquote><p>E, no processo, confundimos <strong>performance </strong>com<strong> pensamento</strong>.</p><p><strong>O custo da ilusão</strong>: Antropomorfizar não é só um erro cognitivo. É uma <strong>falha estratégica</strong>.</p><ul><li>Empresas apostam milhões esperando decisão, e recebem padrões.</li><li>Áreas críticas delegam julgamento a um gerador de texto que não entende <strong>contexto, intenção ou consequência</strong>.</li><li>Projetos afundam porque confundimos <strong>expressividade com cognição</strong>.</li></ul><p>Gary Marcus é direto: LLMs não pensam, não constroem modelos do mundo. São <strong>estatística estilizada </strong>embalada em naturalidade suficiente para enganar até o C-Level.</p><p>Essa ilusão custa caro. É o combustível do hype, o alicerce de projetos fora da realidade e o motivo pelo qual tantos pilotos servem apenas para criar estresse e nenhum valor. A máquina nunca disse que tinha mente. Foi você que inventou. E agora, com um burn rate de seis dígitos, você ainda finge que ela disse “obrigado”.</p><p>Deixando a filosofia por um momento: vamos para o silício, onde as promessas encontram a física.</p><h3>Autoregressivos vs Difusivos: Um duelo de inaptidões</h3><p>A indústria adora apresentar “IA generativa” como se fosse uma entidade única e majestosa. Spoiler: não é. Você tem dois códigos genéticos diferentes aqui: AR e DM, que só estão sendo empurrados juntos por puro marketing. Um tem ritmo de caracol enlouquecido; o outro, de borrão até vigilância fina. E, das entrevistas que tenho ouvido em boa parte das vezes o hype finge que isso não existe.</p><p>Um tropeça palavra por palavra como quem tenta escrever um e-mail às 3h da manhã, depois de sair da Tokyo e descer direto pro Estadão atrás de um lanche de pernil e redenção. O outro começa como uma nuvem de ruído digital, meio amnésico, e vai revelando a imagem aos poucos, como se montasse um quebra-cabeça que ele mesmo derrubou no chão bêbado. E o marketing? Segue tratando os dois como se fossem gêmeos siameses com PhD em genialidade. Spoiler 2: não são.</p><h4>Autoregressivos (AR): a tortura letra por letra</h4><ul><li><strong>Fundamento técnico</strong>: Transformers causais [Vaswani et al., 2017]. Cada novo token só pode ser calculado depois do anterior, assim uma <strong>dependência sequencial inevitável</strong>.</li><li><strong>Latência</strong>: cresce linearmente com o tamanho da saída. Para cada token, o tempo é aproximadamente:</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/408/1*xj6wlYtXSWBujcgx_WkIMw.png" /></figure><ul><li>ou seja, processamento + movimentação de memória, repetidos até o último caractere.</li><li><strong>KV-cache</strong>: alivia o trabalho, mas não quebra a sequência, apenas evita recomputar.</li><li><strong>Memória</strong>: a atenção completa custa O(n²), pois cada token precisa comparar-se com todos os anteriores. Em contextos longos, isso explode.</li><li><strong>Otimizações</strong>: otimizações típicas (speculative decoding, branching heads, NATs) alcançam ganhos de 1,5–2x, mas aumentam a complexidade e não quebram a dependência sequencial.</li></ul><p>Como ouvi ou li em algum lugar (desculpe-me não lembrar a referência):</p><blockquote>Um datilógrafo com TOC que a cada digitação olha para trás, com relógio parado, preso a uma esteira rolante que só anda pra frente.</blockquote><p>Onde:</p><blockquote><strong>Datilógrafo com TOC: </strong>o modelo escreve <strong>token por token</strong>, sem poder pular ou revisar o que já escreveu. É compulsivo: só consegue avançar olhando o último caractere.</blockquote><blockquote><strong>Relógio parado: </strong>não existe noção de “tempo global” ou contexto holístico; o modelo não entende a frase inteira, apenas calcula a próxima palavra.</blockquote><blockquote><strong>Esteira rolante que só anda pra frente: </strong>não há volta. O modelo não revisa o passado, só anda em linha reta até o fim da saída.</blockquote><blockquote>Bonito é só pra demo; na fatura da GPU, é um desespero sequencial.</blockquote><h3>Difusivos (DM): do caos ao controle, às vezes</h3><p>Baseiam-se em ruído puro que é refinado até emergir imagem ou texto [DDPM, Ho et al., 2020]. Latent Diffusion [Rombach et al., 2022] reduz centenas de passos para 20–50, mas o custo de inferência ainda é alto.</p><p>Vantagem em <strong>controle de atributos</strong>; desvantagem em<strong> fluência textual</strong> e robustez contra <strong>ruído adversarial</strong>.</p><blockquote>Um poeta que começa rabiscando rimas às cegas, sem saber se está escrevendo um soneto ou uma confissão envergonhada. Aos poucos, vai abrindo os olhos e lapidando verso por verso. Quando acerta, você tem uma obra tocante, quase inspiradora. Quando erra, sobra só um poema esquisito, cheio de palavras soltas e o custo energético de um pequeno datacenter.</blockquote><p><strong>Onde:</strong></p><ul><li><strong>Poeta:</strong> o modelo difusivo começa sem qualquer noção clara do resultado, parte de puro ruído.</li><li><strong>Rabiscos de rimas:</strong> as primeiras iterações são brutas, caóticas, quase sem estrutura, só estatística em movimento.</li><li><strong>Lapidar verso por verso:</strong> ao longo dos steps, o modelo refina sua saída, buscando coerência local e global, sem jamais “entender” o que está fazendo.</li><li><strong>Obra tocante vs poema esquisito:</strong> o resultado final pode ser impressionante… ou só parecer um texto gerado por alguém trancado num porão com acesso limitado ao senso estético.</li></ul><h3>Comparativo</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3nYgw4QC3f2fWqG4jshYCw.png" /><figcaption>Dimensões de desempenho e limitações em arquiteturas AR e DM</figcaption></figure><h3>Scaling: o mito que emperrou</h3><p><strong>Escalar era mantra</strong>: “mais dados + mais GPU = melhor IA” [Kaplan et al., 2020; Hoffmann et al., 2022]. Hoje, reconhece-se o wall de retornos decrescentes: sem inovação, mais ferro é só custo.</p><p>Acreditar em escala infinita é como imaginar um bebê que dobra de peso a cada mês e vira um gigante de 30 toneladas.</p><p><strong>No boardroom</strong>: o golpe de realidade que eles fingem não ouvir:</p><ul><li>AR está batendo nos limites físicos e financeiros de contexto e latência.</li><li>DM é elegante, mas ainda não engole texto como os ARs dominam.</li><li>“Basta treinar mais” é mantra morto. CFOs já cortam orçamentos.</li></ul><p>Valuation megalomaníacas (OpenAI US$ 300 bi, Nvidia nas alturas) apoiadas em lei de escala quebrada viram churrasco de GPU.</p><p>AR e DM não são variantes de um mesmo animal, são espécies separadas lutando por oxigênio no capô de um hype que está saindo de linha. Scaling não era ponte para AGI, era engano no GPS. Você pode botar bilhões no compute, mas sem um plano técnico e filosófico, sua P&amp;L vai virar churrasco de GPU queimado.</p><p>Na prática, AR e DM são espécies diferentes. Mas no marketing, viram uma só criatura: “IA generativa”</p><p>Assim, vimos como o hype, o antropomorfismo e as limitações técnicas colaboram alegremente para criar uma ilusão quase mágica sobre o que esses sistemas realmente fazem. Mas spoiler (de novo): a magia é basicamente fumaça com <a href="https://developer.nvidia.com/cuda-toolkit">CUDA</a> por trás.</p><p>No próximo bloco, vamos descer alguns níveis mais perto do silício pra olhar o que esses modelos entregam de verdade, e o maravilhoso mundo onde throughput, arquitetura e paralelismo tentam manter o conto de pé sem explodir sua GPU.</p><h3>Arquitetura &amp; Paralelismo: Limites e Gambiarras Nobres</h3><p>Aqui entramos no fascinante (leia-se: dolorosamente técnico) mundo de como melhorar o throughput dos <strong>modelos autoregressivos</strong>, que ainda são o padrão-ouro quando o assunto é <strong>texto, </strong>GPTs, Claude, essas belezinhas que falam como se tivessem lido toda a internet e feito análise literária de cada tweet. Eles são bons com linguagem porque aprendem a prever o próximo token com base no anterior, o que gera fluidez, coerência e aquela sensação inquietante de que eles “entendem”.</p><p>Mas aqui está o porém: <strong>essa arquitetura é sequencial por definição</strong>. Cada token gerado depende do anterior, como uma fila de banco onde cada pessoa precisa apresentar documentos antes de liberar o próximo. E isso, claro, se traduz num <strong>gargalo de throughput</strong> — ou seja, o número de tokens que você consegue cuspir por segundo, por GPU, por gota de sanidade.</p><p>É aí que começam as gambiarras nobres: speculative decoding, parallel decoding, pipelines malucos com múltiplos modelos apostando corrida. Tudo pra tentar quebrar essa sequência… sem quebrar o sentido da frase.</p><p>Felizmente (ou desesperadamente), a comunidade resolveu atacar esse problema com uma variedade de técnicas, todas imperfeitas, mas criativas o suficiente para merecer um lugar num catálogo bastante meia boca que respeitosamente irei chamar de <strong>gambiarras nobres</strong>.</p><p>A seguir, um tour pelas principais abordagens que tentam <strong>aumentar o throughput de geração</strong>, divididas por estratégia. Escolha sua arma:</p><h4>1. Paralelizar a Geração (Mesmo Que a Física Não Apoie)</h4><p>Essas técnicas tentam <strong>furar o bloqueio da autoregressividade</strong>, permitindo que múltiplos tokens sejam gerados por vez, mesmo que o modelo finja que está pensando passo a passo.</p><h4>Speculative Decoding</h4><p>Modelo pequeno gera um rascunho, e então modelo grande valida. Se os tokens forem bons, aceitam-se vários de uma vez. Se forem ruins, retrabalho.</p><p><strong>Vantagem</strong>: pode dobrar o throughput.<br><strong>Desvantagem</strong>: pode gastar tempo duas vezes.<br><strong>Metáfora</strong>: o estagiário escreve, o chefe revisa. Torça para o estagiário ser bom.</p><h4>Branching Heads (Medusa, 2023)</h4><p>Múltiplas cabeças geram várias hipóteses de tokens num único passo. O modelo depois escolhe qual caminho seguir.</p><p><strong>Vantagem</strong>: reduz latência.<br><strong>Desvantagem</strong>: consistência textual pode evaporar.<br><strong>Metáfora</strong>: você joga cinco dados e torce para que um deles faça sentido em contexto.</p><h4>Non-Autoregressive Translation (NATs)</h4><p>Diferente dos modelos tradicionais, que geram um token de cada vez (como se estivessem escrevendo palavra por palavra), os NATs tentam <strong>gerar toda a sequência de uma vez</strong>, em paralelo. Depois, aplicam um ou mais ciclos de <strong>refinamento iterativo</strong> para corrigir os erros e preencher lacunas.</p><p><strong>Vantagem</strong>: a geração é extremamente rápida, porque não depende da sequência anterior.<br><strong>Desvantagem</strong>: o modelo muitas vezes acerta a estrutura geral, mas erra detalhes, <strong>sacrificando fluência e precisão no processo</strong>.