Fundador de IA alerta: os gestores de projetos têm de adotar software baseado em agentes
Henrik Kniberg explica como os agentes de IA estão a transformar o desenvolvimento de software, desde lançamentos automatizados até à gestão autónoma do backlog. Defende que os gestores de projetos que não aprenderem a trabalhar com IA tornar-se-ão rapidamente o estrangulamento do processo.
Impacto da IA: A IA está a revolucionar o desenvolvimento de software, permitindo que as equipas entreguem trabalho de maior qualidade com mais eficiência.
Mudança na gestão de projetos: Os gestores de projetos têm de se adaptar para integrar a IA, ou arriscam tornar-se estrangulamentos no processo de desenvolvimento.
Práticas ágeis: Manter uma abordagem ágil é crucial; uma burocracia mínima permite uma entrega mais rápida dos projetos com a ajuda da IA.
Utilização de agentes: Os agentes de IA tratam de tarefas como a gestão de lançamentos e a organização do backlog, libertando as equipas para se concentrarem em questões complexas.
Competências do futuro: Aprender a gerir eficazmente o contexto da IA é essencial para que os gestores de projetos se mantenham competitivos num cenário em mudança.
Henrik Kniberg tem experiência em gestão de projetos na Spotify, LEGO e Mojang. Atualmente, é cofundador e cientista-chefe da Abundly.ai. É também o autor de "IA generativa em poucas palavras".
Sentámo-nos com ele para discutir a forma como a IA está a mudar o desenvolvimento de software — e, por extensão, a gestão de projetos. Disse que os gestores de projetos precisam de acompanhar esta mudança ou tornar-se o estrangulamento.
Do produto à startup de IA
Sou cofundador e cientista-chefe da Abundly.ai, onde lidero o desenvolvimento da nossa plataforma de agentes de IA autónomos.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Anteriormente, trabalhei como coach de Agile na Spotify e na LEGO, e desenvolvi o Minecraft na Mojang. Aliás, fiz um vídeo chamado "Cultura de engenharia da Spotify", a que as pessoas muitas vezes se referem como o "Modelo Spotify", que descreve a sua abordagem ao desenvolvimento de produtos.
Sou também o autor de "IA generativa em poucas palavras".
Como a IA permite às equipas de software entregar mais com menos
A gestão de projetos para o desenvolvimento de software pode agora ser feita muito mais rapidamente com a ajuda da IA, e isso está a mudar drasticamente a entrega de projetos.
Permite que eu e a minha equipa nos concentremos mais na arquitetura, no design e na experiência do utilizador — onde devíamos estar a investir o nosso tempo — e passemos menos tempo a escrever e a depurar linhas de código.
O resultado é que conseguimos entregar mais, com maior qualidade. E fazemos isso em menos tempo e com uma equipa mais pequena.
Com a IA, conseguimos entregar mais, com maior qualidade. E fazemos isso em menos tempo e com uma equipa mais pequena.
Porque devem as equipas lutar por uma burocracia mínima viável
Não estamos a afastar-nos dos métodos tradicionais de gestão de projetos — na verdade, nunca os tivemos.
Começámos por utilizar métodos ágeis e estamos a trabalhar arduamente para manter uma abordagem ágil à medida que crescemos. Temos uma cadência semanal, com uma reunião de sincronização às sextas-feiras para rever o progresso e as prioridades. Mantemos um quadro Kanban simples, com limites de trabalho em curso e uma coluna de triagem que funciona como uma caixa de entrada que é esvaziada todas as semanas — cada item entra ou sai.
Cada commit é implementado automaticamente num ambiente de testes partilhado. E fazemos a implementação em produção cerca de duas vezes por semana, ou com maior frequência quando necessário.
Também fazemos uma sincronização informal na maioria dos dias. Juntamo-nos simplesmente e conversamos sobre o que estamos a fazer nesse dia.
De um modo geral, tentamos manter uma burocracia mínima viável. E a IA está a ajudar-nos a fazê-lo.
