Desenvolvimento agênticoSpec-Driven Development

A IA já escreve o código. Falta o harness que a faz escrever o código certo.

O modelo fica no centro. Em volta dele, tudo o que decide o resultado: o que ele lê, o que ele usa, onde ele escreve e quem confere — e um fluxo que o time segue sem decorar: research, plan, implement, verify.

Ver o fluxoUsar no meu projeto
Validadores
o que confere a saída
Fontes
o que ela lê antes de escrever
Claude Code
o modelo e o que o configura
pedido
o prompt do operador
CLAUDE.md
como se trabalha aqui
specs/
arc42 · C4 · BDD · ADR
changes/
PRD · design · specs · tasks
src/ existente
o código que já está lá
Biome
lint e formatação
check
tipos e contratos
bun test
os *.test.js do tester
husky + lint-staged
o pre-commit
commitlint
a mensagem do commit
CI
os workflows do GitHub
Claude Code
o modelo — prevê o próximo token a partir da janela
tudo em volta decide o que entra na janela e o que sai dela
Recursos do Claude Code · em .claude/
agents
11 ofícios, cada um na sua janela
skills
52 procedimentos
rules
47 defeitos proibidos
hooks
khaby-lame.sh, antes do Write
commands
/craft /ship /audit /sync /extend
MCPs
ferramentas externas
src/[contexto]/[container]/[componente]/
o código — onde a saída vira arquivo, com o teste ao lado
lê
veredito
escreve
configuram
confere

Fontes

o que ela lê antes de escrever

pedidoCLAUDE.mdspecs/changes/src/ existente
↓ lê

Claude Code

o modelo — prevê o próximo token a partir da janela

Recursos · .claude/

configuram o modelo

agents · 11skills · 52rules · 47hookscommands · 5MCPs
↓ escreve

src/[contexto]/[container]/[componente]/

onde a saída vira arquivo, com o teste ao lado

↓ confere

Validadores

o veredito volta para o modelo

Biomecheckbun testhusky + lint-stagedcommitlintCI
1

Fontes

specs/ e changes/ dizem o que é certo antes da primeira linha.

2

Recursos

agents, skills, rules, hooks e MCPs moldam como o modelo trabalha.

3

Código

src/ por contexto e componente: a saída cai no lugar certo.

4

Validadores

lint, tipos, testes e CI conferem antes de qualquer merge.

// O paradoxo

Todo mundo adotou a IA. Quase ninguém ficou mais rápido.

A adoção virou regra, mas a entrega não acompanhou. Os estudos mais rigorosos contam a mesma história: sem método, a IA gera mais código — e mais trabalho para verificar.

84%

dos desenvolvedores usam ou vão usar IA — e 46% desconfiam da precisão do que ela entrega.

Fonte: Stack Overflow Developer Survey 2025, 49 mil respostas

19%

mais lentos: devs experientes com IA, em repositórios reais — enquanto acreditavam estar 20% mais rápidos.

Fonte: METR, ensaio randomizado, jul/2025

−7,2%

na estabilidade de entrega a cada 25% a mais de adoção de IA. A vazão também cai: −1,5%.

Fonte: DORA State of DevOps 2024

+91%

no tempo de revisão de PR em times com alta adoção. Os PRs ficam 154% maiores.

Fonte: Faros AI, 10 mil devs, 1.255 times

Percepção × realidade

Devs experientes, tarefas reais, com e sem IA. Variação no tempo de entrega.

Previsão antes

+24%

Percepção depois

+20%

Medido

−19%

mais rápidomais lento

Fonte: METR, 2025

O que +25% de adoção de IA move

Variação estimada em cada indicador, por 25 pontos a mais de adoção.

Qualidade da documentação

+7,5%

Qualidade do código

+3,4%

Velocidade de review

+3,1%

Vazão de entrega

−1,5%

Estabilidade de entrega

−7,2%

melhorapiora

Fonte: DORA 2024

Onde o ganho individual evapora

Times com alta adoção de IA: cada etapa amplia a anterior — até o gargalo da revisão.

+21%

tarefas concluídas

+98%

PRs abertos e mergeados

+154%

tamanho médio do PR

+91%

tempo de revisão

0

ganho medido no nível da empresa

Fonte: Faros AI, 2025

A IA não transforma a organização sozinha. Ela amplifica o que já existe — as forças de quem tem método e as disfunções de quem não tem.

Síntese do DORA State of AI-assisted Software Development 2025, ~5 mil profissionais

01

O agente não tem contexto

Modelos degradam conforme a entrada cresce. Despejar o repositório na janela não resolve — piora.

Fonte: Chroma, Context Rot, 18 modelos, 2025

02

O código não se deixa navegar

Quando a dependência não tem nome óbvio, o agente cobre 76% do que importa. Quando a estrutura é navegável, 99%.

Fonte: Paipuru, CodeCompass, arXiv 2026

03

Não há especificação

45% do código gerado falha em testes de segurança. Blocos duplicados crescem 4x; copiar já supera reaproveitar.

Fonte: Veracode 2025 · GitClear 2025

// A resposta

Um ecossistema, não uma ferramenta

Cada peça ataca uma causa. Juntas, fazem a IA trabalhar com o contexto certo, no lugar certo, com a prova certa.

.claude/ · o harness conduz — roteamento · 11 ofícios · 47 rules · 52 skills · 1 hook
specs/
o sistema como é
changes/
o que vai mudar
src/
o código que muda
conduz
conduz
conduz
plan
implement
verify · o que src/ entrega volta para specs/ — e o research seguinte começa daí

// Antes e depois

Do vibe coding ao desenvolvimento agêntico

IA sem métodoCom o ecossistema
ContextoO que couber na conversaspecs/ + changes/, lidos no tempo certo
Quem fazUm agente genérico para tudoOnze ofícios, cada um na sua janela
Onde mexerBusca por palavra e esperançaUma capacidade, uma pasta
QualidadeRevisão humana sobrecarregada34 regras julgadas antes do humano
DocumentaçãoEscrita depois, se sobrar tempoAtualizada na mesma mudança
FluxoCada pessoa do seu jeitoO mesmo ritmo para todo o time

// Quem aponta na mesma direção

Não é uma aposta isolada

A indústria e a pesquisa convergem: especificar antes, isolar contexto, verificar sempre.

Thoughtworks Technology Radar

Spec-driven development entrou no radar em nov/2025, com Kiro, spec-kit e Tessl como exemplos.

Fonte: Technology Radar vol. 33

Anthropic Engineering

Um sistema multiagente superou o agente único em 90,2% — cada subagente com sua própria janela de contexto.

Fonte: How we built our multi-agent research system

DORA

Documentação de qualidade multiplica o efeito das práticas técnicas: +750% em integração contínua.

Fonte: DORA, Documentation quality

Pesquisa acadêmica

A disciplina de especificação humana, não a capacidade do modelo, é a restrição que decide a confiabilidade.

Fonte: Farrag, arXiv 2026

Leve o ecossistema para o seu time

Três passos para começar amanhã, e as respostas para as perguntas que vão aparecer na apresentação.

Ver perguntas frequentesVer o fluxo