<br><strong>Metáfora</strong>: imagine traduzir um parágrafo inteiro de uma vez, sem contexto palavra a palavra, como se o Google Tradutor estivesse correndo contra o tempo. Sai rápido, até parece certo… mas quanto mais você lê, mais percebe que tem algo estranho.</p><h4>2. Otimizar o Mecanismo de Atenção e Cache</h4><p>Essas abordagens mantêm a arquitetura autoregressiva, mas <strong>diminuem o custo computacional interno</strong>, especialmente na atenção e no cache de contexto.</p><h4>Multi-Query Attention (MQA)</h4><p>Na atenção multi-head tradicional, cada cabeça tem seu próprio conjunto de chaves (keys) e valores (values), o que permite múltiplas perspectivas sobre a entrada, mas custa caro em termos de memória e cache.</p><p>O <strong>MQA</strong> simplifica isso: <strong>todas as heads compartilham o mesmo conjunto de keys e values</strong>, mantendo apenas queries separadas. É uma espécie de “atenção coletiva com cache compartilhado”.</p><p><strong>Vantagem</strong>: economiza memória, reduz leitura do KV-cache e melhora o desempenho, especialmente importante em contextos longos.<br><strong>Desvantagem</strong>: sacrifica diversidade nas representações, as heads perdem parte da sua individualidade, o que pode limitar a expressividade do modelo.<br><strong>Metáfora</strong>: imagine várias pessoas (queries) fazendo perguntas diferentes para a <strong>mesma fonte de informação</strong> (o mesmo conjunto de keys/values). É rápido, direto, eficiente, mas todo mundo acaba ouvindo a mesma resposta com pequenas variações.</p><h4>Flash Attention</h4><p>A atenção em Transformers tradicionalmente sofre com ineficiência: envolve <strong>muitas operações de leitura e escrita entre memória e processador</strong>, o que se torna um gargalo à medida que o contexto cresce. O cálculo em si não é o problema, o vai e vem dos dados é que pesa.</p><p>Assim<strong>, Flash Attention</strong> resolve isso <strong>reorganizando o algoritmo de atenção</strong> para trabalhar melhor com o hardware moderno (especialmente <strong>SRAM</strong>). Em vez de processar tudo de uma vez e engasgar a memória, ele <strong>divide a atenção em blocos menores (tiling)</strong> e faz tudo caber direitinho no cache rápido do sistema.</p><p><strong>Vantagem</strong>: melhora o throughput de forma concreta, especialmente em sequências longas.<br><strong>Desvantagem</strong>: não altera a arquitetura em si, a geração continua sequencial, e o modelo continua preso à sua natureza autoregressiva.<br><strong>Metáfora</strong>: você não comprou mais espaço nem comida, só aprendeu a guardar os potes de forma mais inteligente. Cabe mais, funciona melhor, mas a cozinha continua a mesma.</p><h4>3. Modularizar e Especializar</h4><p>Aqui a estratégia é <strong>usar só partes do modelo</strong>, ou <strong>treinar componentes específicos</strong>, para reduzir custo sem jogar fora toda a estrutura.</p><h4>Prefix / Prompt Tuning</h4><p>Essa técnica permite <strong>especializar um modelo grande sem precisar fazer um fine-tuning em todos os seus bilhões de parâmetros</strong>. Em vez disso, você treina apenas um pequeno conjunto de vetores adicionais, chamados de <strong>prefixos aprendidos, </strong>que são inseridos no início da entrada (como um “prompt invisível”).</p><p>O modelo-base continua congelado, mas responde de maneira diferente graças ao <em>contexto artificialmente aprendido</em>.</p><p><strong>Vantagem</strong>: muito mais leve e rápida que o fine-tuning tradicional, ideal para adaptar modelos a tarefas específicas com poucos recursos.<br><strong>Desvantagem</strong>: a capacidade de adaptação é limitada, você está influenciando o modelo, não reensinando ele. A base continua intacta (com todos os seus vícios).<br><strong>Metáfora</strong>: Imagine um chef preparando seu prato favorito. Em vez de trocar toda a receita (re-treinar o modelo), você só ajusta a marinada ou temperos antes de cozinhar. O preparo é o mesmo, mas o resultado final muda, com muito menos esforço.</p><h4>Mixture of Experts (MoE)</h4><p>Modelos MoE tentam resolver um paradoxo clássico: <strong>como aumentar a capacidade do modelo (mais parâmetros)</strong> sem multiplicar o custo de computação a cada inferência. A solução? <strong>Não ativar todos os parâmetros ao mesmo tempo</strong>.</p><p>O modelo é dividido em blocos chamados “especialistas”. A cada token, um roteador decide <strong>quais poucos especialistas devem ser ativados</strong>, de acordo com o contexto. Assim, o modelo pode ter bilhões (ou trilhões) de parâmetros, mas só usa uma fração por inferência.</p><p><strong>Vantagem</strong>: escalabilidade com eficiência, mais capacidade total, custo computacional moderado.<br><strong>Desvantagem</strong>: o roteamento pode ser instável, difícil de treinar e ainda mais difícil de depurar. Além disso, há risco de especialistas “morrerem” por falta de uso.<br><strong>Metáfora</strong>: É como ter um time enorme de consultores, mas ligar só para dois ou três por problema. Quando o roteador funciona bem, você acerta em cheio. Quando ele erra, você acaba ouvindo opinião de quem nem entendeu a pergunta.</p><h4>Conclusão: Aumentar Throughput é um Esporte de Risco</h4><p>Todas essas abordagens compartilham o mesmo objetivo: <strong>gerar mais tokens, mais rápido, com menos custo</strong>. Mas cada uma sacrifica alguma coisa no caminho: qualidade, estabilidade, memória ou sanidade do engenheiro. Você escolhe onde quer sofrer :).</p><h4><strong>Model Context Protocol (MCP): agora em versão distribuída a ilusão continua</strong></h4><p>A nova febre de 2024–2025 atende pelo nome de <strong>Model Context Protocol, </strong>um jeitinho elegante que OpenAI, Anthropic e cia. encontraram pra fingir que múltiplos modelos se entendem. A promessa? Costurar diferentes contextos e agentes em tempo real, como se fosse fácil fazer um grupo de LLMs agir como uma mente coesa e não como um rodízio de delírios coordenados.<br>Em teoria, isso ajuda a driblar o colapso de latência dos autoregressivos dividindo as tarefas. Na prática? Deverá ajudar, mas é importante entender que adicionaremos uma camada de orquestração onde agora várias<em> </em>partes podem alucinar ao mesmo tempo, mas com logs bonitos.</p><p>Como o Gary Marcus já resumiu com aquele ranço técnico que ele faz tão bem:</p><blockquote>“É só verniz de engenharia em cima do mesmo papagaio estatístico.&quot; — <a href="https://www.youtube.com/watch?v=3MygnjdqNWc">Are We at the End of Ai Progress? — With Gary Marcus</a></blockquote><p>Ou seja: o risco agora é quando der bug, ele vai dar bonito. Em rede. Em tempo real. Com telemetria.</p><p><strong>Enquanto isso, no mundo real… </strong>A orquestração entre modelos promete muito, mas o mercado segue exigindo o mesmo de sempre: resultado. E é aí que algumas empresas seguem firmes, e outras viraram estatística.</p><h3>Mercado: quem quebrou, quem venceu, e por quê</h3><p>Depois de duas décadas em tecnologia, e nos últimos anos trabalhando com data/ML dá pra dizer sem poesia: a maior parte dos fracassos que vi <strong>não</strong> foi por “falta de IA”, mas por <strong>excesso de fantasia</strong>.</p><p>As empresas/projetos que quebram seguem o mesmo roteiro: entram no hype acreditando em um “oráculo generalista”, mas com o pé atolado em <strong>dados ruins, processos frágeis e metas sem métrica</strong>. O resultado é previsível: muito pitch, pouco produto.</p><p>Quando dá certo, o cenário é outro. O problema está <strong>bem recortado</strong>, os dados são <strong>realmente tratáveis</strong>, a arquitetura é <strong>sóbria</strong> (RAG + ferramentas de apoio, nada mirabolante) e, principalmente, existe <strong>alguém que assume o risco e a responsabilidade</strong>. Não é magia, é gestão.</p><h4>Falhas emblemáticas (e o que elas ensinam)</h4><p><strong>1) Zillow Offers (iBuying): algoritmo bom; operação e governança ruins</strong></p><ul><li><strong>O que aconteceu:</strong> em Q3 de 2021, o segmento Homes registrou uma perda de <strong>US$ 421 milhões</strong>, levando à decisão de encerrar o Zillow Offers e demitir cerca de <strong>25% da força de trabalho</strong>.</li><li><strong>Autópsia:</strong> modelar preço futuro de imóvel em lote é um problema adversarial + logístico. Dados ruidosos, atrasos operacionais e incentivos desalinhados tornam o erro de previsão assimétrico: ganha pouco quando acerta, perde muito quando erra. Faltou governança de risco, limites, “kill switch” em regimes de alta volatilidade e simulações realistas <em>what‑if</em> integrando ML e operação.</li><li><a href="https://edition.cnn.com/2021/11/02/homes/zillow-exit-ibuying-home-business">https://edition.cnn.com/2021/11/02/homes/zillow-exit-ibuying-home-business</a></li></ul><p><strong>2) IBM Watson Health / Oncology — hype sem lastro clínico</strong></p><ul><li><strong>O que aconteceu:</strong> reportagens revelaram recomendações potencialmente inseguras e dificuldades de generalização. Em 2022, a IBM vendeu os ativos para a Francisco Partners, sob o novo nome Merative.</li><li><strong>Autópsia:</strong> domínio altamente regulado, dados heterogêneos e rótulos frágeis. Sem ensaios clínicos, sem auditoria robusta e com explicabilidade limitada, o produto era inapropriado para uso médico sério.</li><li><a href="https://www.nature.com/articles/s41598-021-84973-5">https://www.nature.com/articles/s41598-021-84973-5</a></li></ul><p><strong>3) Amazon Hiring Tool — viés aprendido, viés reproduzido</strong></p><ul><li><strong>O que aconteceu:</strong> o sistema foi abandonado em 2018 após experimento constatar viés contra mulheres. Recrutadores expuseram o sistema a currículos, mas a Amazon afirma que ele <strong>não foi usado para decisões reais de contratação</strong>.</li><li><strong>Autópsia:</strong> garbage in, bias out. Sem auditoria de <em>fairness</em>, sem mitigação prévia (reweighting, análises contra-factuais) e sem monitoramento estrutural pós-implantação, o sistema amplificou vieses históricos — não promoveu mérito.</li><li><a href="https://www.reuters.com/article/world/insight-amazon-scraps-secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK0AG/">https://www.reuters.com/article/world/insight-amazon-scraps-secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK0AG/</a></li></ul><p><strong>4) Air Canada Chatbot — custo jurídico da antropomorfização</strong></p><ul><li><strong>O que aconteceu:</strong> em fevereiro de 2024, o Tribunal de British Columbia considerou a Air Canada <strong>responsável por má representação negligente</strong> do chatbot, que orientou o passageiro a solicitar tarifa de luto após a viagem. O tribunal ordenou reembolso de aproximadamente <strong>CA$ 812</strong>. A tese de que o bot era uma “entidade separada” foi rejeitada.