20:22
youtube.com 10/11/2026 SRT Sandbox

O que as principais empresas fazem de diferente com a codificação em IA - Martin Harrysson & Prakhar Dixit, McKinsey

Grandes empresas reinventam o desenvolvimento de IA, revelando estratégias de codificação que diferenciam líderes de mercado!

Agentes de IA Tecnologia Coding AI coding

Conteudo

TLDR;

As principais empresas redefinem o modelo operacional, adotando fluxos Kanban de 1‑2 dias com agentes de IA e revisões humanas ajustáveis, em vez dos sprints tradicionais de duas semanas. Cerca de 20‑25 % das grandes organizações já reportam melhorias reais de até 2 vezes em produtividade ao usar IA na codificação. Elas estruturam squads menores (2‑4 pessoas), fundem papéis como desenvolvedor, QA e definidor de produto, e padronizam artefatos e contextos para maximizar o uso das ferramentas de IA.

Resumo

A palestra, apresentada por Martin Harrison e seus colegas da McKinsey, analisou como a inteligência artificial (IA) e os agentes estão remodelando a engenharia de software nas empresas. A partir de pesquisas recentes com centenas de clientes, constatou‑se que apenas 20‑25 % das organizações já colhem ganhos expressivos – até o dobro de produtividade de ponta a ponta – enquanto a maioria ainda observa melhorias modestas, devido a uma disparidade entre expectativas e resultados reais. Os fatores que realmente geram impacto são a revisão do modelo operacional, a reconfiguração de equipes e a padronização de artefatos e contextos. No operacional, o tradicional sprint de duas semanas está sendo substituído por fluxos Kanban de um a dois dias, nos quais agentes automatizados executam tarefas durante a noite e humanos validam os resultados, exigindo novos critérios de revisão e maior autonomia dos ciclos. Em termos de talentos, observam‑se squads menores (de duas a quatro pessoas) e a fusão de papéis: desenvolvedores e QA convergem para “construtores”, enquanto funções de produto evoluem para “definidores”, reduzindo camadas hierárquicas. Do ponto de vista técnico, as ferramentas de IA já estão maduras; o desafio está em construir infraestruturas que garantam dados consistentes e contextos adequados, além de conduzir a gestão de mudança necessária para que as pessoas adotem rapidamente essas novas formas de trabalho.