No /root com Guga Stocco, publicado em 2023, lembrei do começo da internet nos anos 90. Os sites eram lentos, a conexão era por modem e a gente precisava fazer páginas super otimizadas. Naquela época, dizíamos que estávamos engatinhando, que era tudo começo. Olhando para a inteligência artificial e para os assuntos do momento, perguntei ao Guga:
A gente continua engatinhando ou a gente já tá num patamar que a gente tá engatinhando mais rapidamente, talvez?
A resposta de Guga (síntese)
Guga respondeu que depende do tema. Em muitos, continuávamos engatinhando; em alguns, a coisa estava ficando séria. O metaverso, que tinha sido moda, era um exemplo do primeiro grupo: ainda exigia colocar um óculos grande para conseguir ver alguma coisa.
A inteligência artificial estava no segundo grupo. Segundo ele, redes neurais, grandes redes e treinamento de modelos já existiam havia muito tempo. O que faltava era poder de processamento para lidar com um volume tão grande de dados e ter esses dados disponíveis. Quando essas peças se juntaram, houve uma ruptura, e a imagem que ele usou foi a de quem sai do engatinhar direto para uma corrida leve, pulando a fase de andar.
Esse salto, disse, tem consequências, porque nem todo mundo consegue sair do engatinhar e correr ao mesmo tempo. Quem consegue coletar dados e treinar modelos rápido ganha uma vantagem competitiva muito grande. Ele também apontou limites estruturais no Brasil e deu um exemplo forte: na avaliação dele, se o ChatGPT tivesse sido criado aqui, a LGPD não teria permitido. Para Guga, nessa passagem do engatinhar para a corrida, nem tudo acompanha no mesmo ritmo.
A observação sobre a LGPD é a leitura dele naquela conversa de 2023, sem pretensão de análise jurídica.
No vídeo desta pergunta, a fala de 2023 cita o Real Digital (depois chamado Drex) entre os temas do momento; o projeto depois saiu das prioridades do Banco Central e não deve ser lido como agenda em andamento.
Uma reflexão para hoje
Em 2023, o Guga via a vantagem competitiva em quem conseguia juntar processamento, dados e treinamento de modelos com rapidez. Essa leitura continua valendo para quem constrói modelos. Para quem constrói empresa em cima deles, a disputa ganhou outra camada desde que os modelos passaram a agir dentro de sistemas que já existem: repositório de código, testes, fila de revisão, conversa com o time. Ter acesso a um bom modelo virou ponto de partida cada vez mais comum. O que passa a diferenciar uma operação de outra é a capacidade de entregar a ele um processo inteiro, de ponta a ponta, com o contexto necessário, critérios claros de decisão e evidência de que o resultado saiu como deveria.
Karri Saarinen, CEO da Linear, descreveu em 6 de novembro de 2026 como a empresa organiza esse trabalho com um agente de código na nuvem. Pela conta dele, a maior parte do código (5 milhões de linhas no último trimestre, número autodeclarado) agora é escrita com esse agente. Correções entram direto no Slack (“@linear fix this”); um Loop investiga com Sentry e Datadog e escreve o patch; designers, PMs e pessoas não técnicas contribuem com código; todo pull request chega com capturas de tela, vídeo e preview build; e cada projeto começa com 10 a 500 notas de clientes. As recomendações dele fecham em deixar agentes construir, facilitar a contribuição e aumentar a ambição do que os times tentam.
O que me chama atenção nesse desenho é onde o valor foi parar. Os agentes executam, e quem desenha a operação define quem pode disparar o trabalho, que evidência acompanha cada entrega e quais critérios separam o que se aprova do que volta para ajuste. A superfície de pedido, a investigação automática e a prova obrigatória no PR transformam volume em throughput revisável. É o relato do CEO sobre a operação da própria empresa, e o post traz o volume de linhas como métrica autodeclarada, sem multiplicadores de produtividade com fonte externa, então vale como desenho a estudar. Para quem lidera uma empresa, o trabalho que fica é organizar processos de modo que um agente consiga executá-los do começo ao fim: escrever o critério de decisão, definir o que conta como prova de que funcionou e escolher onde entra a aprovação humana. Em 2023, o diferencial estava em processamento, dados e treinamento. Hoje, cada vez mais, ele está na organização operacional que permite à IA trabalhar dentro da empresa.
O episódio completo está no RSS.com.
Créditos: /root, O Podstech da Celcoin. Apresentação: Adriano Meirinho e Thiago Zaninotti. Convidado: Guga Stocco. Episódio 6: Tecnologia, pra quê?, publicado em 2023. Pergunta em 10:52 a 11:45; resposta resumida em 11:45 a 13:52.