</li><li><strong>Autópsia:</strong> delegar promessa comercial a um LLM sem escopo definido, verificações ou supervisão é risco legal real. Um modelo assim, sem <em>policy guardrails</em>, não é canal oficial, é passivo legal.</li><li><a href="https://exame.com/inteligencia-artificial/chatbot-da-air-canada-erra-informacao-e-da-prejuizo-para-linha-aerea/">https://exame.com/inteligencia-artificial/chatbot-da-air-canada-erra-informacao-e-da-prejuizo-para-linha-aerea/</a></li></ul><p><strong>Padrão nos fracassos:</strong></p><ul><li>Problema mal formulado</li><li>Dados fracos/heterogêneos, sem governança</li><li>Arquitetura sem verificação confiável</li><li>Falta de dono do risco</li><li>Incentivos a <em>demo</em>, não a KPIs reais</li></ul><h4>Sucessos que valem a referência (e por que funcionam)</h4><p><strong>1) GitHub Copilot: produtividade com escopo estreito e métrica clara</strong></p><ul><li><strong>Evidência:</strong> estudo conduzido pela GitHub/Microsoft em 2022 mostrou que desenvolvedores completaram tarefas de programação <strong>55% mais rápido</strong> quando usaram Copilot em comparação ao grupo controle.¹ A taxa de sucesso também foi maior em tarefas padronizadas.</li><li><strong>Por que funciona:</strong> problema bem definido (assistência de código), feedback imediato (compilação/testes), dados abundantes (repositórios públicos de código) e humano-no-loop natural (o desenvolvedor sempre revisa). O LLM atua como <strong>ferramenta de produtividade</strong>, não como “substituto de programador”.</li><li><a href="https://www.future-processing.com/blog/github-copilot-speeding-up-developers-work/">https://www.future-processing.com/blog/github-copilot-speeding-up-developers-work/</a></li></ul><p><strong>2) AlphaFold: IA além de LLM, valor científico mensurável</strong></p><ul><li><strong>Evidência:</strong> AlphaFold2 (DeepMind, 2021) alcançou <strong>precisão próxima à experimental</strong> na predição de estruturas de proteínas (CASP14).² Em 2024, o Prêmio Nobel de Química foi concedido a Moungi Bawendi, Louis Brus e Alexei Ekimov por pontos quânticos, mas <strong>a contribuição do AlphaFold foi oficialmente destacada pela comunidade científica como uma das maiores da biologia computacional recente</strong> (não Nobel, mas impacto comparável em termos de reconhecimento global).</li><li><strong>Por que funciona:</strong> problema físico bem-posto, métrica objetiva (RMSD, benchmarks CASP), dados padronizados (Protein Data Bank) e arquitetura adequada (modelos especializados em proteínas, não “texto em tudo”).</li><li><a href="https://www.nature.com/articles/s41586-021-03819-2">https://www.nature.com/articles/s41586-021-03819-2</a></li></ul><p><strong>3) ORION/UPS — otimização clássica que imprime no P&amp;L</strong></p><ul><li><strong>Evidência:</strong> o sistema ORION reduziu mais de <strong>100 milhões de milhas percorridas por ano</strong> e economizou cerca de <strong>10 milhões de galões de combustível</strong>, segundo relatórios da própria UPS.⁴ Isso equivale a centenas de milhões de dólares em economia anual e impacto direto em emissões de CO₂.</li><li><strong>Por que funciona:</strong> problema combinatório claro (roteamento de entregas), dados operacionais confiáveis, função-objetivo explícita (tempo/combustível) e ciclo de melhoria contínuo. <strong>IA ≠ só LLM</strong>.</li></ul><h4>RAG, Latência, Burn Rate e a Ilusão do LLM Onipotente: Um Guia de Sobrevivência para Gestores</h4><p>Falei sobre cases de sucesso e fracasso. Agora é hora de voltar para a pracheta: o que um gestor precisa saber <em>de verdade</em> para entregar um produto de IA generativa que funcione, e não acabe em prejuízo ou carta do jurídico?</p><p>Spoiler: se latência baixa e throughput alto são parte da equação, sonhar com um LLM monolítico gigante é como colocar um foguete para entregar uma pizza. Funciona? Talvez. Escala? Não com seu orçamento.</p><h4>RAG &gt; LLM Monolítico (e isso não é uma opinião)</h4><p>Quando o caso de uso exige atualização frequente, baixa alucinação e resposta em tempo aceitável, um RAG bem projetado supera qualquer modelo monolítico, por maior que ele seja.</p><p>O motivo é simples: enquanto o LLM “puro” responde com base em tudo o que viu até a data do seu último checkpoint, o RAG insere contexto atualizado em tempo real. É como dar uma cola inteligente ao modelo antes de pedir a resposta, e isso reduz drasticamente alucinações, melhora a relevância e exige menos retraining.</p><p>Mas não basta usar RAG. É preciso usá-lo direito.</p><h4>Modelos menores, speculative decoding e MoE: o combo da sanidade orçamentária</h4><p>Se você ainda está servindo modelos gigantes para tarefas pequenas, parabéns: você está aquecendo o planeta e esfriando sua verba.</p><p>Uma alternativa séria (e testada por empresas como Google e IBM) é o uso de <strong>speculative decoding, </strong>uma técnica que acelera a geração de texto usando um modelo “draft” pequeno para prever tokens e um modelo maior apenas para validá-los. Resultado? Até 2×–4× mais throughput, sem sacrificar qualidade.</p><p>Some isso a <strong>Mixture of Experts (MoE)</strong>, onde só partes do modelo são ativadas conforme a tarefa. Você ganha eficiência, flexibilidade e controle. Lembre-se: eficiência não é só gastar menos, é gastar <strong>melhor</strong>.</p><p>Se você ignorar isso, o <em>burn rate</em> vai escalar tão rápido quanto o ego da equipe de inovação. E nem o financeiro mais otimista, armado com Excel e oração, vai conseguir fechar essa conta.</p><h4>Escopo claro &gt; devaneio AGI</h4><p>Quase todo projeto fracassado começa assim: “Melhorar a experiência do cliente com IA”. Isso não é objetivo. É desejo mal formatado.</p><p>Projeto sério tem objetivo mensurável: “Reduzir TMA do chat em 22%”. “Aumentar conversão no canal X em 1,5 ponto percentual”. Tudo que não for isso é material de Keynote, e vai acabar como tal: bonito, mas deletado depois do workshop.</p><h4>Dados sem dono = alucinação financiada</h4><p>Dado é insumo. E dado sem dono, sem SLOs (frescor, completude, acurácia), é um convite à alucinação cara.</p><p>Trate dados como produto: com catálogo, versionamento, linhagem e responsabilidade clara. Alguém precisa assinar o risco de usar aquele input em produção.</p><p>Ah, e nada de testar só o happy path do deck. Use amostras com exceção, ruído e caos, porque é isso que aparece às 16h de uma sexta-feira com o SLA estourando.</p><h4>Telemetria desde o dia 1 ou você está brincando de IA</h4><p>Não adianta medir só depois do primeiro incidente. Você precisa rastrear desde o início: latência, custo por token, taxa de acerto, <em>drift</em>, queda de desempenho. Sem isso, você está otimizando no escuro. E IA cega só gera confusão mais rápido.</p><h4>Se você não consegue desligar e medir o impacto, você não tem produto. Tem apresentação.</h4><p>Essa devia estar impressa em todas as salas de reunião.</p><p>Se o seu projeto não tem A/B honesto, golden set com validação humana, gate de promoção claro e rollback sem drama, você não tem entrega. Você tem ensaio técnico.</p><h4>“Human-in-the-loop” que funciona ou não deveria existir</h4><p>Revisão humana não é acessório. É arquitetura. Você precisa saber:</p><ul><li>Quem revisa?</li><li>O que revisa?</li><li>Em que condições (thresholds, amostragem)?</li><li>Qual é o plano de fallback? (Regra? Busca? Humano?)</li></ul><p>Se ninguém souber responder isso, então é só teatro e teatro não escala.</p><h4>Segurança, jurídico e o limite do delírio técnico</h4><p>Segurança e compliance não são preocupações pós-produção. São pré-requisitos de arquitetura.</p><p>Riscos como prompt injection, exfiltração e vazamento de dados pessoais precisam ser testados desde o desenvolvimento. Ignorar isso é apostar que a IA não vai falar besteira, e esperar que o jurídico conserte depois. Spoiler: não vai. E vai doer.</p><h4>SLOs de verdade que sustentam o produto no mundo real</h4><ul><li><strong>Precisão:</strong> ≥ 0,75 em verificação auditada.</li><li><strong>Hallucination Rate:</strong> ≤ 1%, porque pagar por delírio não é investimento.</li><li><strong>Latência (p95):</strong> ≤ 1,2 s, ou seja, 95% das requisições devem responder nesse tempo. Isso não é média, é tolerância máxima aceitável.</li><li><strong>Custo por resposta útil:</strong> some tudo que queima dinheiro na jornada como inferência (GPU, instância, API), recuperação vetorial, pós-processamento, revisão humana (se houver). Só conta se a resposta entregou valor de verdade: resolveu o problema, converteu, evitou atendimento humano. Caso contrário, é custo à toa.</li><li><strong>Auditabilidade:</strong> logs assinados, reprodutibilidade de resposta, versionamento claro de modelo e índice.</li></ul><p>Resumo: produto sério tem dono, métrica, dado com SLO, verificador humano, fallback funcional e o direito de dizer “não”.</p><p>O resto é evento com badge de “inovação”.</p><h4>Estando na posição de liderar uma frente de IA, o que eu faço</h4><ul><li><strong>Start pequeno, medido, recuperável: </strong>um caso, um KPI, um dono, um comitê de risco.</li><li><strong>Dados primeiro: </strong>contratos, catálogo, qualidade monitorada, acesso seguro.</li><li><strong>Arquitetura anti-fantasia: </strong>modelo menor + RAG + ferramentas; MCP só se integrar sistemas for inevitável (e com segurança reforçada).</li><li><strong>Ciclo de validação: </strong>métricas (precisão/fairness/latência), shadow mode antes de produção, rollback simples.</li><li><strong>Pessoas no centro: </strong>treinamento, UX de revisão, responsabilidade explícita.</li><li><strong>Juridicamente lúcido: </strong>tudo que o bot promete é promessa da sua empresa (pergunte à Air Canada).</li></ul><p>IA não é mágica, é um motor de Fórmula 1: um propulsor que só dá resultado se receber combustível de alta octanagem, calibragem milimétrica, equipe de mecânicos alinhada e um piloto disposto a assumir riscos.</p><p>O lucro nasce de uma pista bem planejada (problema recortado), combustível puríssimo (dados limpos), motor desenhado com cuidado (arquitetura decente) e piloto no comando (dono do risco).</p><p>Sem mecânico especializado para cuidar dos dados, sem torre de controle para definir metas claras ou sem revisão técnica rigorosa (auditoria), não é motor de corrida que falta. Falta profissionalidade no box.</p><p>Podemos gastar semanas afinando o bloco de cilindros (kernel), ajustando o sistema de refrigeração (KV-cache) e jurando que um novo tipo de ignição (speculative decoding) vai nos levar à pole position. No fundo, estamos apenas atrasando o momento de admitir: um carro de F1 não voa.</p><p>A questão não é mais como acelerar melhor na reta, mas como encarar que a pista termina num penhasco. Otimizar a esteira de produção só leva até a beira do precipício.