🎧 Prefere ouvir? Este artigo tem versão em áudio narrada.
Em três anos coloquei um agente de IA em produção, e depois tirei ele do ar com as minhas próprias mãos. Ele conversava bem. Respondia com precisão. E não resolvia o problema de ninguém.
Essa é a parte que quase não se conta. O mercado está cheio de relato de lançamento e vazio de relato de desligamento — e o segundo ensina mais.
Este artigo tem duas metades. Na primeira, o meu inventário honesto: o que está rodando, o que ainda está em teste, o que morreu, e por que a coisa que mais aumentou minha entrega não foi inteligência artificial. Na segunda, os números do mercado que explicam por que essa história importa para quem trabalha com tecnologia hoje — incluindo por que as vagas de Scrum Master caíram 62% enquanto 85% das vagas de Product Manager passaram a pedir IA.
Quem está falando
Comecei em design gráfico. Migrei para TI, passei anos em WordPress e desenvolvimento web — mais de duas décadas mexendo com site, servidor e coisa quebrada em produção. Hoje trabalho com MarTech: a camada onde marketing, sistema e dinheiro se encontram.
Não sou pesquisador de IA. Sou o cara que atende o telefone quando o checkout para de processar numa sexta-feira à noite. Meus clientes são empresas reais que, somadas, faturam mais de um milhão de reais por mês, e o que elas compram de mim não é tecnologia — é previsibilidade.
Isso muda o que eu chamo de sucesso. Um modelo que impressiona numa demo e falha na borda do fluxo real não vale nada para quem me paga. Essa régua explica todas as decisões que vêm a seguir.
Por que fiquei quieto
Fundei a Evolutiva em 2022 e publiquei pouco desde então. Não foi estratégia de conteúdo. Foi falta de tempo e, sendo franco, um certo receio de falar antes de ter o que mostrar.
Três anos depois eu tenho. Inclusive o que não deu certo.
O agente de IA que entrou em produção e eu tirei do ar
Ele funcionava. E ainda assim foi um erro mantê-lo no ar.
Um cliente recebia dezenas de ligações por dia com as mesmas perguntas: situação do contrato, segunda via, transferência de titularidade. A informação existia — espalhada em milhares de documentos, exportações e planilhas acumuladas ao longo de anos.
Construí um agente RAG (Retrieval-Augmented Generation, ou geração aumentada por recuperação — em bom português: a IA busca a resposta na base real do cliente antes de responder, em vez de inventar). Subiu para produção em parceria com outra empresa de tecnologia.
O agente entendia a pergunta. Achava o documento certo. Formulava a resposta com clareza. Em qualquer métrica conversacional, ele passava.
E eu tirei do ar.
Por que desliguei algo que funcionava
Porque atender bem não é o mesmo que resolver.
O sistema do cliente não expunha pontos de integração. O agente conseguia dizer “seu boleto venceu em 12 de março”, mas não conseguia gerar a segunda via. Sabia que uma transferência era possível, mas não conseguia iniciar o processo.
Era um funcionário brilhante trancado numa sala sem telefone.
O cliente que ligava não queria informação. Queria o problema resolvido. O agente entregava metade do caminho — e meio caminho, em atendimento, às vezes é pior que nada, porque cria expectativa e devolve o cliente para a fila.
A falha não foi do modelo. Foi da infraestrutura embaixo dele. E manter no ar um sistema que dá uma boa impressão sem entregar resultado é dívida técnica disfarçada de vitrine.
Essa foi a lição mais cara que aprendi, e ela virou minha regra: IA sem capacidade de ação é demonstração, não produto.
Por que um sistema legado virou SaaS antes de entrar em produção
Outro cliente operava num sistema legado que já não aguentava o volume: cobrança recorrente, conciliação manual, planilha trocada por e-mail. Comecei a reconstrução — migração de banco, containers, pipeline de dados, cobrança automatizada.
No meio do caminho percebi uma coisa que mudou o projeto: o problema não era daquele cliente. Era do setor inteiro.
Todo negócio daquele mercado tinha a mesma dor, o mesmo processo manual, a mesma planilha. Construir uma solução sob medida para um cliente resolveria um caso. Construir uma plataforma multi-inquilino — um SaaS onde cada empresa tem seu ambiente isolado sobre a mesma base — resolveria o mercado.
