Este artigo foi escrito pelo Claude, o serviço de inteligência artificial da Anthropic, com base na transcrição de uma entrevista do Lean Enterprise Institute (LEI) com Fabrice Bernhard, cofundador da Theodo.
Quando Fabrice Bernhard descreve a abordagem de sua empresa para o desenvolvimento de software impulsionado por IA, ele recorre a uma metáfora inesperada: a engenharia de manufatura.É uma comparação que revela algo fundamental sobre a transformação em curso no desenvolvimento de software — e sobre a surpreendente atualidade que os princípios lean oferecem na era da inteligência artificial
Nos últimos dois anos, a Theodo, consultoria internacional de tecnologia com 700 profissionais, investiu intensamente para compreender como utilizar a IA não apenas para escrever código mais rápido, mas para industrializar todo o processo de desenvolvimento. Os resultados são expressivos: em projetos de modernização de sistemas legados (sistemas antigos), a empresa vem alcançando velocidade três vezes maior que a abordagem tradicional.
Mas a verdadeira história não é sobre velocidade, é sobre como chegaram neste ponto e o que isso significa para o futuro do trabalho em software e, eventualmente, para outras organizações e setores.
O paralelo entre codificação e manufatura
À medida que a Theodo começou a alavancar a IA para atualizar a programação, o avanço veio de uma percepção simples: os modelos de linguagem de grande escala (LLMs) são excepcionalmente bons em tradução; não apenas entre idiomas, mas na transformação de qualquer texto bem definido em outro formato, desde que haja contexto adequado e instruções claras.
O mesmo princípio se aplica ao código. Sistemas legados escritos em linguagens ou frameworks ultrapassados podem ser sistematicamente traduzidos para versões modernas. Mas isso só acontece se o problema for abordado da maneira correta. É aqui que o paralelo com a manufatura se torna esclarecedor.
O processo da Theodo para atualizar sistemas segue três fases distintas:
- Descoberta (Discovery): Agentes de IA analisam recursivamente os sistemas legados, criando visualizações em grafo que evidenciam dependências entre componentes. Este mapeamento ajuda os engenheiros a entender o que o sistema realmente faz e identificar quais partes precisam migrar juntas.
- Tradução (Translation): Os engenheiros elaboram prompts (instruções) precisos e ricos em contexto, que permitem à IA transformar o código de forma consistente e confiável. É aqui que ocorre a maior parte do investimento intelectual e onde os princípios da engenharia de manufatura se provam mais relevantes.
- Industrialização (Industrialization): Uma vez que a transformação funciona de forma confiável, ferramentas de agentes como o Claude Code podem executar o processo em escala, aplicando-o a centenas de trechos de código semelhantes.
A conclusão crítica é que os ganhos de produtividade não vêm de pedir à IA para construir algo "quase certo" e depois corrigir manualmente. Trata-se de investir fortemente no início para obter alta precisão e, então, rodar esse processo em alto volume — como em uma linha de produção bem projetada.
Projetando a linha de produção
A verdadeira arte — e o verdadeiro trabalho — reside no desenvolvimento do que Fabrice chama de "prompt preciso". Isso exige sofisticação técnica e uma mudança total de mentalidade.
“A diferença entre algo razoável e algo realmente preciso — preciso o suficiente para que eu possa aplicar em 200 versões de códigos semelhantes — exige, na prática, algumas horas ou até dias de investimento”, explica Fabrice.
O processo demanda o que Fabrice chama de “abordagem jidoka”¹: quando algo não funciona como esperado, não se deve simplesmente iterar sobre o resultado até que ele seja aceitável. Em vez disso, é preciso parar, analisar o desvio, aprender com ele e melhorar o sistema — revisando o prompt, o contexto e os mecanismos de verificação da qualidade — antes de tentar novamente.
“Se há um erro, nós aprendemos como melhorar o sistema como um todo e voltamos a aprimorar o sistema, em vez de ficar iterando sobre o resultado final até que esteja 'ok'”, afirma. “O risco da alternativa é que você não incorpora seu aprendizado no prompt inicial e, então, não pode reutilizá-lo. Você não consegue escalar.”