</p><p>Bem-vindo ao platô da inteligência artificial e ao desafio que vem depois dele: evoluir o motor de verdade ou mudar de campeonato.</p><h4>IA é muito mais que LLM/ChatGPT (portfólio real, não fetiche)</h4><p>Se você acha que “IA = ChatGPT”, seu pipeline já nasceu estreito. IA é um guarda-chuva de métodos; LLM é uma ferramenta, potente, mas cega para significado. Aplique o critério Bender:</p><blockquote>forma ≠ significado.</blockquote><p>Pergunte sempre: “meu problema exige símbolos e decisões verificáveis ou fluência de linguagem?”</p><p>Onde o dinheiro já está (e por quê):</p><ul><li>Supervisionado clássico (tabular): fraude, churn, crédito, demanda.<br>Por quê funciona: rótulo claro, métrica objetiva, feedback curto. Nada de poesia, só decisão.</li><li>Otimização/OR + Pesquisa Operacional: roteirização, alocação, escalonamento. <br>Por quê funciona: problema fechado, função-objetivo explícita; matemática vence retórica.</li><li>Visão computacional: Inspeção de qualidade, segurança, leitura de medidor/estoque.<br>Por quê funciona: sensores padronizados, ground truth barato, KPIs físicos.</li><li>RL/controle: estoques, pricing sob restrição.<br>Por quê funciona: simulação, custo de erro controlado, política audível (regras + objetivo).</li><li>NLP clássico + RAG enxuto: busca semântica interna, Q&amp;A com citação de fonte, sumarização com referência.<br>Por quê funciona: recupera evidência; não pede sentimento para estocástico.</li></ul><p>Quando LLM faz sentido (e quando NÃO). Faz sentido se:</p><ul><li>O texto é a interface.</li><li>Há corpus interno com fontes verificáveis.</li><li>Você amarra o modelo a ferramentas externas (busca, código, verificador).</li><li>A decisão não depende só do que o modelo “sente” ser verdade.</li></ul><p>Não faz sentido se:</p><ul><li>Você precisa de garantia de correção.</li><li>Rastreabilidade regulatória, non-repudiation ou custos estáveis. (Tudo o que LLM promete sem lastro vira “estocástico com autoestima”.)</li></ul><p>Matriz de escolha (sem romance)</p><ul><li>Se a saída precisa ser verdadeira: RAG + verificador + regra/OR.</li><li>Se a saída precisa ser ótima: otimização/OR antes de qualquer prosa.</li><li>Se a saída precisa ser rápida e repetível: supervised/RL com métrica de negócio.</li><li>Se a saída precisa ser explicável: neuro-simbólico ou regras com ML na borda.</li></ul><p>Sem modelo do mundo e sem mecanismos simbólicos, você só tem imitação brilhante. Tokens não têm intenção; nós projetamos intenção neles. Não confunda.</p><p>Moral da história: Portfólio sério começa com problema, métrica, custo de erro e verificabilidade. LLM é peça, não é estratégia.</p><h3>Depois do Hype, a Responsabilidade</h3><h4>1. O que chamamos de “inteligência” aqui</h4><p>Vamos sair do metafísico: por inteligência, neste contexto, entendemos capacidade de otimizar funções-objetivo sob restrições, com generalização mensurável fora do conjunto de treino e controle de erro sob mudanças de distribuição. Isso inclui:</p><ul><li>Desempenho (acurácia, utilidade, tempo, custo),</li><li>Confiabilidade (calibração, robustez, segurança),</li><li>Governança (auditabilidade, responsabilização, conformidade).</li><li>Não é “o indelimitável”. É definido por tarefa, métrica e contrato.</li></ul><h4>2. Forma e sentido, revisitado (sem romance e sem dogma)</h4><p>Sim: LLMs são modelos de forma. Mas forma não é “vazio”; carrega regularidades estatísticas que, acopladas a grounding (ferramentas, dados externos, sensores, código), produzem comportamentos úteis e, às vezes, sinais de representação semântica. Dito isso:</p><ul><li>Sem verificador/ambiente, “compreensão” vira retórica.</li><li>Com verificador/ambiente, a utilidade é medível, e o “parece que entende” deixa de ser o centro da conversa.</li></ul><h4>3. Antropomorfismo com parcimônia (nem fetiche, nem negação)</h4><p>Atribuir intenção a redes neurais é erro clássico. Mas reduzir tudo a “fantasia” também distorce:</p><ul><li>Há domínios em que heurística estatística salva tempo, dinheiro e, sim, vidas (fraudes, triagem clínica assistida, observabilidade).</li><li>O ponto é não confundir eloquência com autoridade. LLM redige; decide quem foi designado (regra, orquestrador, verificador, humano responsável).</li></ul><h4>4. Escala não é teleologia, mas tampouco é inútil</h4><p>“Mais GPU” sem dados/algoritmos adequados dá retornos decrescentes. Porém, com design experimental, dados de melhor qualidade, ferramentas externas e controle de inferência (test-time compute), a escala ainda compra:</p><ul><li>Cobertura (mais casos),</li><li>Resiliência (melhor escolha entre alternativas),</li><li>Latência média menor (com speculative, MQA, FlashAttention),</li><li>desde que você meça e intervenha onde importa.</li></ul><h4>5. Responsabilidade é distribuída (em código, processo e gente)</h4><p>Transferir culpa para “o modelo” é tão infantil quanto exigir um “sujeito humano” carimbando cada token. Caminho do meio:</p><ul><li>Políticas codificadas (guardrails, regras, limites de escopo),</li><li>Auditorias automatizadas (logs imutáveis, trilhas de decisão, avaliações recorrentes),</li><li>Papéis claros (quem assina a versão, quem monitora drift, quem aciona rollback),</li><li>Comitê executivo com mandato (risco, jurídico, privacidade, produto).</li></ul><h4>6. Substituir tarefas ≠ substituir pessoas</h4><p>Há tarefas repetitivas que devem sair das mãos humanas. Ótimo. Mas:</p><ul><li>O desenho certo é “substituir o tedioso, elevar o humano”: automação assistida com supervisão e métricas de qualidade.</li><li>Onde culpa e consequência são severas (clínica, crédito, penal), assistência verificada &gt; automação plena.</li></ul><h4>7. Cinco teses</h4><ol><li><strong>Agência não nasce de probabilidade</strong>: LLM não “quer”. Logo, decisão relevante precisa de regra, verificador ou humano, definidos a priori.</li><li><strong>Responsabilidade é uma arquitetura, não um bode expiatório</strong>: Implemente accountability em camadas: políticas codificadas, logs assinados, “who-signed-what”, e um dono de risco com mandato (CPF/CNPJ — sim, alguém responde).</li><li><strong>Valor exige verificabilidade</strong>: Onde a verdade importa, evidência &gt; eloquência. Padronize testes de factualidade, consistência lógica, segurança (prompt injection), robustez e bias; rode regressões a cada release.</li><li><strong>Escala é um multiplicador, não um milagre</strong>: Mais compute amplifica o que você já tem: bons dados, bons verificadores, boa orquestração — ou erros, vieses e custos. Sem o resto, escala só acelera a queda.</li><li><strong>Inteligência útil é situada e híbrida</strong>: Resultados estáveis pedem problema recortado + dado com dono + arquitetura sóbria (RAG, ferramentas, código, verificadores), e quando útil, regras simbólicas ao lado do aprendizado profundo.</li></ol><h4>Conclusão (sem truque de fumaça)</h4><p>Podemos continuar a discutir “se entende”. Não é irrelevante, mas não é o que paga a fatura. O que paga é sistema que cumpre contrato: define objetivo, delimita escopo, usa dados governados, orquestra ferramentas, mede o que importa, audita sempre e atribui responsabilidade.</p><p>A filosofia nos lembra que linguagem tem forma e sentido; a engenharia nos ensina que sentido prático emerge quando acoplamos forma a verificadores e ao mundo. É assim que estatística vira utilidade.</p><p>Se quiser culto, tem palco. Se quiser resultado, tem protocolo:</p><ol><li>Problema, métrica, dono.</li><li>Dados com contrato, verificador no caminho crítico.</li><li>Arquitetura sóbria e híbrida.</li><li>Governança viva e logs à prova de auditor.</li><li>Escala depois, e só se fizer sentido.</li></ol><p>IA não é consciência. É ferramenta de alto impacto sob condições. Use-a onde há contrato e verificação. Evite-a onde a culpa é sua e o custo de erro é existencial.</p><p>E nunca confunda autocomplete com oráculo, principalmente quando quem responde, no fim, é você.</p><h4>Leia Também</h4><p><a href="https://bar8.com.br/o-espet%C3%A1culo-pat%C3%A9tico-da-pedra-contra-a-%C3%A1gua-li%C3%A7%C3%B5es-de-bauman-para-o-trabalho-07ddeeb59c87">O espetáculo patético da pedra contra a água: lições de Bauman para o trabalho</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=bfae3ba288ab" width="1" height="1" alt=""><hr><p><a href="https://medium.com/bar8/o-plat%C3%B4-da-ilus%C3%A3o-bfae3ba288ab">O Platô da Ilusão</a> was originally published in <a href="https://medium.com/bar8">Bar8</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[O espetáculo patético da pedra contra a água: lições de Bauman para o trabalho]]></title>
            <link>https://medium.com/bar8/o-espet%C3%A1culo-pat%C3%A9tico-da-pedra-contra-a-%C3%A1gua-li%C3%A7%C3%B5es-de-bauman-para-o-trabalho-07ddeeb59c87?source=rss-c8a59ed7d494------2</link>
            <guid isPermaLink="false">https://medium.com/p/07ddeeb59c87</guid>
            <category><![CDATA[liderança]]></category>
            <category><![CDATA[zygmunt-bauman]]></category>
            <category><![CDATA[filosofia]]></category>
            <category><![CDATA[trabalho-e-futuro]]></category>
            <category><![CDATA[modernidade-líquida]]></category>
            <dc:creator><![CDATA[Erick Carvalho]]></dc:creator>
            <pubDate>Thu, 28 Aug 2025 11:07:34 GMT</pubDate>