Refiz a arquitetura para SaaS.
Ressalva honesta: esse sistema ainda não entrou em produção. Está em fase de piloto. Eu poderia escrever “plataforma SaaS para o setor” e deixar você supor que há dezenas de clientes rodando nela. Não há. Há uma arquitetura pronta, um piloto em andamento e uma decisão de produto que eu defendo — mas produção é uma palavra que só se usa depois que usuário real depende do sistema para trabalhar.
Por que a mesa de câmbio ainda está em testes (e vai continuar até estar certa)
Construí uma mesa de operação digital de câmbio: cotação, contrato, documentação de compliance, tudo em tempo real. Nela, um agente de IA atua como interface do sistema — o operador conversa, e o agente executa dentro do fluxo real.
Esse é exatamente o oposto do primeiro caso: aqui a IA tem mãos.
E é justamente por isso que ainda está em testes.
O sistema movimenta dinheiro real, de clientes reais, em países diferentes. A operação precisa ser rápida, porque câmbio tem janela de cotação. Precisa ser à prova de erro, porque um número trocado não é um bug — é prejuízo de alguém. E precisa ser auditável, porque há regulação envolvida.
Quando o custo do erro é financeiro e transfronteiriço, “parece estar funcionando” não é critério de liberação. Pressa aqui não é agilidade: é irresponsabilidade.
O que aprendi gastando mais de R$ 25 mil em IA
Investi mais de R$ 25 mil em ferramentas de inteligência artificial nos últimos anos — ChatGPT, Gemini, Claude, Perplexity, OpenRouter, OpenCode, em praticamente toda combinação de assinatura e modelo que existiu no período.
Não foi curso. Foi uso diário, em trabalho que precisava sair.
O aprendizado mais desconfortável: o que eu sabia mudava quase toda semana. O modelo que era o melhor para uma tarefa em janeiro não era em março. O truque de prompt que funcionava deixava de ser necessário quando o modelo melhorava. Ferramenta que parecia essencial virava supérflua num lançamento.
Quem tratou IA como coisa que se aprende uma vez ficou com um conhecimento datado. O que se acumula não é o atalho — é o critério: saber quando um modelo é bom o suficiente, quando o problema não é o modelo, e quando a resposta certa é não usar IA nenhuma.
O que conecta os agentes aos sistemas: MCP
O que amarra tudo isso hoje é o MCP — Model Context Protocol, um padrão adotado por Anthropic, Google e Microsoft para dar “mãos” aos modelos de linguagem.
Na prática: com MCP, o modelo não só conversa. Ele consulta banco de dados, dispara processo, registra informação e devolve resultado dentro do sistema.
Lembra do agente preso na sala sem telefone? MCP é o telefone. Se ele existisse com a maturidade atual na época daquele projeto, provavelmente eu não teria desligado nada.
O que realmente dobrou minha entrega — e não foi IA
Foi processo.
Isso costuma decepcionar quem espera ouvir o nome de uma ferramenta, mas é a resposta honesta. IA aumentou minha velocidade de execução. Processo aumentou a minha constância — e constância é o que cliente compra.
Trabalho sozinho na maior parte do tempo. Scrum, como está no manual, pressupõe time: daily com várias pessoas, papéis separados, cerimônia de alinhamento. Sozinho, isso vira teatro — reunião comigo mesmo.
Adaptei. Mantive o que resolve problema real de quem trabalha só:
| Prática do Scrum | Como adaptei para operação solo |
|---|---|
| Sprint | Ciclo semanal fechado, com escopo congelado no início |
| Backlog priorizado | Fila única por impacto no cliente, não por vontade do dia |
| Daily | Revisão curta de manhã: o que travou e o que sai hoje |
| Definition of Done | Critério escrito antes de começar — sem isso, “quase pronto” vira eterno |
| Velocity | Cards fechados por semana — a única métrica que eu acompanho |
| Retrospectiva | Meia hora na sexta: o que atrasou e por quê |
O ganho não veio de nenhuma prática isolada. Veio de parar de decidir prioridade todo dia. Escopo aberto e fila movediça consomem uma energia que ninguém contabiliza — e trabalhando sozinho, essa energia é o recurso mais escasso que existe.
Resultado: venho fechando cerca do dobro de cards por semana. Não porque trabalho mais horas. Porque paro menos, refaço menos e termino o que começo.