Tentamos manter uma burocracia mínima viável. E a IA está a ajudar-nos a fazê-lo.
Como os agentes estão a transformar a gestão de lançamentos e alterações
Experimentamos fluxos de trabalho baseados em agentes todos os dias, pois essa é a nossa atividade principal.
Por exemplo, criámos um agente de gestão de lançamentos. Sempre que queremos fazer um lançamento em Produção, o que acontece cerca de duas vezes por semana, contactamos esse agente, seja no Slack ou na nossa aplicação.
Quando é contactado, o agente verifica as alterações mais recentes no nosso ramo de testes, analisa os commits e gera e publica duas versões das notas de lançamento — uma para utilização interna e outra para utilização externa, que omite as alterações que não são visíveis para os clientes. Em seguida, analisa o nosso site de documentação para verificar se é necessário atualizar alguma coisa e cria um pedido de integração para quaisquer alterações.
Estamos constantemente a aperfeiçoar as instruções deste agente. O aperfeiçoamento mais recente consistiu em verificar a existência de problemas de segurança.
Outro exemplo em que estamos a trabalhar atualmente é um agente que gere pedidos internos de alteração do produto. Quando alguém com interesse no projeto comunica um problema ou solicita uma funcionalidade, o agente avalia automaticamente a prioridade, examina o código para verificar a complexidade da alteração e publica uma análise no Slack. Em seguida, determina se deve corrigir autonomamente o problema e criar um pedido de integração, ou se não tem a certeza e deve perguntar-nos primeiro. Também cria um pedido no nosso backlog para acompanhar o progresso. E, quando faz uma alteração por iniciativa própria, testa-a num navegador para avaliar o impacto na interface do utilizador, adiciona capturas de ecrã ao pedido de integração e analisa a qualidade do código.
O objetivo desse agente é tratar automaticamente todas as tarefas mais simples, para que a minha equipa se possa concentrar nas tarefas mais complexas. Embora, para sermos justos, também realizemos essas tarefas complexas com a ajuda da IA!
Os nossos outros casos de utilização incluem investigação, triagem, auditorias de conformidade, encaminhamento de documentos, entre outros.
Porque é que os seres humanos têm de continuar envolvidos na engenharia orientada por IA
Por isso, estamos basicamente a tentar tornar a IA parte de todos os processos. Por exemplo, a IA na gestão do backlog pode implementar alguns pedidos e gerir lançamentos.
Estamos basicamente a tentar tornar a IA parte de todos os processos. Mas mantemos uma pessoa envolvida sempre que adequado.
Mas, sobretudo, mantemos uma pessoa envolvida sempre que adequado.
Embora utilizemos IA para o desenvolvimento, esta funciona mais como um parceiro de programação em pares do que como a subcontratação do trabalho a uma empresa externa sediada no estrangeiro. Ou seja, continuamos profundamente envolvidos no código — simplesmente deixamos a IA escrever a maior parte dele.
Como funciona uma pilha de engenharia centrada na IA
Falando de desenvolvimento, utilizamos o Cursor com o Claude Opus. Também estamos a experimentar o Claude Code.
O Cursor + Claude é uma combinação incrivelmente poderosa, como programar em pares com um colega génio extremamente rápido. E criámos um conjunto bastante abrangente de documentos de regras para ajudar a fornecer contexto ao modelo de IA.
O nosso produto é implementado no Google Cloud Run e na Vercel, com entrega contínua, por isso colocamos coisas em Produção simplesmente criando um pedido de integração e fazendo merge para a Main — ou pedindo a um agente que o faça. O nosso código é TypeScript, tanto no frontend como no backend.
Utilizar a mesma linguagem em toda a pilha torna a vida mais fácil, tanto para os nossos agentes como para nós.
Utilizar a mesma linguagem em toda a pilha torna a vida mais fácil, tanto para nós como para os nossos agentes.
