Do Agile ao Agentic
Como o framework de Desenvolvimento Agentic evolui as práticas Agile para equipes de software nativas de AI
Visão Geral
O Agile moveu o desenvolvimento de software de processos rígidos e orientados por planos para uma entrega iterativa e centrada nas pessoas. O Desenvolvimento Agêntico é a próxima evolução, preservando a ênfase do Agile em feedback e adaptabilidade, ao mesmo tempo que muda fundamentalmente o que restringe a entrega, quem (ou o quê) realiza o trabalho e como a qualidade é assegurada.
Por Que o Agile Sozinho Não é Suficiente
O Agile foi projetado para um mundo onde desenvolvedores humanos são o gargalo de execução. Suas cerimônias, papéis e artefatos otimizam a coordenação do esforço humano em iterações de tempo limitado. Esse modelo se rompe quando agents autônomos podem executar tarefas bem definidas em minutos, em vez de dias.
As tensões centrais:
- Sprints assumem ritmo humano. Iterações de duas semanas fazem sentido quando a implementação leva dias. Quando agents podem implementar uma funcionalidade em minutos, os limites da Sprint tornam-se restrições artificiais em vez de horizontes de planejamento úteis.
- User stories assumem interpretação humana. "Como usuário, quero..." depende do julgamento de um desenvolvedor para preencher lacunas. Agents precisam de precisão legível por máquina, não flexibilidade narrativa.
- Code review manual não escala. Quando agents produzem código em volume, revisores humanos tornam-se o gargalo. A avaliação automatizada deve lidar com a maior parte da garantia de qualidade.
O desenvolvimento agêntico não abandona o Agile — ele o evolui. Os valores de colaboração com o cliente, resposta à mudança e software funcionando em detrimento de documentação permanecem. As práticas mudam para se adequar a um novo modelo de execução.
Principais Diferenças
De Restrição de Tempo para Restrição de Context
No Agile, a restrição principal é o tempo. As equipes planejam o que podem entregar dentro de uma Sprint, e a velocidade mede story points por iteração.
No Desenvolvimento Agêntico, a restrição principal é o context. A velocidade de entrega é determinada pela clareza com que a intenção é especificada e pela cobertura completa do domínio do problema pelo Context Index. Quando o context é excelente, os agents entregam na velocidade da máquina. Quando o context é ruim, os agents param, alucinam ou produzem trabalho que falha na validação.
Essa mudança altera o que as equipes otimizam. Em vez de remover bloqueadores dos calendários dos desenvolvedores, os líderes se concentram em melhorar a qualidade da especificação, enriquecer o Context Index e reduzir a ambiguidade nas definições de tarefas.
Governança Contínua e Controle de Qualidade
O Agile geralmente depende de quality gates pós-implementação: code review, testes de QA, ambientes de staging. Estes ocorrem depois que um desenvolvedor escreveu o código.
O desenvolvimento agêntico move o controle de qualidade para antes e durante a execução:
- Evals automatizadas pré-código verificam se a especificação em si está bem formada, completa e livre de contradições antes que qualquer agent toque na base de código.
- A avaliação em tempo real é executada continuamente durante a execução do agent, capturando problemas à medida que surgem, em vez de depois do fato.
- A progressão de gate automatizada substitui a revisão manual para tarefas padrão, com revisão humana reservada para mudanças de alto risco.
O resultado é um modelo de qualidade que escala com o throughput do agent, em vez de ser gargalo pela disponibilidade de revisores humanos.
Novo Papel do Humano
O Agile posiciona os desenvolvedores como artesãos que escrevem código, participam de cerimônias e tomam decisões de implementação. O desenvolvimento agêntico muda o papel humano de executor para diretor:
- Context Architects definem o que precisa acontecer e porquê, em vez de implementar eles próprios.
- Agent Operators supervisionam a execução e intervêm em exceções, em vez de lidar com cada tarefa pessoalmente.
- Technical Reviewers validam o ajuste arquitetural e a segurança, em vez de revisar cada linha de código.
Isso não significa que menos habilidade seja necessária. Dirigir agents eficazmente exige um profundo entendimento técnico — é preciso saber como um bom resultado se parece para especificá-lo precisamente e validá-lo eficientemente.