É nesse ponto que o paralelo com a manufatura se torna mais evidente. No lean manufacturing, jidoka significa incorporar verificações de qualidade diretamente no processo produtivo, estruturando mecanismos que façam a operação parar automaticamente ao identificar um desvio, por meio de dispositivos à prova de erro (poka-yoke).
No desenvolvimento orientado por IA da Theodo, isso se traduz em investir de forma consistente em testes automatizados abrangentes, capazes de identificar falhas no exato momento em que ocorrem.
“Se você investe em dados e cenários de teste que podem ser executados automaticamente, passa a ter sistemas andon (sinalização de ajuda)”, explica Fabrice. “A IA chama você assim que identifica que algo está errado.”
Essa prática lean aplicada à IA transforma profundamente o papel humano. Em vez de escrever código manualmente ou atuar como revisores que conferem, de forma exaustiva, tudo o que a IA produz, os engenheiros passam a projetar sistemas robustos, com critérios claros e pontos estruturados de verificação da qualidade (quality gates).
Quando bem desenhado, o sistema permite que a IA opere com autonomia — às vezes até em modo YOLO (you only look once - você olha apenas uma vez), sem solicitar validação a cada etapa —, mas sempre dentro de um fluxo que foi concebido para interromper automaticamente quando os padrões de qualidade não são atendidos.
Sem esses sistemas de qualidade, dar autonomia à inteligência artificial cria uma armadilha: a IA produz em grande volume, mas os humanos acabam sobrecarregados com a tarefa tediosa de revisar e corrigir, em vez de se dedicarem ao trabalho de maior valor, que é projetar e aprimorar o sistema.
Essa abordagem iterativa para desenvolver prompts confiáveis exige profunda competência técnica. É necessário que alguém seja capaz de perceber quando o resultado não está adequado e, principalmente, compreender a causa do desvio. Por isso, a Theodo sempre conta com um especialista no sistema-alvo integrando a equipe responsável por estruturar essas transformações.
O paradoxo da especialização
É aqui que surge o desafio sociotécnico: como desenvolver essa especialização no futuro se a escrita manual de código se tornar cada vez mais rara? Essa é a pergunta que a questão que assombra toda revolução de automação: se as máquinas executam o trabalho, de onde virá a competência humana?
Fabrice reconhece o desafio, mas oferece uma perspectiva histórica: a engenharia de software já atravessou diversas ondas de abstração ao longo das décadas. Os desenvolvedores que soldavam placas de circuito nos anos 1970 detinham conhecimentos que muitos engenheiros atuais não possuem. Ainda assim, a especialização não desapareceu, ela só se deslocou para níveis mais elevados de abstração.
A chave, segundo Fabrice, está em uma prática amplamente conhecida pelas organizações lean: o kaizen. “Precisamos investir tempo, de forma regular, para dar um passo atrás e analisar como estamos trabalhando, partindo de um problema claro e aprofundando a compreensão do sistema.”
Em outras palavras, o kaizen oferece oportunidades estruturadas para ir além das camadas superficiais de abstração — garantindo que, mesmo com a IA assumindo tarefas rotineiras de codificação, os engenheiros preservem a compreensão profunda necessária para arquitetar soluções, resolver problemas complexos e elaborar prompts precisos que viabilizam a industrialização do processo.
Da arte à engenharia
Talvez a afirmação mais provocativa de Fabrice seja que o desenvolvimento de software, sem testes adequados, está mais próximo do artesanato do que da engenharia — e que a IA está forçando o setor a encarar essa realidade e adotar processos estruturados, padronização e práticas consistentes.
“Se você não tem essa etapa de concepção que testa automaticamente o resultado, você não está, de fato, aplicando o método científico”, argumenta. “Não se industrializa o artesanato; mas é possível industrializar a engenharia.”