Todo o nosso código está num monorepositório, o que significa que projetos, aplicações e bibliotecas distintos estão no mesmo repositório. Isto também simplifica as coisas, uma vez que um único commit pode conter alterações tanto no frontend como no backend. Torna a gestão de dependências mais fácil.
Quanto à gestão de projetos, utilizamos um quadro Kanban no Notion para organizar e visualizar o nosso trabalho e as nossas prioridades. E configurámos um agente para interagir com ele. Eis um cenário típico: alguém menciona um problema no Slack e, depois de algumas mensagens trocadas, alguém escreve: "Olá @backlogger, adiciona um pedido para isto". O agente interpreta a conversa do Slack, procura pedidos semelhantes no nosso quadro Kanban e atualiza um pedido existente ou cria um novo, anexando o contexto relevante e capturas de ecrã do Slack. Muito útil!
Usamos este agente todos os dias. As nossas reuniões de planeamento são agora muito mais rápidas, porque cada tarefa tem uma descrição extremamente clara, uma captura de ecrã e uma ligação para a conversa no Slack. No futuro, vamos expandir esta funcionalidade para que também sugira prioridades e resolva automaticamente problemas simples.
Como o Claude Opus 4.5 mudou o jogo
De um modo geral, fico constantemente surpreendido com a rapidez com que as ferramentas e os modelos estão a evoluir e a melhorar. Isto obriga-nos a avaliar continuamente as novidades.
Recentemente, foi lançado o Claude Opus 4.5, que é realmente muito bom a executar alterações de código mais complexas. Por isso, estamos agora mais inclinados a resolver um problema de uma só vez — ou seja, escrever um único pedido detalhado — em vez de trabalhar em pequenos incrementos, com o envolvimento de uma pessoa em cada passo.
Basicamente, pedimos-lhe que resolva um problema complicado enquanto vamos almoçar.
É surpreendentemente eficaz. Continuamos a precisar de rever o código, mas, na maioria das vezes, está tudo bem.
Porque é que os gestores de projetos têm de aprender a trabalhar com agentes de AI
Daqui para a frente, os gestores de projetos terão de se habituar a ter uma equipa constituída por colegas humanos e de AI a trabalhar em conjunto. Isso significa você.
Enquanto gestor de projetos, precisa de se habituar a trabalhar com agentes de AI como colegas. Se não o fizer, será o obstáculo no processo. Tudo avançará a um ritmo que não conseguirá acompanhar.
Não saber utilizar a AI de forma eficaz será como não saber utilizar a internet de forma eficaz. Claro que ainda é possível gerir projetos sem utilizar a internet. Mas ficará gravemente limitado, e as suas perspetivas profissionais serão pouco promissoras.
Não saber utilizar a AI de forma eficaz será como não saber utilizar a internet de forma eficaz.
Como uma melhor gestão do contexto permite obter resultados mais fiáveis da AI
O setor está sempre a mudar, por isso, o mais importante é experimentar.
Experimente diferentes ferramentas de AI e casos de utilização. Desenvolva as suas competências enquanto utilizador e engenheiro de contexto. E observe em que é que você e a sua equipa passam o tempo — onde pode a AI ajudar a poupar tempo ou a melhorar a qualidade?
Para além da experimentação, a gestão do contexto — compreender como os LLMs trabalham com o contexto — é crucial. Se estudar este tema, conseguirá escolher e utilizar as ferramentas de AI de forma mais eficaz. A maioria das falhas da AI ocorre devido a uma má gestão do contexto. Por outras palavras, falha porque não tem a informação de que necessita.
Ninguém sabe o que irá acontecer no futuro, mas, se for bom a utilizar a AI generativa, estará numa melhor posição para lidar com tudo o que o futuro lhe reservar.
Acompanhe
Pode acompanhar a forma como Henrik Kniberg ultrapassa os limites dos agentes na gestão de projetos no YouTube, no LinkedIn e no X. E não perca o seu produto, a Abundly.ai.
Em breve, teremos mais entrevistas com especialistas no The Digital Project Manager!