A combinação que funciona é essa: IA para executar mais rápido, processo para executar a coisa certa. Só a primeira metade produz muito trabalho descartável em alta velocidade.
A análise honesta das vagas: o que subiu, o que desabou
Enquanto eu construía isso, o mercado se reorganizou de um jeito que quase ninguém previu. Fui atrás dos números — e alguns são desconfortáveis.
O que aconteceu com as vagas de Agile e Produto
Passe o mouse nas barras para ver a fonte de cada número.
Vagas permanentes de Scrum Master no Reino Unido, em janelas de 6 meses. A função dedicada encolheu 62% em dois anos.
O que não caiu: a prática. Scrum segue em 87% dos times. As empresas absorveram o método dentro da engenharia e cortaram o cargo separado.
O mercado de Product Manager se recuperou — mas a recuperação tem dono: IA.
A distância entre a terceira e a quarta barra é a vaga em aberto do mercado: 30% das vagas pedem IA, menos de 5% dos profissionais já entregaram algo com IA de verdade.
Quem tem a competência cobra mais por ela — e o prêmio dobrou em um ano.
Ressalva honesta: os dados de vagas são majoritariamente do Reino Unido e dos EUA. A direção se transfere para o Brasil; a magnitude exata, não. Use como ordem de grandeza.
Fontes: IT Jobs Watch (jan/2026) · Dexity, 654 vagas (jul/2026) · PwC (2025) · Lenny’s Newsletter · LinkedIn Workforce Insights · Humanizing Work
Por que as vagas de Scrum Master desabaram
Porque a prática foi absorvida e o cargo separado deixou de se justificar.
Em janeiro de 2023, o Capital One eliminou mais de mil posições de Scrum Master, agile coach e delivery lead numa única decisão. A Royal London dispensou 90% dos seus agile coaches poucos meses depois. No Reino Unido, as vagas permanentes de Scrum Master caíram de 79 para 30 em dois anos — queda de 62%.
A justificativa do próprio Capital One é a parte que interessa: o papel foi “crítico nas fases iniciais da transformação”, mas com a maturidade da organização o passo natural foi “integrar os processos de entrega ágil diretamente na engenharia”.
Traduzindo: o método venceu, o cargo perdeu. Scrum segue rodando em 87% dos times. O que sumiu foi a pessoa contratada exclusivamente para facilitar cerimônia.
Há um segundo fator, e ele é mais duro. Existem mais de 4 milhões de certificados ágeis emitidos no mundo. Na Scrum.org, menos de 1% dos certificados alcançou o nível mais alto. Quando a oferta de credencial cresce muito mais rápido que a de competência comprovada, o mercado para de conseguir distinguir os dois — e passa a tratar todo mundo como intercambiável.
E o Product Manager? Aí a história é outra
O mercado de produto se recuperou — é o maior volume de vagas desde 2022, com mais de 7.300 posições abertas globalmente. Mas a recuperação tem dono.
Numa análise de 654 descrições de vaga reais de Product Manager, 85% já mencionam IA ou machine learning e **32% exigem experiência com *evals*** — os testes que medem se um sistema de IA realmente funciona, em vez de só parecer funcionar.
E aqui está o dado que mais me chamou atenção: cerca de 30% das vagas de PM abertas são de AI PM, mas menos de 5% dos PMs sênior já colocaram um agente de IA em funcionamento.
Essa distância é a oportunidade inteira resumida em uma linha.
O que isso significa na prática
O prêmio salarial por competências de IA saltou de 25% para 56% em um ano — mais que dobrou. A demanda por essas competências cresceu 142% em doze meses, segundo dados do próprio LinkedIn.
Para quem está no Brasil, o efeito é direto: profissionais de produto contratados por empresas internacionais têm recebido na faixa de US$ 4 mil a US$ 12 mil por mês, tipicamente de 2 a 4 vezes o equivalente local. Vagas de Payments Engineer com IA pagam entre US$ 5 mil e US$ 9,5 mil mensais.
Ressalva que preciso fazer: esses levantamentos são majoritariamente de Reino Unido e Estados Unidos. A direção se transfere para o Brasil, a magnitude exata não. Trate como ordem de grandeza, nunca como piso salarial garantido.