            <atom:updated>2025-08-28T13:14:37.768Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*9XbgOFxXkm14vnDD.jpg" /><figcaption><a href="https://www.publicdomainpictures.net/en/view-image.php?image=302252&amp;picture=stones-pile-water-zen">Stones Pile Water Zen</a></figcaption></figure><p>Bauman explicou a sociedade líquida. Aqui, extrapolo: e se aplicarmos essa lente ao trabalho?</p><p>E aweeee meu povo!!! Não publico nada desde abril de 2020. Talvez um dia eu explique por onde andei… mas, pensando bem, provavelmente não. O ponto é: voltei, e vou direto ao que importa.</p><p><a href="https://en.wikipedia.org/wiki/Zygmunt_Bauman"><strong>Zygmunt Bauman</strong></a> não estava preocupado com gestão, RH ou cultura corporativa. O alvo dele era maior: entender por que o mundo deixou de ser uma pedra estável e virou água escorrendo por todos os lados. Só que, goste ou não essa lente, ainda que nascida para ler a sociedade, é perfeita para entender o trabalho. O problema, porém, não é escolher <strong>pedra</strong> ou <strong>água</strong>; é encarar o <strong>choque de velocidades</strong>: muitas pessoas dentro das corporações seguem pensando e agindo no compasso sólido, enquanto as novas gerações nasceram no ritmo líquido. A água corre mais rápido do que as estruturas conseguem redirecionar.</p><p>A metáfora é simples e brutal:</p><ul><li><strong>Pedra: </strong>o sólido. Pesado, fixo, previsível, ordenado.</li><li><strong>Água: </strong>o líquido. Fluido, flexível, instável, impossível de segurar com as mãos.</li></ul><p>Bauman não oferta nostalgia de retorno: a pedra rachou, e o mundo virou líquido. Não é escolha, é condição. O máximo que podemos fazer é entender o que isso significa e aprender a navegar.</p><p>Agora, aqui vem a parte que dói: embora o mundo seja líquido, as instituições (especialmente muitas corporações) mantém em seus quadros pessoas que continuam tentando agir como se ainda fossem de pedra. São lentas, previsíveis até a morte, burocráticas até a exaustão. E, enquanto isso, as novas gerações já nasceram no fluxo da água, vivendo no ritmo do scroll infinito, dos ciclos curtos, das conexões frágeis.</p><p>Resultado? <strong>Choque</strong>.<br>De um lado, pessoas que ainda agem como pedra, sólidas demais para acompanhar a fluidez<br>Do outro, <strong>profissionais líquidos demais</strong> para suportar o peso da pedra.</p><p>E não, isso não é uma “briga de gerações” boba. É um <strong>descompasso de velocidades</strong>. A água não vai virar pedra de novo, mas também não adianta achar que rios se formam do dia pra noite.</p><p>O que Bauman nos dá é o diagnóstico: o mundo é líquido, ponto final.<br>O que estou tentando aqui é extrapolar: se não dá pra voltar ao sólido, como lidar com o fato de que profissionais que não acompanham a liquidez, e se frustram porque a mudança não acontece no ritmo que desejam?</p><p>Nosso compromisso intelectual é duplo: (1) <strong>respeitar Bauman</strong> no diagnóstico sem domesticá-lo em “dicas de gestão/RH”; (2) <strong>extrapolar</strong> para o campo profissional, onde a solução não é voltar ao sólido, mas <strong>aprender a sincronizar ritmos</strong>: acelerar onde a pedra atrasa, sustentar onde a água evapora.</p><p>Comecemos pelo começo: o que o <strong>trabalho sólido</strong> prometia, e qual era o preço dessa promessa.</p><h4>O trabalho sólido: promessa de estabilidade, preço da coerção</h4><p>Bauman descrevia a modernidade sólida, como aquele tempo em que a vida seguia um compasso previsível. Tempo onde o trabalho foi arquitetado sobre o <strong>fordismo</strong> (produção em massa), o <strong>taylorismo</strong> (racionalização do gesto) e o <strong>Estado de bem-estar</strong> (segurança social). Era o tempo dos <strong>sindicatos fortes</strong>, das carreiras longas e do organograma em pirâmide</p><p>Assim sendo, no trabalho era quase uma lei natural: você entrava numa empresa jovem, galgava degraus num organograma estático e, com alguma sorte, saía de lá aposentado, com o famoso relógio de ouro no pulso e uma festa no salão de festas da firma, foi assim que vi a carreira do meu pai e seus amigos.</p><p>Essa era a lógica do <strong>contrato sólido</strong>:</p><ul><li>A <strong>empresa prometia estabilidade, segurança e progressão linear</strong>.</li><li>O <strong>funcionário prometia lealdade, disciplina e permanência</strong>.</li></ul><p>Era o “pacto da pedra”.</p><p>E sim, havia coisas boas nisso.</p><ul><li><strong>Segurança</strong>: você sabia que teria emprego e salário por décadas.</li><li><strong>Previsibilidade</strong>: carreira era uma escadinha clara: trainee, analista, coordenador, gerente, diretor.</li><li><strong>Identidade estável</strong>: ser “funcionário da firma” era quase tão forte quanto ser “católico” ou “brasileiro”.</li></ul><p>Só que junto com a solidez vinha a sombra.</p><ul><li><strong>Burocracia sufocante</strong>: cargos fixos, hierarquias rígidas, pouca autonomia.</li><li><strong>Baixa mobilidade</strong>: não havia espaço para experimentação; você se encaixava ou era expurgado.</li><li><strong>Coerção velada</strong>: disciplina e obediência não eram virtudes opcionais, eram condições de sobrevivência.</li><li><strong>Exclusão</strong>: quem não se adaptava ao molde sólido era descartado, muitas vezes sem sequer entrar no jogo.</li></ul><p>Essa era a era em que o <strong>Estado, a empresa e a família</strong> formavam um tripé sólido de sustentação. Só que, como toda pedra, esse tripé também podia esmagar.</p><p>E aqui cabe uma crítica: muita gente olha para trás e romantiza essa fase. “Ah, no tempo dos meus pais era melhor, tinha estabilidade…” Mas estabilidade para quem? Para o homem branco, hetero, empregado numa grande indústria, talvez. Mas para as mulheres? Para as minorias? Para os que nasciam fora do eixo industrial? Para esses, a pedra sólida era só um muro intransponível.</p><p>Ou seja, o sólido dava previsibilidade, mas às custas da diversidade, da autonomia e da espontaneidade. Era o mundo da ordem mas também da coerção.</p><p>E aqui entra a ironia: muitas corporações de hoje ainda vivem <strong>presas ao mito do sólido</strong>. Falam de inovação, de “ser ágil”, mas continuam desenhando planos de carreira de 20 anos, organogramas em pirâmide e processos seletivos baseados em encaixar pessoas num molde pré-definido. A pedra ainda pesa.</p><p>Esse arranjo funcionava num mundo de <strong>mudança incremental</strong>. O problema é que a água chegou. E, com ela, novos incentivos, novas expectativas e um tipo de liberdade que cobra outra moeda. É onde entramos no <strong>trabalho líquido</strong>.</p><h4>O trabalho líquido: liberdade embalada em ansiedade</h4><blockquote>Se o trabalho sólido era a pedra que sustentava e esmagava, o trabalho líquido é a água que liberta e afoga.</blockquote><p>Na lógica líquida, emprego não é mais pacto vitalício, é <strong>experiência temporária</strong>. O currículo virou portfólio de projetos, não uma linha reta de promoções. Trocar de empresa, de área ou até de profissão deixou de ser visto como instabilidade e passou a ser “mobilidade estratégica”.</p><p>À primeira vista, parece libertador.</p><ul><li><strong>Autonomia</strong>: não precisa mais ficar décadas preso ao mesmo crachá.</li><li><strong>Mobilidade</strong>: você pode buscar desafios novos sem carregar a pecha de “instável”.</li><li><strong>Identidade fluida</strong>: você pode ser engenheiro hoje, designer amanhã, empreendedor na semana que vem.</li><li><strong>Oportunidade global</strong>: com internet e inglês, você trabalha para qualquer lugar do mundo.</li></ul><p>É a utopia líquida: ninguém mais precisa ser pedra, todos podem fluir.</p><p>Só que a mesma fluidez que seduz, também corrói.</p><ul><li><strong>Precariedade</strong>: vínculos frágeis significam demissões em massa, contratos curtos, gig economy disfarçada de “liberdade”.</li><li><strong>Ansiedade crônica</strong>: a cada ciclo você precisa provar valor de novo, reinventar identidade, recomeçar relações</li><li><strong>Consumo de carreiras</strong>: empregos viram produtos a serem consumidos e descartados, como séries de streaming.</li><li><strong>Identidade fragmentada</strong>: quando tudo pode mudar o tempo todo, quem é você de verdade?</li></ul><p>Bauman já dizia: na modernidade líquida, não existem laços permanentes. Até quando existem, precisam ser frouxos, prontos para se dissolver a qualquer momento. Isso vale para casamentos, amizades e, claro, empregos.</p><p>E aqui vem a grande ilusão: muitos acreditam que a liquidez no trabalho significa <strong>mais liberdade</strong>. Mas essa liberdade tem um custo escondido, tenso mas você nunca está livre do <strong>peso da escolha</strong>.</p><ul><li>No sólido: a empresa dizia quem você era.</li><li>No líquido: você precisa inventar quem você é, o tempo todo.</li></ul><p>E isso, convenhamos, cansa. —<em> Possivelmente aqui a motivação maior de eu escrever esse texto, talvez…)</em></p><p>O resultado é um paradoxo cruel: nunca tivemos tantas opções, mas também nunca estivemos tão inseguros. Nunca foi tão fácil trocar de emprego, mas também nunca foi tão difícil sustentar sentido.</p><p>E aqui surge uma provocação: se na era sólida o erro era reduzir o profissional a uma pedra fixa (<em>sou bancário, sou engenheiro da companhia X</em>), na era líquida o risco é viver apenas como espuma (<em>estou analista, estou gerente, estou founder, ex-talento da startup y</em>). Talvez o ponto não seja escolher entre ser ou estar. Extrapolando Bauman para o mundo profissional, talvez a saída prática seja cultivar um núcleo de valores, habilidades e propósito, algo que sustente os múltiplos ‘estares’ profissionais, mesmo num mundo líquido. Sem isso, a identidade vira catálogo de rótulos descartáveis, e o sujeito, um turista de si mesmo.</p><p>Mas esse movimento não acontece no vácuo. O mercado não é espectador inocente: ele é <strong>arquiteto ativo dessa fluidez</strong>. Da mesma forma que o marketing aprendeu a criar desejos para produtos que ninguém sabia que precisava, as empresas aprenderam a criar desejos para <strong>carreiras, cargos e culturas</strong>. A identidade profissional, já frágil, é ainda mais capturada pela lógica da tentação. Aqui temos também o mercado como ator <strong>vendendo espumas como se fossem essências</strong></p><h4>Consumismo e tentação: quando a carreira vira produto</h4><p>Bauman, em <em>Vigilância Líquida</em>, mostra que o salto do consumismo foi sair da lógica de atender necessidades para a lógica de <strong>produzir desejos</strong>. E essa chave explica muito do que acontece hoje com o trabalho: empregos, carreiras e até o propósito das empresas passaram a ser tratados como <strong>produtos de consumo</strong>.</p><blockquote>Exemplo claro: o tal do <strong>employer branding</strong>.</blockquote><p>Empresas transformaram o “trabalhar aqui” em campanha de marketing. Vídeos emocionais, slogans de impacto, escritórios com pufes coloridos, tudo pensado para <strong>seduzir talentos</strong>. Só que, assim como a propaganda de carro que promete liberdade, o produto entregue muitas vezes é só mais do mesmo: organogramas engessados, burocracias travadas, líderes mal preparados.</p><p>Na lógica líquida, o <strong>emprego deixou de ser pacto e virou experiência de consumo</strong>.</p><ul><li>Você entra porque foi seduzido pela promessa.</li><li>Fica o tempo suficiente para aproveitar os benefícios visíveis.</li><li>Sai quando surge a próxima oferta, igualmente sedutora.</li></ul><p>É a mesma lógica do streaming: não se “pertence” mais a uma empresa; se “consome” a experiência de trabalhar nela até a próxima temporada. E a tentação não para por aí.</p><p>Hoje, profissionais também são seduzidos por <strong>símbolos de status</strong> travestidos de desenvolvimento:</p><ul><li>O novo cargo com título “sexy” (mesmo sem autonomia real).</li><li>O badge no LinkedIn mostrando certificação relâmpago.</li><li>O storytelling de “propósito” que mais parece campanha publicitária.</li></ul><p>Bauman diria: não é só que o consumo entrou no trabalho. É que o próprio <strong>ato de trabalhar virou consumo</strong>. Você “compra” a narrativa de uma empresa tanto quanto compra um celular. E, como qualquer produto líquido, logo enjoa.