Infraestrutura Efêmera
Equipes Agile tipicamente compartilham ambientes de desenvolvimento, servidores de staging e pipelines de CI. Equipes agênticas provisionam workbenches isolados e descartáveis para cada tarefa. Isso transforma a infraestrutura de um recurso compartilhado e persistente para um sob demanda e efêmero.
A implicação: a infraestrutura se torna um custo por tarefa, em vez de um custo fixo da equipe, e a configuração do ambiente torna-se parte da especificação, em vez de uma preocupação separada de DevOps.
A Tabela de Comparação
| Dimensão | Waterfall | Agile | Agentic |
|---|---|---|---|
| Restrição Primária | Escopo (requisitos fixos) | Tempo (limites de Sprint) | Context (clareza da especificação) |
| Unidade de Trabalho | Documento de requisito | User story | Especificação Viva |
| Ciclo de Execução | Fases sequenciais | Sprints de tempo limitado (1-4 semanas) | Loop contínuo de especificação para deploy |
| Artefato Primário | Documento de especificação | Incremento de software funcionando | Código validado + Context Index enriquecido |
| Controle de Qualidade | Revisões de phase-gate | Sprint review + retrospectiva | Eval Harness automatizado + gates HITL |
| Papel do Humano | Autor e executor | Artesão e colaborador | Diretor e validador |
| Infraestrutura | Ambientes compartilhados, de longa duração | CI/CD pipelines compartilhados | Workbenches efêmeros, por tarefa |
Do CI/CD ao Continuous Development Loop
O Continuous Development Loop (CDL) estende o CI/CD para cobrir todo o ciclo de vida agêntico. Onde o CI/CD automatiza do commit de código ao deploy, o CDL automatiza da criação da especificação ao deploy e vice-versa.
Mapeamento de Fases
| Fase CDL | Equivalente CI/CD | Melhoria Chave |
|---|---|---|
| Injeção de Especificação | Criação de branch / início de ticket | Especificação estruturada, legível por máquina, substitui ticket informal |
| Montagem de Context | Integração do desenvolvedor à tarefa | Recuperação automatizada do Context Index |
| Execução Autônoma | Escrita de código | Implementação orientada por agent em workbench isolado |
| Eval Harness | Conjunto de testes CI | Verificações comportamentais, de segurança e arquitetônicas além dos testes de unidade |
| Revisão de Gate | Pull request review | Gates automatizados para tarefas padrão; HITL para alto risco |
| Atualização de Context | Atualização de documentação | Enriquecimento automático do Context Index a partir dos resultados da execução |
| Deployment | CD pipeline | Infraestrutura de deployment padrão, inalterada |
Principais Melhorias Arquitetônicas
Três capacidades distinguem o CDL do CI/CD tradicional:
- Segurança como um fio contínuo. Em vez de uma etapa de revisão de segurança separada, as verificações de segurança são executadas em todas as fases — da validação da especificação à execução e ao deploy. Isso captura problemas de segurança no ponto de introdução, em vez de depois do fato.
- O Eval Harness substitui o CI como o quality gate primário. O CI tradicional executa testes de unidade e linters. O Eval Harness executa verificação comportamental, verificações de conformidade arquitetônica, baselines de desempenho e varreduras de segurança como um conjunto de avaliação unificado.
- Feedback loops centrados no conhecimento. Cada ciclo CDL produz dados estruturados que alimentam o Context Index. Avaliações falhas tornam-se padrões documentados. Intervenções de operadores tornam-se atualizações de context. Execuções bem-sucedidas reforçam abordagens comprovadas. O sistema aprende continuamente.
O Surgimento dos Coding Agents
A transição do Agile para Agêntico é possibilitada por uma rápida evolução nas ferramentas de codificação AI, passando de assistentes passivos para agents autônomos.
De Copilots para Autonomous Teams
A trajetória das ferramentas de codificação AI segue uma progressão clara:
- Code completion (2021-2023) — Ferramentas de sugestão de código inline. GitHub Copilot, TabNine e outros sugerem a próxima linha ou bloco de código. O humano permanece em controle total.