A leitura que eu faço disso
Não é “Scrum morreu” nem “produto acabou”. É outra coisa, e mais específica:
O mercado parou de pagar por processo isolado e passou a pagar por processo aplicado a sistema que funciona.
Um Scrum Master que só facilita cerimônia virou custo. Um Product Owner que só escreve história de usuário e prioriza fila virou custo. O que segue valendo — e valendo mais caro — é quem tem método e entende do sistema que está sendo construído.
Foi exatamente por isso que a seção anterior deste artigo importa. Eu não uso Scrum porque gosto de framework. Uso porque, sem processo, a IA me faria produzir mais lixo em menos tempo. E não vendo IA porque está na moda. Vendo porque sei o que quebra embaixo dela.
A combinação rara não é saber IA nem saber processo. É saber os dois e ter cicatriz de ter feito em produção.
Para quem este artigo serve
Se você tem uma operação que precisa de infraestrutura de pagamentos, automação ou agentes de IA que funcionem em produção — e já se cansou de demonstração bonita que não sobrevive ao fluxo real — a conversa é direta.
Se você monta time de tecnologia e procura alguém que já construiu, já quebrou, já desligou o próprio projeto e sabe explicar por quê, também.
Eu prefiro dizer “isso ainda está em teste” do que vender certeza que não tenho. Em sistema que mexe com dinheiro, essa é a diferença entre um fornecedor e um problema.
Perguntas frequentes
O que é um agente de IA em produção, na prática?
É um sistema de IA do qual alguém depende para trabalhar — não uma demonstração. A diferença não está no modelo, e sim na capacidade de agir: consultar dados reais, executar operações no sistema, tratar erro e deixar rastro auditável. Um agente que só conversa é um protótipo, mesmo que esteja publicado num endereço público.
Por que projetos de IA falham nas empresas?
Na maioria das vezes, por causa da infraestrutura, não do modelo. Dados desorganizados, sistema legado sem pontos de integração, autenticação inexistente e processos não mapeados derrubam qualquer agente, por melhor que ele seja. Foi exatamente assim que o meu primeiro agente em produção falhou: a IA estava certa, a base embaixo dela não estava pronta.
O que é MCP (Model Context Protocol)?
É um protocolo aberto que permite a modelos de linguagem executarem ações em sistemas externos, e não apenas gerarem texto. Com MCP, um agente consulta banco de dados, dispara processos e registra informações dentro dos sistemas da empresa. É o padrão que vem sendo adotado por Anthropic, Google e Microsoft para conectar IA a ferramentas reais.
Vale a pena usar Scrum trabalhando sozinho?
Vale, desde que adaptado — aplicar o manual sem time vira cerimônia vazia. O que sustenta o ganho numa operação solo é o ciclo semanal com escopo fechado, a fila única priorizada por impacto e o critério de pronto definido antes de começar. O que se descarta são as cerimônias que existem para alinhar várias pessoas.
As vagas de Scrum Master estão acabando?
As vagas dedicadas encolheram muito, mas a prática não. No Reino Unido, as posições permanentes de Scrum Master caíram 62% em dois anos, e empresas como Capital One e Royal London eliminaram centenas de papéis ágeis de uma só vez. Ao mesmo tempo, Scrum segue rodando em cerca de 87% dos times: as organizações absorveram o método dentro da engenharia em vez de manter o cargo separado. O mercado deixou de pagar por facilitação isolada e passou a pagar por método aplicado a sistema.
Product Manager precisa saber de IA em 2026?
Na prática, sim. Numa análise de 654 vagas reais de Product Manager, 85% mencionam IA ou machine learning e 32% exigem experiência com evals. Cerca de 30% das vagas de PM abertas são especificamente de AI PM, enquanto menos de 5% dos PMs sênior já entregaram um agente de IA em funcionamento — e é justamente essa distância que sustenta o prêmio salarial de 56% para quem tem a competência.
Quanto tempo leva para colocar um agente de IA em produção?
Depende quase inteiramente do estado dos sistemas que ele vai operar, não do agente. Numa base com integrações prontas e dados organizados, semanas. Num sistema legado sem pontos de integração, o trabalho real é a fundação — e ela costuma levar meses. Qualquer prazo dado antes de auditar a infraestrutura é chute.
Quer conversar sobre o seu caso? Fale comigo pelo WhatsApp ou por [email protected].