</p><p>Isso explica muito da rotatividade que tantas empresas atribuem à “falta de resiliência de profissionais”. Não é que eles não tenham disciplina. É que o <strong>mercado aprendeu a seduzir melhor do que a sustentar</strong>. As corporações alimentam um ciclo em que o profissional é tentado, estimulado e depois descartado, até que outra corporação o seduza de novo.</p><p>O efeito é perverso:</p><ul><li>Empresas gastam fortunas em marketing para atrair talentos, mas quase nada em transformar a experiência interna.</li><li>Profissionais ficam viciados na dopamina do “novo desafio”, mas sem construir lastro no “ser” só no “estar”.</li></ul><p>O resultado é um mercado de trabalho que se comporta menos como <strong>ecossistema de carreira</strong> e mais como <strong>shopping center de empregos</strong>.</p><p>E se o consumo clássico precisava de grandes esforços para despertar desejo, na liquidez o jogo mudou: o próprio consumidor passou a cooperar.</p><p>No trabalho, isso é ainda mais grave: o colaborador <strong>participa ativamente da engrenagem que o captura</strong>. É o que Bauman chama de servidão voluntária.</p><h4>Servidão voluntária: quando colaborador coopera com sua própria exploração</h4><p>Bauman observou em <em>Vigilância Líquida</em>: antes, o marketing gastava fortunas para criar desejo. Hoje, essa despesa caiu porque o próprio consumidor faz o trabalho: entrega dados, informa preferências, se deixa classificar, e ainda agradece.</p><p>No trabalho, a cena é semelhante. O colaborador líquido não apenas sofre com a sedução corporativa, mas coopera com ela. Ele <strong>fornece de bom grado</strong> a matéria-prima para sua própria vigilância.</p><p>Veja como:</p><ul><li>Preenche feedbacks e autoavaliações que o ranqueiam, aceitando ser comparado por métricas que ele mesmo ajudou a construir.</li><li>Compra cursos e certificações, transformando identidade em catálogo de badges.</li><li>Celebra KPIs pessoais e rankings internos como se fossem conquistas de videogame.</li><li>Aceita a gamificação de metas e premiações, como se controle fosse diversão.</li></ul><p>A diferença é brutal: no trabalho sólido, o controle era imposto de fora: ponto batido, chefe vigiando. No trabalho líquido, o controle é <strong>internalizado</strong>. Cada um carrega no bolso sua própria telemetria pessoal: checa métricas de produtividade, se compara no LinkedIn, mede valor por curtidas e validações externas.</p><p>E é irônico que isso ainda gere gratidão. Quanto mais personalizado o controle, mais ele é percebido como benefício. Muitos profissionais chegam a agradecer pelos dashboards que os classificam, confundindo vigilância com cuidado.</p><p>Esse é o ponto mais incômodo: a liquidez não é apenas uma condição imposta pelas empresas; ela é também <strong>alimentada pelo desejo dos próprios indivíduos</strong>. Existem profissionais, muitas vezes, reforçam esse ciclo ao colecionar selos, títulos e cargos, confundindo isso com identidade.</p><p><strong>Resultado</strong>: corporações e colaboradores constroem juntos uma <strong>gaiola dourada</strong>. Sólida o suficiente para aprisionar, líquida o suficiente para parecer liberdade.</p><h4>O choque das velocidades: pedra parada, água impaciente</h4><blockquote>Chega de florear: o grande conflito no trabalho não é ideológico, é <strong>temporal</strong>.</blockquote><p>É o choque entre a lentidão sólida e a pressa líquida.</p><p>De um lado, pessoas ainda presas à mentalidade <strong>de pedra</strong>.<br>Gostam de processo pelo processo, comitê pelo comitê, reunião pela reunião.</p><p>Vendidas como inovadoras, mas na prática agem como cartório com logo moderno. Acreditam que cultura se mantém em manuais de RH e que inovação nasce de aprovações em cadeia.</p><p>Do outro, pessoas já moldadas pela lógica <strong>da água</strong>.<br>Querem tudo no ritmo de um feed: rápido, responsivo, múltiplo. Cresceram no scroll infinito e acreditam que transformação é instantânea. Querem propósito e impacto, mas também querem trocar de propósito a cada semestre.</p><p>O resultado é previsível:</p><blockquote>Extrapolando Bauman, podemos dizer que o sólido acusa o líquido de não ter resiliência, e o líquido acusa o sólido de estar parado no tempo.</blockquote><p>E ambos estão certos, e errados ao mesmo tempo.</p><ul><li>O sólido é de fato lento, mas isso não é virtude: é atraso.</li><li>O líquido é de fato veloz, mas isso não é maturidade: é ansiedade.</li></ul><p>Bauman não disse que devíamos escolher entre os dois. Ele foi claro: <strong>o futuro é líquido</strong>. O sólido não vai voltar, nem deveria. Mas a liquidez tem um custo: precisa de lastro. Correntezas carregam; espumas evaporam.</p><p>Portanto, o choque não é sobre qual lado vencerá. O líquido já venceu.<br>A questão é se quem ainda age como pedra aceita se dissolver a tempo, e se quem já é água aprende a fluir sem evaporar.</p><h4>A ponte necessária: dissolver o sólido, amadurecer o líquido</h4><p>Até agora falamos de “empresas” e “gerações” como blocos. Mas a verdade é menos abstrata: <strong>não existem corporações sólidas ou gerações líquidas, existem pessoas</strong>.</p><blockquote>Pessoas que insistem em ser pedra.<br>Pessoas que já vivem como água.</blockquote><p>O recado para as pedras é simples: <strong>acabou</strong>.<br>Ser lento, hierárquico e previsível não é segurança, é teimosia. O mundo líquido não vai esperar seu comitê terminar a ata. Não existe futuro para quem se agarra à rigidez como desculpa. Pedra que não aceita dissolver, quebra. E não há mérito nenhum em resistir: rigidez não é legado, é teimosia.</p><p>O recado para as águas é mais incômodo: <strong>tenham paciência</strong>.<br>Sim, o futuro é líquido, mas transformação estrutural não acontece na cadência de uma propaganda do YouTube de 15 segundos. Se querem mudar de verdade, não podem evaporar ao primeiro sinal de frustração. Precisam sustentar projetos, criar lastro, virar correnteza, não espuma.</p><p>Essa é a ponte: não é sobre conciliar sólido e líquido como se fossem iguais. É sobre <strong>dissolver o sólido</strong> e <strong>amadurecer o líquido</strong>.</p><ul><li>O sólido precisa largar o apego ao passado e aprender a fluir.</li><li>O líquido precisa entender que até a água, para escavar pedra, precisa de tempo.</li></ul><p>O futuro já está definido: <strong>é líquido</strong>.</p><p>A escolha que resta é se vamos aprender a fluir juntos ou se vamos continuar nesse espetáculo patético de pedras travando o caminho e águas evaporando antes de mover alguma coisa.</p><p>E assim, depois de tantas pedras e águas, o mundo permanece igual: líquido, frágil, veloz. Talvez nada mude amanhã, talvez nunca mude no compasso que desejamos. Mas, quem disse que precisava?</p><p>A verdade é que expor essas tensões não resolve, acredito apenas ajuda a iluminar. E só de iluminar já me sinto mais leve, como quem olha o rio sabendo que ele seguirá correndo.</p><p>O próximo passo? Talvez venha em outro texto, talvez em outro silêncio.</p><p>Até lá, seguimos: dissolvendo onde for preciso, sustentando onde ainda der.</p><h3>Referências e leituras para quem quiser mergulhar mais fundo</h3><ul><li><strong>Zygmunt Bauman — <em>Modernidade Líquida</em></strong><br> O clássico onde Bauman apresenta a metáfora da liquidez e mostra como ela redefine relações sociais, afetivas e políticas.</li><li><strong>Zygmunt Bauman — <em>Vigilância Líquida</em></strong><br> O livro que usei como base neste texto para falar de consumismo, sedução e servidão voluntária.</li><li><strong>Peter Drucker — <em>The Effective Executive</em></strong><br> Pra quem quer conectar Bauman ao mundo da gestão: clássico sobre responsabilidade individual em organizações.</li></ul><p><strong>Leia Também</strong></p><ul><li><a href="https://bar8.com.br/procura-se-um-gerente-do-futuro-b8448e9812e8">Procura-se um gerente do futuro</a></li><li><a href="https://bar8.com.br/gerenciamento-2-0-18668dfa1f9a">Foco no valor de entrega para o cliente #SQN</a></li><li><a href="https://bar8.com.br/agilidade-sap-abap-93b17d8d4a13">Agilidade</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=07ddeeb59c87" width="1" height="1" alt=""><hr><p><a href="https://medium.com/bar8/o-espet%C3%A1culo-pat%C3%A9tico-da-pedra-contra-a-%C3%A1gua-li%C3%A7%C3%B5es-de-bauman-para-o-trabalho-07ddeeb59c87">O espetáculo patético da pedra contra a água: lições de Bauman para o trabalho</a> was originally published in <a href="https://medium.com/bar8">Bar8</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Code Review]]></title>
            <link>https://medium.com/bar8/code-review-e278f1503e56?source=rss-c8a59ed7d494------2</link>
            <guid isPermaLink="false">https://medium.com/p/e278f1503e56</guid>
            <category><![CDATA[azure-devops]]></category>
            <category><![CDATA[abap]]></category>
            <category><![CDATA[sap]]></category>
            <category><![CDATA[code-review]]></category>
            <category><![CDATA[bar8]]></category>
            <dc:creator><![CDATA[Erick Carvalho]]></dc:creator>
            <pubDate>Tue, 28 Apr 2020 12:58:27 GMT</pubDate>
            <atom:updated>2020-04-28T12:58:27.614Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*FsPpP_zvpQdg9oEYXhm2Ng.jpeg" /><figcaption>Photo by <a href="https://unsplash.com/@rangel">David Rangel</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><h4>Talk is cheap. Show me the code – Linus Torvalds</h4><p>E aweeeeeee meu povo!!!!!</p><p>Sei que dei uma sumida, mas realmente de um ano para cá a minha vida virou uma loucura. No entanto, tem sido um ano de bastante aprendizado onde tenho colocado muita novidade em prática — e que pretendo compartilhar mais com vocês.</p><p>Em resumo, estou trabalhando em uma nova empresa, <a href="https://www.ab-inbev.com/"><strong>AB InBev</strong></a>, e é lá onde tenho tido a oportunidade de colaborar e ajudar a inovar com novas ideias para a área de desenvolvimento. A melhor parte é que ainda tenho trabalhado com SAP, então estamos conseguindo empregar cerimônias e atividades que até hoje muitos profissionais acreditam ser impossíveis — e uma dessas atividades é a de <strong>Code Review</strong>.</p><p>De maneira breve, code review é uma atividade em que uma ou várias pessoas verificam a entrega de um desenvolvedor lendo partes de seu código, buscando garantir a qualidade da aplicação. Entretanto, por mais simples que pareça essa atividade, não é comum vê-la sendo aplicada no dia a dia do time de desenvolvimento, principalmente quando falamos em SAP. Assim, logo abaixo deixo minha percepção e o que temos feito para conseguir executar essa atividade na firma.