Equipe de SaaS percorreu seis níveis de desenvolvimento com IA e parou no L4, onde agentes fazem funcionalidades
Uma empresa SaaS madura adotou IA por mais de um ano e organizou o caminho em seis níveis, do trabalho totalmente manual no L0 até a "fábrica escura". A equipe parou no L4: agentes entregam funcionalidades completas, enquanto as pessoas constroem o sistema que os coloca em produção. A lição é que os níveis não podem ser pulados: um agente sem testes, CI e um arquivo de regras AGENTS.md não tem como verificar o próprio trabalho. Por isso, o ponto de partida são as verificações e as regras da equipe, e não a compra de um agente.
Processado por IA de Habr AI; editado por Hamidun News
Muitas equipes já assinaram um assistente de IA, mas não conseguem dizer em que etapa estão nem o que impede o avanço. O autor da análise, publicada no Habr, implementa IA há mais de um ano em uma empresa SaaS madura. A equipe de engenharia, no início, era cética em relação às redes neurais. Ele faz uma ressalva logo de início: isso não é vibe coding nem um produto criado em uma noite com um único prompt. Ele chama o seu trabalho de engenharia de IA: a equipe constrói um sistema que entrega resultados de forma consistente, dentro dos seus padrões de qualidade.
O autor dividiu o caminho em seis níveis. L0 é o desenvolvimento manual, L1 é o trabalho com um assistente, L2 é o trabalho com um agente e L3 é a delegação ao agente. No L4, os agentes entregam funcionalidades completas, e é nesse nível que a equipe parou. Atualmente, ela testa uma fábrica agentic semiautônoma na nuvem. O último nível, a "fábrica escura", fecha a escala.
L0 e L1: do trabalho manual ao conselheiro no chat
No L0, tudo é feito por pessoas. A especificação é uma página no Notion, e o plano de implementação fica na cabeça do desenvolvedor. Parte dos serviços funcionava sem pull requests e sem revisão: os commits iam direto para a main. O QA testava manualmente em um servidor de staging compartilhado, com base na especificação original, que poderia ter ficado desatualizada depois da implementação. Mas havia testes com Playwright, e alguns projetos tinham boa cobertura de testes e análise estática. O autor considera isso uma base valiosa: para o desenvolvimento com agentes, o CI é essencial.
No L1, surge a assinatura do ChatGPT e o autocompletar na IDE. É como um colega experiente sentado ao lado: ele sugere como projetar uma funcionalidade, rascunha a especificação, explica o código e escreve scripts simples. O desenvolvedor copia o resultado para a IDE e aperta Tab e Accept. As tarefas ficam mais rápidas, mas, na essência, nada muda. O chat não tem acesso aos artefatos da equipe nem ferramentas para agir além da conversa. Dan Shapiro compara esse nível a manter a faixa e ao controle de cruzeiro.
L2: o agente como um júnior que precisa ser ensinado
No L2, entra um agente de verdade, como o Claude Code ou o Codex. Ele já altera arquivos no repositório: escreve especificações e código. Mas programa como um júnior mediano, ou seja, do jeito que a internet escreve, e não do jeito que a sua equipe faz. Para uma demonstração isso basta, mas com usuários reais tudo começa a desmoronar.
Por isso, a equipe ensina ao agente as regras:
- em cada repositório fica um AGENTS.md curto, com regras, limites arquiteturais, padrões e conhecimento do domínio. O formato foi lançado pela OpenAI em 2025 e hoje é gerenciado pela Linux Foundation;
- o arquivo, quando cresce demais, é dividido em partes que o agente carrega conforme a necessidade;
- para cada "vacilo" recorrente do agente, uma pessoa escreve uma regra;
- o agente recebe ferramentas: scripts de verificação, servidores MCP com base de conhecimento, logs de produção e Sentry, navegador;
- tarefas repetitivas viram skills.
