Alfa-Bank conta como uma equipe de céticos levou um serviço interno de RH para produção com o GLM-5

O Alfa-Bank compartilhou um caso em que uma equipe de céticos do vibe coding levou um novo serviço de RH à produção em poucas semanas com o GLM-5. O experimento mostrou que a IA acelera de forma notável a prototipagem e o desenvolvimento rotineiro, mas não tira da equipe a responsabilidade por arquitetura, Git e lançamento.

Como o projeto foi escolhido

O piloto dentro da HR Tech foi montado com três pessoas que, no início, não acreditavam no valor prático do vibe coding: um tech lead, um analista de sistemas e um product manager. Elas tiveram liberdade para escolher a tarefa e decidiram não fazer um projeto de demonstração abstrato, mas pegar uma funcionalidade real do plano de evolução do Alfa People. Assim surgiu o serviço "Minhas metas", em que os funcionários do banco podem definir metas e vincular tarefas a elas dentro da plataforma corporativa de RH.

A aposta não era só na velocidade, mas também em um risco razoável. Se o projeto não decolasse, não quebraria processos críticos do negócio; se desse certo, atenderia a uma necessidade real. Os prazos, porém, apertaram rápido: o deadline foi antecipado várias vezes e sobraram poucos dias para o desenvolvimento. A equipe usou o discovery já realizado, as dores dos usuários coletadas e as soluções mínimas descritas, e depois pediu ao modelo um rascunho dos requisitos de negócio.

Como foi o desenvolvimento

Na prática, o mais difícil não foi o GLM-5, mas o trabalho conjunto de pessoas que nunca tinham escrito aplicações e quase não usavam IDE e Git. O tech lead teve de fazer antes um onboarding rápido, configurar o ambiente e explicar as ações básicas com branches, pulls e pushes. Sem isso, a IA até acelerava partes isoladas do trabalho, mas todo o fluxo travava a cada conflito, mal-entendido e incompatibilidade de alterações.

Depois, o processo foi assim:

• tech lead, analista de sistemas e product manager trabalharam no serviço
• a interface foi montada por descrições em texto e séries de iterações rápidas
• a equipe fez 19 versões do protótipo antes de escolher a base do produto
• por causa da alta carga no GLM-5 durante o dia, o desenvolvimento muitas vezes migrava para a madrugada
• entre as 15 equipes do piloto, foi justamente esse grupo que conseguiu levar o serviço à produção

A IA ajudou principalmente com diagramação, formulários, validadores e primeiras versões das telas. O product manager descrevia como a interface deveria ser, o modelo gerava HTML e lógica de UI, e o tech lead conectava tudo ao backend e deixava funcionando.

Depois do lançamento, o serviço logo teve uso real: na primeira semana, registrou 10 mil usuários únicos, 9240 metas criadas e 981 tarefas vinculadas, o que, para um produto interno, parecia um começo muito forte.

Onde surgiram os limites

O caso mostra bem que o principal gargalo do desenvolvimento corporativo com IA não está na geração de código, mas na disciplina de engenharia. Quando vários participantes alteram o projeto em paralelo, não saber Git vira trabalho manual constante para resolver conflitos.

O segundo problema foi de infraestrutura: o piloto tinha 15 equipes ao mesmo tempo e, durante o dia, o GLM-5 podia levar vários minutos para responder, o que deixava a ferramenta quase inútil e quebrava o ritmo de trabalho. Outro momento revelador aconteceu logo antes da demo: o modelo e os plugins ficaram indisponíveis, e os últimos bugs tiveram de ser corrigidos à mão. Isso traz de volta à realidade e desfaz a ilusão de que a IA pode substituir totalmente o engenheiro num momento crítico.

Arquitetura, integrações, segurança, checagem de logs e tratamento de casos de borda continuaram com o desenvolvedor experiente. Na prática, foi o ajuste manual de última hora que permitiu passar pela apresentação e pelo lançamento sem falhas.

"Em grandes empresas, o vibe coding não substitui o desenvolvedor, mas

é uma ferramenta nas mãos de um especialista experiente."

Como resultado, a equipe chegou a um modelo de uso mais sóbrio: a IA serve para trabalhar em paralelo em tarefas rotineiras, interfaces e hipóteses preliminares, mas não elimina a liderança técnica. Se os limites do lançamento não forem fixados, surge a tentação de ampliar o escopo sem fim, porque parece que o modelo "faz só mais um pouquinho". Na prática, um quadro rígido de tarefas, o controle manual e a capacidade de parar os ajustes a tempo permitiram concluir o serviço.

O que isso significa

A história do Alfa-Bank importa porque mostra o vibe coding sem filtro publicitário. Dentro de uma grande empresa, ele já pode acelerar o lançamento de produtos internos, principalmente na fase de protótipos e em tarefas típicas de interface, mas só funciona onde há um engenheiro experiente, um escopo claro e disposição para resolver manualmente tudo o que é crítico.

Nesse cenário, a IA não é um piloto automático, mas um acelerador da equipe, que só traz resultado com um processo maduro e responsabilidade rigorosa pelo resultado.