</p><h4>É difícil ler o código de outras pessoas</h4><p>Para quem acompanha o blog há mais tempo, provavelmente já leu os seguintes posts:</p><ul><li><a href="https://bar8.com.br/rtfd-01-f0f0c82ac6df">RTFD — 01</a></li><li><a href="https://bar8.com.br/read-the-fucking-documentation-02-41086eb0296b">Read the Fucking Documentation 02</a></li><li><a href="https://bar8.com.br/read-the-fucking-documentaiton-03-5615bc02feb2">Read The Fucking Documentaiton 03</a></li></ul><p>O que esses posts têm em comum é o acrônimo <strong>RTFM </strong>para a frase “Read the Freaking Manual” (a versão não familiar é mais legal, e por isso o <a href="https://medium.com/u/77e4cdae7abb">Adriano Campanhola</a> é meu ídolo).</p><p>Mas o fato é: quantas vezes poderíamos ter evitado passar horas batendo a cabeça com algo se simplesmente tivéssemos lido o manual (ou no caso de desenvolvedores, a <strong>documentação </strong>em primeiro lugar)?</p><p>Para nós, desenvolvedores, isso vai além em nossas rotinas: no nosso caso, o código fonte é, por definição, a descrição mais precisa de como um determinado programa irá se comportar. Salvo <a href="https://bar8.com.br/sap-abap-codigo-comentario-boas-praticas-95fffbe90895"><strong>comentários imprecisos</strong></a> e nomes enganosos de variáveis ​, o código fonte é a única forma de documentação tida como 100% precisa.</p><p>O que impede o código fonte de ser uma ótima documentação é o fato de ser tão difícil de ler. E isso porquê:</p><blockquote>A maioria dos programadores não consegue ler o código com eficiência!</blockquote><p>Bizarro né? Posso imaginar um desenvolvedor recém iniciado na área lendo esse meu comentário e pensando:</p><blockquote>Mas isso não faz parte do trabalho de um programador?</blockquote><p>Por mais estranho que possa parecer, é verdade e há razões para que o seja.</p><p>Entrando um pouco mais no detalhe, a minha intenção em ser alarmista se deve ao fato de que quase todo programador pode ler código no sentido mais estrito da palavra, ou seja, pode analisar uma determinada linha de código e ter uma ideia razoável do que o código faz. Ser capaz de entender grandes quantidades de código, seus designs e intenções implícitos, ser capaz de extrapolar e entender como o código evoluirá com o tempo, no entanto, é uma história completamente diferente.</p><p>Infelizmente, essas habilidades podem ser raras em muitos desenvolvedores. Em outras palavras, a maioria dos desenvolvedores tem alguma facilidade na <strong>leitura</strong> de código, mas eles são realmente deficientes na <strong>compreensão</strong> do código.</p><p>Na minha experiência, a parte mais incrível sobre desenvolvimento é que é mais difícil ler o código do que escrevê-lo. Existem algumas razões que, na minha opinião, são as principais responsáveis ​​por esse fenômeno.</p><p>O primeiro motivo pelo qual o código é mais difícil de ler do que escrever tem a ver com a enorme quantidade de dados que você precisa manter em mente para ler o código. Ao escrever código, você só precisa lembrar as variáveis, algoritmos, dados e outras informações que somente são relevantes para o recurso que está sendo escrito naquele momento. Por outro lado, ao ler o código, você precisa manter os dados não apenas sobre o recurso que você está investigando, mas também sobre outras funcionalidades potencialmente relevantes.</p><p>Algo que busco fazer quando estou entendendo o código é entendê-lo suficientemente bem para aproveitá-lo. Tento sempre criar um modelo funcional do design na minha mente, baseado a partir de pistas sugeridas pelo próprio código.</p><p>Entretanto, quando escrevemos o código, muitas vezes podemos ignorar os casos de exceção e erro com a expectativa de alcançá-los assim que a lógica principal estiver funcionando, ao contrário do momento em que estamos lendo o código, onde todos esses casos de exceção e erro já estão implementados e incorporados ao código.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fgiphy.com%2Fembed%2FrbvMl4v4oWV0I%2Ftwitter%2Fiframe&amp;display_name=Giphy&amp;url=https%3A%2F%2Fgiphy.com%2Fgifs%2Fsherlock-benedict-cumberbatch-rbvMl4v4oWV0I&amp;image=https%3A%2F%2Fmedia.giphy.com%2Fmedia%2FrbvMl4v4oWV0I%2F200.gif&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=giphy" width="435" height="301" frameborder="0" scrolling="no"><a href="https://medium.com/media/f92df5e849cbb238dd965c559f7adc57/href">https://medium.com/media/f92df5e849cbb238dd965c559f7adc57/href</a></iframe><p>Outro fator relevante que confunde a leitura do código é o orgulho. Orgulho do programador. Escrever código é um empreendimento surpreendentemente pessoal. Quando você passa muito tempo pensando profundamente sobre um problema e criando código para resolvê-lo, pode facilmente se apegar emocionalmente ao código que criou.</p><p>Isso pode ser vantajoso porque incentiva os programadores a refinar constantemente seu código favorito, mas também leva os programadores a ter sentimentos territoriais sobre um domínio de problema específico e a inclinar-se em seu próprio código. Esse tipo de orgulho pode tornar extremamente difícil para um programador ler a implementação de outra pessoa e compará-la de maneira justa com a sua. De fato, se eles começarem a ler código com a suposição de que não vão gostar, nunca serão capazes de aplicar a força cerebral necessária para entender o código que deveriam ler.</p><p>Sobre esse elemento de orgulho do programador, é sempre excelente manter em mente o seguinte:</p><blockquote>Você não pode menosprezar alguém quando lê o código. Se você não respeitar a pessoa que escreveu ou está escrevendo o código, não poderá aplicar a energia necessária para entendê-lo.</blockquote><p>Temos, portanto, que a leitura do código é difícil porque pode ser mental e emocionalmente desgastante. Sendo esse o problema, o que podemos fazer sobre isso? Certamente, acredito que o code review seja um conceito excelente para se exercitar.</p><h4>Por que executar Code Review?</h4><p>Code review em minha experiência está intimamente ligado à qualidade. Todos sabemos que, quando um desenvolvimento é entregue com muitos defeitos, os desenvolvedores passam mais tempo corrigindo a aplicação do que escrevendo novas funcionalidades. Mas mesmo sabendo disso, alguns (muitos) projetos tentam economizar tempo reduzindo o tempo gasto em práticas de garantia de qualidade como <strong>code reviews</strong> e <strong>testes</strong>.</p><p>Um outro benefício trazido com a prática de code reviews é que o trabalho é descentralizado em toda a equipe. O time passa a não ter apenas uma única pessoa que conhece uma parte específica da código. Assim, as revisões de código ajudam a facilitar o compartilhamento de conhecimento do código dentro do time.</p><p>Falando em compartilhar conhecimento, um aspecto especial é que, quando novos membros se juntam à equipe, engenheiros mais experientes orientam os membros mais novos. O code review ajuda a facilitar as conversas sobre a código. Não é nada incomum encontrarmos conhecimentos ocultos dentro do código que aparecem durante o code review. Os membros mais novos, com novos olhos, descobrem áreas retorcidas e complicadas da aplicação que precisam de uma nova perspectiva. Portanto, o code review também ajuda a garantir que o novo insight seja temperado com o conhecimento existente.</p><p>Um último ponto é que quando os desenvolvedores sabem que seu código será revisado por um colega de equipe, acontece uma pressão natural que exige um esforço extra para garantir que todos os testes sejam aprovados e que o código seja tão bem projetado quanto possível para que a revisão ocorra sem problemas. Essa atenção também tende a tornar o processo de codificação mais suave e, em última análise, mais rápido, afinal, você certamente não quer ser o cara que toma o tempo de todo o resto do time por não fazer seu trabalho bem feito.</p><h4>O que procuro avaliar durante o Code Review</h4><p>Sem dúvidas, a primeira coisa em que penso quando preciso revisar o código de outro desenvolvedor é no design do que está sendo entregue. Basicamente, pontos como:</p><ul><li>Como o novo código se encaixa na arquitetura geral?</li><li>O código segue os princípios do SOLID, DDD e/ou outros padrões de design que são usados ​​em codificação? São apropriados?</li><li>O contexto do código inserido, está no lugar certo? Certeza que não existe outra rotina que poderia ter sido reutilizada?</li><li>Teste unitário;</li><li>Overengineering <a href="https://en.wikipedia.org/wiki/You_aren%27t_gonna_need_it"><strong>YAGNI</strong></a><strong>.</strong></li></ul><p>E em seguida eu sigo para legibilidade e manutenção. Assim, procuro sempre ter claro quais são as formatações e estilos aplicados pelo time. Busco analisar o seguinte:</p><ul><li>Descrição de campos, variáveis, parâmetros, métodos e classes realmente refletem o que representam?</li><li>Posso entender o que o código faz apenas lendo-o?</li><li>Além da garantia de que os testes cobrem um bom subconjunto de casos (e não apenas os caminhos felizes), sou capaz de entender o que os testes fazem e, por tabela, o que foi desenvolvido?</li><li>As mensagens de erro de exceção são compreensíveis?</li></ul><p>Com a ajuda da descrição do Pull Request (algo que irei abordar mais abaixo), busco entender se o código que estou revisando realmente entrega o valor que a funcionalidade espera, isto é:</p><ul><li>O comportamento do código realmente reflete o que está descrito como premissa do desenvolvimento? Com testes unitários, essa atividade fica muito mais simples, pois os testes deverão refletir exatamente isso.</li></ul><p>Não acredito que exista uma única maneira de realizar essa avaliação, entretanto é possível encontrar muitas dicas por ai. Uma delas que eu verdadeiramente recomendo é a seguinte:</p><p><a href="https://google.github.io/eng-practices/review/reviewer/looking-for.html">What to look for in a code review</a></p><h4>Quais cuidados costumo ter — como desenvolvedor — durante a submissão de código</h4><p>Sem dúvida alguma minha maior preocupação está em escrever uma documentação e, para isso, utilizamos a <a href="https://help.github.com/en/github/collaborating-with-issues-and-pull-requests/about-pull-requests">pull request</a>. Na minha experiência, essa é a chave para que os revisores não desistam do seu código.</p><p>Além disso, é também a chave do sucesso durante o code review. Justamente por isso, quero trazer aqui exatamente o que temos como boa prática sendo executado atualmente na &quot;firma&quot;, para que fique claro que isto é algo que pode ser aplicado no dia a dia.</p><p>Pull requests são uma ótima maneira de introduzir novas alterações em um repositório por meio de revisão e/ou discussões sobre as alterações que você deseja enviar.