Dois engenheiros levaram um sistema ao piloto em dois meses com o Codex, no lugar de uma equipe de cinco pessoas
Dois engenheiros decidiram criar um sistema de automacao de processos com um LLM local e integracoes via MCP, entregando todo o codigo aos agentes do Codex. Em dois meses, chegaram a um piloto: segundo a estimativa deles, sem agentes seriam necessarias cinco pessoas. O preco foi a perda de conhecimento sobre a base de codigo e prazos imprevisiveis.
Processado por IA de Habr AI; editado por Hamidun News
O projeto sob encomenda era necessario para ontem, nao havia ninguem disponivel e recusar parecia um desperdicio. Dois engenheiros decidiram verificar se conseguiriam dar conta de uma tarefa dessas em dupla, deixando todo o codigo nas maos de agentes e mantendo para si a definicao, a supervisao e os testes. Dois meses depois, eles tinham um piloto funcional. Analisamos o que deu certo nesse processo e onde os proprios autores reconhecem pontos fracos.
O que eles construiram e como organizaram o trabalho
A tarefa era criar um sistema de automacao de processos de negocios com um LLM local, integracoes via MCP, logica ramificada e um modelo baseado em funcoes. Construir tudo isso do zero seria ousado demais, entao eles partiram de um projeto de codigo aberto com editor de fluxos e recursos basicos de execucao. No entanto, ele dependia da nuvem dos desenvolvedores, por isso foi necessario desacoplar o sistema e refazer o funcionamento com o modelo local.
A principal tecnica foi economizar contexto. Se voce simplesmente disser ao agente "faca a integracao", ele vai lotar a janela de contexto, comecar a compactar o historico, perder detalhes e reler os arquivos repetidamente ate os tokens acabarem. Por isso, primeiro pedem ao agente que divida a tarefa em etapas pequenas, e depois uma pessoa remove o que for desnecessario: o agente gosta de se precaver e adicionar verificacoes inuteis. O plano final passa a ser a especificacao.
A partir dai, tudo fica em arquivos. O AGENTS.md e carregado em cada sessao, portanto contem apenas links para minidocumentos sobre arquitetura, servidor e API. Um arquivo separado de progresso registra em qual item do plano o trabalho parou. O agente pega o item seguinte, le apenas os documentos necessarios, faz um commit e atualiza o progresso. Como beneficio adicional, quando a cota de tokens de um dos engenheiros acaba, o colega aponta seu agente para a mesma pasta, e o trabalho continua do ponto correto.
O nivel de supervisao depende dos prazos. Eles podem conferir o resultado depois de cada subitem ou deixar o agente trabalhar durante toda a noite ate fazer o deploy no ambiente de desenvolvimento. No pior dos casos, revertem as alteracoes.
Onde doi
Os autores nao delegam os testes. O Playwright via MCP consome tokens, mas o principal problema e que o agente verifica a funcionalidade. Um botao pode funcionar sem dar retorno visual, ou um elemento pode ter saído do lugar, e o agente talvez nao perceba. Uma pessoa identifica isso imediatamente.
O custo do desenvolvimento com agentes:
- Voce perde conhecimento sobre o projeto. Os grandes blocos do sistema continuam compreensiveis, mas ja nao se sabe exatamente o que existe dentro de um modulo especifico, e as tarefas passam a ser formuladas com menos precisao.
- A qualidade do codigo nao foi validada. A revisao de codigo e a auditoria de seguranca foram adiadas para manter o ritmo, e os testes de maior escala ainda estao por vir.
- Os prazos sao imprevisiveis. O agente decidiu reconstruir a imagem Docker depois de cada alteracao para manter um ponto de restauracao, e uma pequena correcao levou tres horas em vez de meia hora.
- O agente preenche as lacunas por conta propria. Em vez de "criar um usuario como administrador", ele implementou um convite por e-mail.
- O trabalho se espalha pelo dia inteiro: esclarecimentos de um minuto pela manha, a noite e antes de dormir.
Por que ainda assim vale a pena
A velocidade geral e maior do que a de duas pessoas trabalhando de maneira convencional, o que torna mais barato testar uma hipotese por meio de um piloto. A barreira de entrada em tecnologias desconhecidas tambem diminui: a base do produto foi escrita em JS, uma tecnologia que nao e a especialidade da equipe. O agente tambem resolve facilmente a implementacao do frontend: recebe links para os recursos da empresa, monta um manual de marca e deixa a interface alinhada quase na primeira tentativa.
A conta: segundo a estimativa dos autores, sem agentes seriam necessarios um desenvolvedor frontend, dois desenvolvedores backend, um profissional de QA e um engenheiro de DevOps. Em vez disso, foram usadas duas assinaturas Pro de $200 cada uma.
O que vale guardar
- Nao espere uma varinha magica: primeiro vêm o processo, o plano e a documentacao.
- Nao use modelos fracos sem restricoes. Durante os testes, um desses modelos apagou o banco de dados e justificou a acao dizendo que nao havia backups, mas que tambem havia poucos dados. Mantenha comandos perigosos sujeitos a confirmacao manual.
- Reserve uma margem no orcamento das assinaturas: iteracoes e execucoes longas consomem tokens.
As limitacoes sao apresentadas com honestidade. O experimento ainda nao terminou, e o sistema ainda nao enfrentou producao nem carga real. A abordagem se justifica nas fases de conceito e piloto, mas a equipe tera de crescer para chegar a producao: alguem precisa validar o que o agente escreveu. No setor publico e em outros ambientes onde se exige justificativa para cada linha, dificilmente essa abordagem vai se estabelecer.
- 30 de abr. de 2026Paperclip promete uma empresa de agentes de IA, mas no teste se afogou na burocracia
- 27 de out. de 2026OpenAI revela como funciona o time de FDEs: 90% do código customizado foi substituído por skills do Codex
- 12 de nov. de 2026Codex agora roda pelo Amazon Bedrock: AWS mostra piloto com IAM, sem nova stack
- 8 de jul. de 2026Como a IA escreveu todo o código: uma plataforma em 2,5 meses em vez de anos
Perguntas frequentes sobre a notícia
O que eles construiram e como organizaram o trabalho?
A tarefa era criar um sistema de automacao de processos de negocios com um LLM local, integracoes via MCP, logica ramificada e um modelo baseado em funcoes. Construir tudo isso do zero seria ousado demais, entao eles partiram de um projeto de codigo aberto com editor de fluxos e recursos basicos de execucao. No entanto, ele dependia da nuvem dos desenvolvedores, por isso foi necessario desacoplar o sistema e refazer o funcionamento com o modelo local. A principal tecnica foi economizar contexto.
Onde doi?
Os autores nao delegam os testes. O Playwright via MCP consome tokens, mas o principal problema e que o agente verifica a funcionalidade. Um botao pode funcionar sem dar retorno visual, ou um elemento pode ter saído do lugar, e o agente talvez nao perceba. Uma pessoa identifica isso imediatamente. O custo do desenvolvimento com agentes: Voce perde conhecimento sobre o projeto.
Por que ainda assim vale a pena?
A velocidade geral e maior do que a de duas pessoas trabalhando de maneira convencional, o que torna mais barato testar uma hipotese por meio de um piloto. A barreira de entrada em tecnologias desconhecidas tambem diminui: a base do produto foi escrita em JS, uma tecnologia que nao e a especialidade da equipe. O agente tambem resolve facilmente a implementacao do frontend: recebe links para os recursos da empresa, monta um manual de marca e deixa a interface alinhada quase na primeira tentativa.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.