- Interactive assistants (2023-2024) — Interfaces baseadas em chat como ChatGPT, Claude, e o modo composer do Cursor. Desenvolvedores descrevem o que querem em linguagem natural e iteram na saída. Ainda orientado por humanos, mas com maior alavancagem.
- Coding agents (2024-2025) — Ferramentas como Claude Code, modo agent do GitHub Copilot e agents de background do Cursor que podem planejar implementações multi-passos, executá-las em vários arquivos, rodar testes e iterar em falhas. O humano define a tarefa; o agent lida com a execução.
- Autonomous teams (2025-presente) — Sistemas multi-agent onde agents especializados lidam com diferentes aspectos do desenvolvimento (planejamento, implementação, teste, revisão) com supervisão humana em pontos de controle estratégicos. É aqui que o Vibe Coding evolui de uma atividade solo para um workflow orquestrado.
Capacidades dos Generalist Agents
Coding agents modernos são generalistas. Um único agent pode:
- Ler e entender bases de código inteiras
- Planejar implementações multi-passos antes de escrever código
- Escrever código em vários arquivos e linguagens
- Executar e interpretar conjuntos de testes
- Depurar falhas e iterar em soluções
- Interagir com ferramentas de desenvolvimento (Git, gerenciadores de pacotes, sistemas de build, APIs)
- Seguir convenções específicas do projeto definidas em arquivos de context
Essa capacidade generalista é o que torna o modelo de Software Factory viável. Você não precisa de uma ferramenta diferente para cada tarefa — um único agent bem contextualizado pode lidar com toda a gama de trabalho de desenvolvimento dentro de seu limite de competência.
Comparação de Plataformas
O cenário dos coding agents está evoluindo rapidamente. No início de 2026, as principais plataformas incluem:
| Plataforma | Abordagem | Pontos Fortes |
|---|---|---|
| Claude Code (Anthropic) | Agent nativo de CLI com uso profundo de ferramentas | Alterações em vários arquivos, refatoração complexa, integração com terminal |
| GitHub Copilot / Codex (Microsoft) | Agent integrado ao IDE + cloud agent | Integração com o ecossistema GitHub, execução assíncrona em background |
| Gemini Code Assist / Jules (Google) | IDE plugin + autonomous agent | Suporte a multi-model, integração com Google Cloud |
| Open Source (Aider, OpenCode, SWE-agent) | Agents CLI impulsionados pela comunidade | Transparência, customização, flexibilidade de modelo |
A escolha da plataforma importa menos do que as práticas em torno dela. Uma equipe com especificações excelentes, um Context Index rico e governança Human In The Loop disciplinada superará uma equipe com um agent "melhor", mas com context deficiente e workflows ad-hoc.
Fazendo a Transição
Equipes que migram do Agile para Agêntico não precisam mudar tudo de uma vez. Um caminho prático:
- Comece com as especificações. Escolha uma equipe ou um projeto e exija especificações legíveis por máquina em vez de (user stories) (ou em adição a elas). Meça se a qualidade da saída do agent melhora.
- Introduza o Eval Harness. Adicione verificações comportamentais automatizadas junto ao CI existente. Execute-as tanto em código humano quanto em código de agent para estabelecer baselines.
- Pilote a execução autônoma. Encaminhe tarefas bem definidas e de baixo risco para agents. Mantenha a revisão humana no loop inicialmente para construir confiança.
- Construa o Context Index. Capture as lições aprendidas com as execuções de agents, intervenções de operadores e feedback de revisão em um formato estruturado e pesquisável.
- Expanda o limite. À medida que a confiança aumenta, encaminhe mais tipos de tarefas para agents e direcione o esforço humano para a qualidade da especificação, arquitetura e decisões estratégicas.
O objetivo não é substituir as cerimônias Agile da noite para o dia. É evoluí-las incrementalmente à medida que os agents assumem mais da carga de trabalho de execução, liberando os humanos para se concentrarem no trabalho que só humanos podem fazer.
Próximos Passos
Com a estrutura definida, o próximo capítulo aborda o Team Model —como estruturar papéis, habilidades e responsabilidades em uma organização de desenvolvimento agêntico.