</p><p><strong>O </strong><a href="https://www.atlassian.com/git/tutorials/making-a-pull-request"><strong>Pull Request </strong></a><strong>— </strong>Depois de ter finalizado o desenvolvimento na sua branch (no nosso caso utilizamos como estratégia de workflow <a href="https://www.atlassian.com/git/tutorials/comparing-workflows/feature-branch-workflow"><strong>feature branch</strong></a>), você já está pronto para ir até o repositório — que no nosso caso é o <a href="https://azure.microsoft.com/en-us/services/devops/repos/"><strong>Azure Repos</strong></a><strong> </strong>— e criar um novo pull request no repositório em que está trabalhando.</p><p>Um ponto muito interessante é que você sempre pode mencionar outros usuários e equipes para solicitar feedback ou novas idéias e trazer pessoas de fora do projeto para contribuir na discussão atual.</p><p><strong>Template utilizado por nós para abertura de um Pull Request<br></strong>O título do PR deve ser nomeado usando o seguinte formato:</p><p><strong>#[STORY_ID]</strong> Descrição da história</p><p>A descrição do pull request deve conter os seguintes títulos e o conteúdo correspondente no formato <a href="https://www.markdownguide.org/getting-started/"><strong>Markdown</strong></a>.</p><ul><li>O que esse pull request faz?</li><li>Descrição da tarefa a ser concluída;</li><li>Como isso deve ser testado manualmente?</li><li>Quais são as histórias relevantes à respeito ao contexto desenvolvido?</li><li>Screenshots (se apropriado).</li></ul><p><strong>Boas práticas</strong></p><p>Normalmente pull requests suportam:</p><ul><li>Markdown;</li><li>Screenshots;</li><li>GIFs.</li></ul><p>Então abuse desse tipo de recurso.</p><h4>Como eu costumo executar um code review sendo um revisor</h4><p>Eu sempre começo com um checklist preparado antes do início da análise (talvez por ter uma satisfação pessoal com riscar atividades quando prontas — para quem me conhece ou já trabalhou próximo de mim, sabe que utilizo esse hábito para aumentar dopamina).</p><p>Com uma lista bem estruturada sobre o que tenho como objetivo de avaliação, eu procuro não analisar mais de 250–300 linhas de código. Além disso, procuro não estender a análise por mais de 60 minutos (no meu caso é por questão de cansaço mesmo).</p><p>Por último, mas certamente não menos importante, code review eu vejo na maioria das vezes como uma forma de desenvolver parcerias, por isso é sempre muito importante:</p><ul><li>Ser gente boa e ser claro, nada de sarcasmo ou ironia em comentários;</li><li>Sempre procuro justificar o meu raciocínio;</li><li>Procuro ter certeza que estou servindo apenas como um guia a respeito do que necessita ser ajustado, isso porque a responsabilidade de ajustar o código é de quem submeteu o código, e não do revisor;</li><li>Garantir que não estou submetendo o outro desenvolvedor a algum tipo de exame. O meu papel é garantir que o código melhore, não tem a ver com aprovar ou reprovar o trabalho de alguém.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/1*1UE-LRsFOv_B1WGAzfbs_A.png" /><figcaption>© geek &amp; poke, <a href="http://geek-and-poke.com/">http://geek-and-poke.com</a></figcaption></figure><h4>Code review — Fluxo</h4><p>Aqui a intenção é apresentar como nós lá da firma temos feito para executar essa atividade (lembrando que ela não é mais certa que outras). Existem algumas formas de realizar essa atividade, principalmente porque existem diversas ferramentas para alcançar o mesmo resultado.</p><p>Vou começar apresentando o fluxo que temos trabalhado com desenvolvimentos fora do SAP:</p><p>A ferramenta que utilizamos como repositório GIT é o <a href="https://azure.microsoft.com/en-us/services/devops/repos/"><strong>Azure Repos</strong></a><strong>,</strong> de modo que não existe muito segredo. Finalizado o desenvolvimento em sua branch, temos o seguinte fluxo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*D50dN15SI_FgfhtODAW4cw.png" /><figcaption>Commit do desenvolvimento. — Como é uma imagem muito ilustrativa, no dia a dia fazemos esse processo via terminal ;D</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*o03t_bV3yBAl1Oy0He_Pwg.png" /><figcaption>Criação de um novo Pull Request</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*iQs83vCKAMEyPzorruURgw.png" /><figcaption>Preparação da documentação para o pull request</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Mez22JRUJ-7r04V8UnPbww.png" /><figcaption>Aqui podemos controlar o code review, o que precisa ser revisado ou quem serão os revisores. Concluído este passo , decidimos como e quando promover a feature branch para a master branch.</figcaption></figure><p>Dentro do SAP é necessário realizar alguns passos a mais. Por conta disso, vamos começar tentando entender primeiro o fluxo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*MWb1KDFl2kEJ4RbPFPaCCA.png" /><figcaption>Workflow do desenvolvimento ABAP ;D</figcaption></figure><p>A ferramenta que utilizamos para realizar o code review é, novamente, o Azure Repos, isso pois quando realizamos um commit utilizando o <a href="https://docs.abapgit.org/"><strong>abapGit</strong></a><strong>, </strong>o código é enviado para o Azure Repos. Dessa forma podemos controlar para que apenas aconteça a liberação da request ou um transporte de cópia de uma task a partir do momento em que todas as tasks tenham tido um code review com os seus devidos revisores.</p><p>Isso é importante pois hoje temos a automação e a possibilidade de designar algum revisor específico de maneira dinâmica a partir do tipo de objeto que está presente na task. Exemplo: temos hoje um time que cuida para que a cada objeto de autorização criado no SAP, exista uma role atribuída a ele. Assim, temos o controle de que toda vez que uma task é liberada, caso ela possua um objeto de autorização, automaticamente no code review é adicionado alguém do time responsável para auxiliar na revisão.</p><p>O fluxo acima, em movimento:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/600/1*eUkjPradCyJe_7ljDLE-uA.gif" /><figcaption>Sim, code review com objetos do SAP ;D</figcaption></figure><p>Abaixo segue um material sobre uma outra forma de executar a integração SAP e Azure DevOps. No meu caso o pipeline de integração contínua (CI) é um pouco diferente. Caso seja do interesse de vocês posso trazer como temos feito também o CI no nosso time.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2F7d8pngf85Ag%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3D7d8pngf85Ag&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2F7d8pngf85Ag%2Fhqdefault.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/1524970eec872d60c15db491e1bf287e/href">https://medium.com/media/1524970eec872d60c15db491e1bf287e/href</a></iframe><h4>One Size Does Not Fit All</h4><p>Sem dúvidas seria maravilhoso se agora, ao final desta publicação, eu tivesse uma formula mágica de como executar o code review perfeito. Entretanto, como sempre, a resposta sobre &quot;Como realizar um bom code review é”:</p><blockquote>#Depende</blockquote><p>Isso porque:</p><ul><li>depende da equipe;</li><li>depende da aplicação;</li><li>depende do que você está tentando alcançar com o seu código;</li><li>depende da experiência dos envolvido(s) no momento da revisão;</li><li>depende do propósito;</li></ul><p>e assim por diante…</p><h4>Conclusão</h4><p>Code review é uma atividade que não é simples e exige prática. Nesta publicação tentei trazer o máximo de minha experiência nesse assunto sobre padrões que procuro empregar para tornar a experiência do code review mais proveitosa e agradável.</p><p>Para finalizar, alguns padrões que eu tomo muito cuidado, e que em minha experiência sempre se mostraram não ser efetivos durante a rotina de code review, são:</p><ul><li><strong>Revisão com banca examinadora de babacas</strong> — Nunca passei diretamente por essa situação, entretanto estive muito próximo de times que utilizavam essa abordagem. E aqui o que existia era uma banca formada pelos &quot;donos do produto&quot;, e o prazer deles era servir como juízes de algum reality show, onde a graça está em ser irônico/sarcástico/superiore a quem está submetendo o código para revisão. O resultado, é claro, era apenas a auto-estima lá embaixo e ressentimentos. Um detalhe é que nessa situação estou falando de uma banca de babacas, mas existem situações onde basta um babaca que seja o dominante, e teremos a mesma a situação de merda.</li><li><strong>Maratona de revisão </strong>— Essa é uma situação que já passei algumas vezes. O que tínhamos eram horas sentados em uma sala, revisando todo o código. Já tive situação de quase 10 horas de revisão direto. Claro que isso não foi proveitoso, por mais que começássemos muito empolgados com a revisão, depois de algumas horas, é impossível manter a qualidade.</li><li><strong>Falta de guias de boas práticas de desenvolvimento</strong> — O grande ponto aqui é que se o time não possui um guia de boas práticas, muitas vezes o time fica refém do bom humor de quem está revisando, isso porque um dia pode ser que a utilização de classes estáticas seja uma coisa aceitável, entretanto na semana seguinte é algo terrível. Esse tipo de falta de padrão desgasta o time, por isso vale bastante a pena que seja investido um tempo na definição das boas práticas. E vejam, nada impede que elas mudem, entretanto elas precisam estar claras para todos.</li><li><strong>Fingir code review</strong> —Você submete o seu código para revisão e, após 5 minutos, recebe um e-mail que o código foi revisado. Nem preciso dizer o quão desperdício de tempo é possuir um processo que o próprio time sabota, certo?</li></ul><p>Para evitar qualquer tipo de situação como essas, sempre estabeleça o objetivo do code review. Novamente, um code review pode ser quebrado em diferentes contextos como: qualidade do código, segurança, design e etc…</p><p>Então muito obrigado pela atenção e companhia em mais esse post.</p><p>Não deixe de conferir as referências abaixo, e se curtiu o post não deixe de participar comentando, compartilhando ou simplesmente segurando esse botão de aplausos para mostrar que é esse tipo de conteúdo que você deseja ter por aqui. Muito obrigado e até mais!</p><h4>#Bar8Indica</h4><p><a href="https://docs.microsoft.com/en-us/azure/devops/repos/git/pull-requests?view=azure-devops">Review and merge code with pull requests - Azure Repos</a></p><h3>#LeiaTambém</h3><ul><li><a href="https://bar8.com.br/desenvolvedor-por-hobby-f5ccf46172b1">Desenvolvedor por Hobby</a></li><li><a href="https://bar8.com.br/minha-lista-de-livros-pesadona-pt-1-f63130037b12">Minha lista de livros pesadona — pt.1</a></li><li><a href="https://bar8.com.br/abap-agilidade-sap-nao-funciona-6f2137ca77b5">Métodos ágeis não funcionam em SAP?</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=e278f1503e56" width="1" height="1" alt=""><hr><p><a href="https://medium.com/bar8/code-review-e278f1503e56">Code Review</a> was originally published in <a href="https://medium.com/bar8">Bar8</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>