Os gates de qualidade são igualmente importantes: build, testes, análise estática e verificação dos limites arquiteturais. Sem eles, o agente fica cego, não recebe feedback e não percebe as próprias regressões. Por isso, as mudanças do agente passam somente por pull requests com CI e revisão. O trunk-based development sem revisão funcionava enquanto o código era escrito por pessoas, mas não serve para agentes.
O trabalho do desenvolvedor deixa de ser escrever funcionalidades e passa a ser criar o sistema que as escreve: lança o agente, avalia o resultado e ajusta as instruções. O QA entrega ao agente cenários determinísticos no navegador, e às pessoas fica a parte criativa: questionar requisitos, discutir o design e a UX. A base de conhecimento, além de ser alimentada, também precisa ser limpa: os modelos ficam mais fortes, e parte das orientações já não é necessária.
O que muda no L3
No L3, as práticas pessoais viram processo comum. O autor destaca práticas organizacionais: habilidades e processos compartilhados em um único registro, onde cada um tem um responsável; regras escritas como skills (formato de PR, links para tickets, tickets de QA); marcações de trabalho feito com IA em cada mudança, para ver quanto os agentes produzem. Assim, o trabalho de toda a equipe com agentes fica padronizado.
Por que isso importa
A principal conclusão da análise é que os níveis não podem ser pulados. Sem CI e gates obrigatórios, o agente não tem como verificar o próprio trabalho. Sem AGENTS.md e regras da equipe, ele escreve "como a internet". Sem skills compartilhadas e responsáveis, cada desenvolvedor inventa seu próprio processo. Se você quer chegar a agentes que entregam funcionalidades completas, primeiro verifique a base: controle de versão, pull requests, testes e análise estática.
Há também uma ressalva: trata-se da experiência de uma equipe em uma única empresa SaaS, e não de uma pesquisa universal. A fábrica semiautônoma na nuvem ainda é um experimento. Ainda assim, a escala de seis níveis oferece uma forma simples de entender onde você está agora e o que precisa fazer para subir ao próximo.
- 21 de nov. de 2026Autor fez um curta narrativo com o LTX 2.3 (22 bilhões de parâmetros) em casa, sem assinaturas
- 21 de nov. de 2026Музыкант сделал клип в Suno, ChatGPT и Kling за 2000 кредитов и неделю лимита Plus
- 21 de nov. de 2026OpenAI fechou a equipe de robótica: GPT-6 Astra resolveu 74,8% das tarefas em simulação contra 51%
- 21 de nov. de 2026OpenAI придержала GPT‑6.1 Astra и добавила стоп-кнопку: модель замолкает за 35 секунд
Perguntas frequentes sobre a notícia
O que se sabe sobre L0 e L1: do trabalho manual ao conselheiro no chat?
No L0, tudo é feito por pessoas. A especificação é uma página no Notion, e o plano de implementação fica na cabeça do desenvolvedor. Parte dos serviços funcionava sem pull requests e sem revisão: os commits iam direto para a main. O QA testava manualmente em um servidor de staging compartilhado, com base na especificação original, que poderia ter ficado desatualizada depois da implementação. Mas havia testes com Playwright, e alguns projetos tinham boa cobertura de testes e análise estática.
O que se sabe sobre L2: o agente como um júnior que precisa ser ensinado?
No L2, entra um agente de verdade, como o Claude Code ou o Codex. Ele já altera arquivos no repositório: escreve especificações e código. Mas programa como um júnior mediano, ou seja, do jeito que a internet escreve, e não do jeito que a sua equipe faz. Para uma demonstração isso basta, mas com usuários reais tudo começa a desmoronar. Por isso, a equipe ensina ao agente as regras: em cada repositório fica um AGENTS.md curto, com regras, limites arquiteturais, padrões e conhecimento do domínio.
O que muda no L3?
No L3, as práticas pessoais viram processo comum. O autor destaca práticas organizacionais: habilidades e processos compartilhados em um único registro, onde cada um tem um responsável; regras escritas como skills (formato de PR, links para tickets, tickets de QA); marcações de trabalho feito com IA em cada mudança, para ver quanto os agentes produzem. Assim, o trabalho de toda a equipe com agentes fica padronizado.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
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.