Raiffeisenbank adotou agentes de IA para 500 engenheiros, mas a velocidade não aumentou. Por quê

O Raiffeisenbank divulgou os resultados da segunda parte do experimento de adoção de IA em uma organização de engenharia com 500 especialistas: a aceleração local de funções específicas por meio de agentes de programação não alterou as métricas-chave Lead Time, Throughput e Defect Rate.

Por que os copilotos não aceleraram o time

Dar agentes de programação aos engenheiros não muda, por si só, a velocidade do sistema. Essa é a conclusão da primeira parte do experimento, que o Raiffeisenbank compartilhou em seu blog no Habr. Segundo os autores, é possível aumentar o MAU LLM (a audiência mensal do modelo de linguagem), depois o MAU API (o número de chamadas via API), distribuir agentes de programação às pessoas e, mesmo assim, não ver mudança em três métricas de engenharia: Lead Time (tempo da ideia ao resultado), Throughput (capacidade do processo de desenvolvimento) e Defect Rate (proporção de defeitos no código publicado).

Essas três métricas são um indicador padrão da saúde de um processo de engenharia, e os autores do blog apontam a falta de alteração após a adoção em massa de IA como o principal resultado da primeira parte do experimento.

• O experimento abrange a organização de engenharia do Raiffeisenbank, com 500 especialistas
• Métricas que não mudaram após a adoção de IA: Lead Time, Throughput, Defect Rate
• O ganho local esbarra em requisitos, revisão, testes, aprovações, equipes vizinhas e especialistas de negócio
• O próximo passo da empresa é migrar para Agentic Engineering

Onde a velocidade realmente se perde

Acelerar uma pessoa ou uma função não acelera o sistema inteiro, explicam os autores do blog do Raiffeisenbank: a tarefa continua passando por todas as outras etapas do processo. Um funcionário pode passar a fazer sua parte mais rápido, mas o resultado ainda espera na fila de revisão, testes, aprovação ou decisão de uma equipe vizinha. Os autores descrevem isso como um problema de otimização local: acelerar um elo da esteira não muda a vazão geral se o gargalo estiver em outro ponto do processo, como revisores, testadores ou áreas aprovadoras.

“Uma pessoa ou uma função podem passar a fazer sua parte mais rápido,

mas a tarefa continua esperando requisitos, revisão, testes, aprovações, equipes vizinhas ou um especialista de negócio”, diz o blog do Raiffeisenbank no Habr.

O que vem a seguir: Agentic Engineering

O Raiffeisenbank não parou na distribuição de ferramentas a engenheiros individuais e decidiu ir além, rumo ao que a empresa chama de Agentic Engineering. No setor, esse termo costuma descrever a transição de assistentes de IA pontuais para um único desenvolvedor para agentes embutidos no processo no nível de equipes e etapas, e não apenas na estação de trabalho de cada pessoa. O que exatamente o Raiffeisenbank entende por esse conceito e como pretende resolver o problema de aprovações e filas entre funções, a empresa promete detalhar na continuação da série de artigos no Habr. O texto é apresentado explicitamente como a segunda parte da história da adoção de IA para 500 engenheiros.

O que isso significa

O caso do Raiffeisenbank mostra que distribuir ferramentas de IA a engenheiros individualmente não acelera o desenvolvimento se os gargalos permanecerem nas junções entre funções e equipes. O efeito real só aparece quando a aceleração alcança o processo inteiro, e não o trabalho de uma pessoa isolada.