15 postagens marcadas com "DevOps"

Agentes não eliminam a fricção da entrega​

Agentes de IA podem ler um repositório, escrever código, executar testes e abrir um pull request. Essa é uma capacidade impressionante, mas não torna o sistema de engenharia ao redor mais fácil de navegar. Ela torna cada inconsistência desse sistema mais fácil de reproduzir em alta velocidade.

Um agente com acesso a um ambiente grande e sem documentação enfrenta as mesmas perguntas que um novo engenheiro: qual modelo é aprovado? Como um serviço é implantado? De onde vêm os segredos? Quais verificações são obrigatórias? Quem é responsável por esta dependência? O que é seguro alterar? Um modelo capaz pode inferir algumas respostas, mas inferência não é um modelo operacional confiável para software de produção.

Na sexta-feira, 17 de julho de 2026, apresentei um webinar no canal do YouTube da Microsoft Reactor chamado Agentic DevOps Meets Accessibility: Inclusive Delivery with AI & Agents. A gravação já está disponível para você assistir quando quiser. A sessão é em inglês.

Por que o próximo capítulo do FinOps não é sobre encontrar um modelo mais barato. É sobre projetar sistemas que não desperdicem os tokens que já pagam.

Um líder financeiro abre a fatura mensal da plataforma de IA da empresa e encontra um número que não corresponde a nenhuma história que alguém consiga contar. O uso cresceu de forma moderada. A fatura cresceu de forma acentuada. Ninguém trocou para um modelo mais caro. Ninguém aprovou uma nova integração que alguém se lembre. O item simplesmente cresceu por conta própria, da mesma maneira que as faturas de nuvem costumavam crescer antes de alguém construir uma disciplina para acompanhá-las.

Pergunte à equipe de engenharia o que aconteceu e a resposta raramente tem uma única causa. São cem pequenas decisões: um prompt de sistema que cresceu toda vez que alguém incluiu uma nova regra, uma etapa de recuperação que busca dez documentos quando dois bastariam, um agente que tenta de novo uma chamada de ferramenta com falha cinco vezes antes de desistir, um fluxo de trabalho que passa uma conversa entre três agentes especializados e reenvia todo o histórico a cada transferência. Nenhuma dessas decisões parecia cara isoladamente. Juntas, elas são a fatura.

O gargalo se moveu e a maioria das equipes não percebeu​

Por décadas, escrever código foi a parte cara. Lê-lo era quase de graça em comparação. Um desenvolvedor passava horas produzindo uma alteração e um revisor passava minutos confirmando-a. Essa proporção moldou tudo: nossas ferramentas, nossos processos e nossa noção de quem estava ocupado e quem estava esperando.

Os agentes inverteram essa proporção. Um agente capaz agora produz uma branch completa com código, testes e documentação no tempo que leva para escrever uma boa descrição da tarefa. Escrever ficou barato. Ler não.

Na sexta-feira, 12 de junho de 2026, apresentei um webinar no canal do YouTube da Microsoft Reactor chamado DevOps Foundations for the AI Agentic Era. A gravação já está disponível para você assistir quando quiser. A sessão é em inglês.

A definição funcionava. Até que um quarto participante apareceu.​

DevOps sempre foi definido por uma equação simples e poderosa: Pessoas + Processos + Ferramentas. Essa fórmula capturou algo essencial sobre como o software moderno é construído e entregue. Ela derrubou barreiras entre desenvolvimento e operações. Deu às organizações um modelo mental para diagnosticar o que estava errado quando as coisas andavam devagar demais, falhavam com frequência demais ou criavam atrito demais.

Por mais de uma década, esse modelo de três pilares serviu bem à indústria. E o fez porque se apoiava em uma suposição que ninguém questionava: todo participante no ciclo de vida de entrega de software era humano.

Essa suposição não se sustenta mais.

Seu Pipeline Foi Projetado para Humanos. Isso Está Prestes a Ser um Problema.​

Não faz muito tempo, cada commit no seu repositório vinha de um humano. Um desenvolvedor escrevia código, fazia push para uma branch, abria um pull request e um revisor aprovava. Seu pipeline de CI/CD foi projetado em torno desse fluxo: executar testes, verificar lint, escanear vulnerabilidades, fazer deploy se tudo estiver verde.

Essa suposição está se quebrando.

A Jornada que a Maioria dos Tutoriais Pula​

A maioria dos tutoriais de IA começa com "crie um recurso no Azure" e termina com "aqui está seu chat completion." Eles pulam a parte bagunçada do meio — a parte onde um desenvolvedor vai de "me pergunto qual modelo funcionaria para isso" a "isso está rodando em produção, monitorado, seguro e custando o que eu esperava."

Essa jornada completa é o que este post aborda.

O Problema de Fragmentação do Qual Ninguém Fala​

Os agentes de codificação com IA não são mais experimentais. As equipes estão usando GitHub Copilot, Claude Code, Cursor e outras ferramentas para gerar código, abrir pull requests, revisar mudanças e automatizar tarefas de engenharia de múltiplas etapas. Os resultados são impressionantes, mas um problema mais silencioso está crescendo por baixo dos ganhos de produtividade.

Cada desenvolvedor na equipe configura seus agentes de IA de maneira diferente.

Quando as Métricas Tradicionais Param de Funcionar​

O desenvolvimento assistido por IA não é mais um experimento. Faz parte do trabalho diário de engenharia em organizações de todos os tamanhos. Ferramentas alimentadas por modelos de linguagem grandes geram código, propõem refatorações, escrevem testes, resumem pull requests e coordenam tarefas de engenharia de múltiplas etapas.

Isso cria um desafio fascinante e desconfortável: a produtividade claramente está melhorando, mas tornou-se muito mais difícil medi-la com precisão.