Os agentes de IA estão mudando a forma como as equipes de tecnologia trabalham, assumindo tarefas que tradicionalmente faziam parte da jornada de aprendizado de profissionais em início de carreira. À medida que a produtividade aumenta, o caminho para o aprendizado e o desenvolvimento de expertise também está mudando.

Este painel explora a tensão entre o desempenho potencializado pela IA e o conhecimento especializado adquirido na prática, as experiências que continuam sendo essenciais para desenvolver o pensamento crítico e a capacidade de julgamento, e como o conceito de senioridade em tecnologia está evoluindo. A conversa também abordará como essas mudanças podem redefinir o acesso e as oportunidades, abrindo novos caminhos para alguns profissionais, mas também criando possíveis barreiras para a próxima geração de talentos em tecnologia.

O Grupo Guanabara decidiu modernizar um processo complexo de precificação de passagens, que envolvia machine learning, decisões em tempo real, regras de negócio e conhecimento especializado. Mas a solução acabou se tornando o ponto de partida para algo maior: a construção das bases tecnológicas de uma organização orientada por dados. Nesta palestra, você vai descobrir como uma arquitetura modular orientada a eventos, um ecossistema moderno de MLOps e recursos compartilhados de IA ajudaram a ir além de uma iniciativa isolada de machine learning, criando uma base para novos produtos de IA, agentes inteligentes e tomadas de decisão com participação humana (human-in-the-loop).

A LATAM Airlines reduziu o Time to Market P85 em 69%, de 275 para 85 dias, em mais de 20 squads, utilizando um ciclo de desenvolvimento de produtos nativo em IA. Mas o maior impacto não veio da geração de código. Ele aconteceu antes, nas etapas de Discovery e Definition. Nesta palestra, serão apresentados os resultados de um estudo de seis meses, incluindo métricas auditadas e hipóteses validadas, que mostram como a IA ajudou a melhorar os artefatos de decisão e reduzir o tempo de Build em 84%. A sessão traz uma perspectiva prática, baseada em evidências, sobre como escalar o uso de IA no desenvolvimento de software e alcançar resultados de negócio mensuráveis.

À medida que a IA evolui dos chatbots para agentes autônomos, o desafio deixa de estar apenas no desenvolvimento de modelos mais inteligentes e passa a envolver os dados dos quais eles dependem. Os sistemas agênticos precisam de mais do que informações que possam ser pesquisadas. Eles precisam de dados confiáveis, contextualizados, rastreáveis, governados e preparados para apoiar ações no mundo real. Esta palestra explora os fundamentos de dados necessários para uma IA agêntica confiável, desde a arquitetura e a governança até as práticas operacionais que ajudam a levar a IA além de demonstrações promissoras e colocá-la em sistemas de produção resilientes.

Um acervo de mais de 3,8 milhões de imagens, documentos e vídeos não classificados teria exigido quase 100 mil horas de trabalho manual, a um custo estimado de aproximadamente US$ 10 milhões. Nesta palestra, você vai descobrir como um fluxo de trabalho de machine learning pronto para produção automatizou a classificação desses ativos com cerca de 97% de precisão, utilizando uma arquitetura AWS segura, resiliente e orientada a eventos, desenvolvida para processar milhões de ativos sem interromper os serviços existentes. A sessão também mostra como essa solução se tornou uma base reutilizável para integrar machine learning a produtos empresariais e futuras iniciativas de automação inteligente.

E se fosse possível testar o que funciona antes de assumir um grande investimento em tecnologia? Em um projeto com uma das 50 maiores empresas da lista Fortune 500 do setor varejista, diante de uma oportunidade de recuperar US$ 400 milhões em receitas não capturadas de fornecedores, a equipe utilizou pequenos experimentos apoiados por IA para avaliar a preparação dos dados, a captura de informações contratuais e os cenários de perda de receita antes de desenvolver qualquer solução. