Kotlin Multiplatform e agentes de AI: quatro plataformas, um colapso nervoso

Enquanto a indústria de tecnologia debate quando a inteligência artificial substituirá os programadores, um desenvolvedor decidiu inverter essa ideia em cento e oitenta graus. Em vez de construir IA que escreve código para as pessoas, ele criou um agente de IA projetado para substituir os próprios usuários. Parece paradoxal, mas é exatamente assim que se parece um dos casos práticos mais interessantes de desenvolvimento de aplicações de IA multiplataforma, que apareceu no Habr em fevereiro de 2026.

A história começou há seis meses, quando um pequeno time enfrentou uma tarefa ambiciosa — criar dois produtos de uma só vez. O primeiro é um aplicativo para desktop no macOS, cuja versão alfa já está disponível para download. O segundo é um projeto multiplataforma completo, abrangendo Android, iOS, Web e um backend de servidor. Escolheram Kotlin Multiplatform como sua base tecnológica — um framework da JetBrains que promete a capacidade de escrever código compartilhado para todas as plataformas alvo. Promete — essa é a palavra-chave.

Na prática, o desenvolvimento multiplataforma de agentes de IA se mostrou uma jornada por um campo minado. O principal ponto de dor foi o mecanismo expect/actual — a forma como Kotlin Multiplatform lida com diferenças específicas da plataforma. A ideia é simples: você declara uma interface esperada no código compartilhado e depois a implementa separadamente para cada plataforma. Em teoria, é elegante. Na prática, quando essas declarações chegam a dezenas e centenas, o projeto se torna um labirinto onde cada mudança na lógica compartilhada exige correções síncronas em todas as plataformas. Para agentes de IA, onde a integração com APIs nativas do sistema operacional é inevitável, isso cria complexidade cumulativa que cresce exponencialmente.

Um capítulo à parte nesta história é merecido pelo confronto com o XCode. O ambiente de desenvolvimento da Apple há muito conquistou uma reputação mista entre desenvolvedores móveis, mas quando combinado com Kotlin Multiplatform, demonstra uma criatividade particular em criar problemas. Compilar a parte iOS do projeto através do KMP adiciona uma camada extra de abstração que periodicamente falha por razões nem sempre passíveis de explicação racional. O autor não hesita em chamar as coisas pelo seu nome, descrevendo o que está acontecendo como "cenas de abuso ao XCode" — e qualquer um que tenha trabalhado com desenvolvimento multiplataforma sob Apple entende que isto não é exagero.

O terceiro problema é a notarização de compilações no macOS. A Apple exige que todos os aplicativos distribuídos fora da App Store passem por verificação automática nos servidores da empresa. Para compilações de lançamento, esse processo pode levar tempo considerável, e qualquer falha envia o desenvolvedor de volta ao início do ciclo. Quando se trata de um agente de IA para desktop que precisa de acesso profundo ao sistema para automatizar ações do usuário, o procedimento de notarização se torna ainda mais imprevisível. A Apple controla rigorosamente quais permissões um aplicativo recebe, e um agente que pretende controlar a interface em nome do usuário inevitavelmente atrai atenção aumentada do sistema de segurança.

Apesar de todas as dificuldades, este projeto revela uma tendência importante. Agentes de IA — programas capazes de executar autonomamente tarefas em nome de um humano — estão se tornando a próxima grande direção da indústria. Se 2024 e 2025 foram marcados por chatbots e modelos generativos, então 2026 é cada vez mais definido pelo conceito de agência. Empresas de Anthropic até Google estão investindo em frameworks de agentes, mas a infraestrutura para entregá-los aos usuários finais em todas as plataformas permanece imatura. A experiência deste time mostra que criar um agente inteligente é metade do desafio. A segunda metade é fazer com que funcione igualmente bem em um smartphone Android, iPhone, em um navegador e no desktop.

O próprio autor observa com auto-ironia que lançar um projeto KMP em múltiplas plataformas sem consulta prévia a um psicoterapeuta não é recomendado. Por trás dessa brincadeira existe um problema real: as ferramentas de desenvolvimento multiplataforma ainda não acompanharam as ambições de quem as usa. Kotlin Multiplatform percorreu um longo caminho e se formou como tecnologia experimental, mas ao escalar para quatro ou mais plataformas, ele ainda exige que os times estejam preparados para desafios de engenharia inesperados.

Este caso é valioso precisamente por sua honestidade. Em uma era quando praticamente toda apresentação promete "compatibilidade multiplataforma perfeita" e "IA que faz tudo", a experiência real de desenvolvimento mostra um quadro completamente diferente. Agentes de IA podem de fato mudar a forma como as pessoas interagem com a tecnologia, mas o caminho do protótipo para um produto estável em múltiplas plataformas permanece espinhoso. E por enquanto, apenas esses cinco por cento de entusiastas — que o autor delicadamente chama de masoquistas — conseguem percorrer este caminho.