Isso muda a forma de interpretar o que está acontecendo. A IA não está substituindo a engenharia de software — ela está evidenciando onde o desenvolvimento de software ainda não havia se estruturado plenamente como engenharia. As organizações que estão obtendo melhores resultados com IA são aquelas que a tratam como uma ferramenta industrial, com toda a disciplina, pensamento sistêmico e foco na qualidade que isso implica.
As competências que passam a ganhar protagonismo refletem essa evolução. Desdobrar problemas, arquitetar soluções, desenhar fluxos, estabelecer pontos de verificação da qualidade (quality gates) e praticar a melhoria contínua — são justamente capacidades desenvolvidas por praticantes lean.
Como observa Fabrice: “A engenharia migra para a engenharia de manufatura. Isso requer ainda mais habilidade para abstrair o que está acontecendo, entender e projetar o sistema.”E, na comunidade lean, “os praticantes estão extremamente bem preparados para esta era da IA.”
A linha de produção do futuro
Olhando para o futuro, Fabrice vê o desenvolvimento de software caminhando para uma interação cada vez maior com a IA por meio da linguagem natural — mas não da forma ingênua que muitas vezes se imagina, como se bastasse “conversar” com a IA para que sistemas complexos surgissem automaticamente.
“O ponto central é aprender a aproveitar os LLMs desdobrando problemas complexos em problemas menores, que o modelo consiga compreender”, explica. Isso espelha a forma de atuação das organizações lean: identificar os problemas, desdobrá-los e resolvê-los rapidamente problemas cada vez mais específicos, de modo que falhas maiores raramente ocorram.
Em outras palavras: projetar a própria linha de produção passa a ser a habilidade central. “Aqueles que souberem criar uma linha de produção em que os LLMs tratem problemas pequenos e específicos, com pontos de verificação da qualidade bem definidos entre cada etapa — é isso que vamos aprender ao longo dos próximos 10 anos.”
Tecnologia inserida em sistemas humanos
O que emerge da experiência da Theodo é uma abordagem genuinamente sociotécnica para a adoção da IA. A tecnologia viabiliza ganhos expressivos de produtividade, mas somente quando está inserida em sistemas humanos bem desenhados:
- Excelência técnica na elaboração de prompts e na construção de mecanismos de verificação da qualidade permite que as pessoas se libertem do trabalho repetitivo de revisão.
- Testes automatizados criam as condições para confiar na IA com maior grau de autonomia.
- Cultura lean de parar e aprender diante de problemas (andon) transforma a iteração em melhoria estruturada, e não em retrabalho contínuo.
- A especialização deixa de estar centrada na execução manual de código e migra para o desenho de sistemas e para a engenharia de manufatura aplicada ao desenvolvimento.
- A prática do kaizen preserva a capacidade de desenvolver conhecimento profundo sobre processos complexos, mesmo em contextos de crescente abstração.
Isoladamente, nem o fator humano nem a tecnologia, por si só, geram valor sustentável. É a integração cuidadosa de ambos, orientada por princípios consolidados ao longo de um século de excelência na manufatura, que desbloqueia o verdadeiro potencial da IA.
À medida que as organizações correm para adotar a IA, a experiência da Theodo traz uma lição essencial: as empresas que terão sucesso não serão necessariamente aquelas com os modelos de IA mais poderosos, mas sim aquelas capazes de construir sistemas sociotécnicos robustos, nos quais pessoas e tecnologia atuem de forma complementar — cada uma fazendo o que faz melhor — com os princípios lean como referência para o desenho e a gestão dessa integração.
O futuro do desenvolvimento de software pode, de fato, assumir características industriais. Mas, se as organizações trouxerem o mesmo rigor na reflexão sobre o trabalho humano, a mesma disciplina em melhoria contínua e o mesmo cuidado no desenho de sistemas que caracterizam a excelência da manufatura lean, esse futuro poderá ser um ambiente em que a criatividade humana e a capacidade das máquinas evoluam de forma complementar — tornando-se uma referência para organizações de qualquer setor.
Receba insights sobre aplicações de IA sob a ótica do Lean Thinking diretamente em seu e-mail. Inscreva-se na nossa newsletter mensal.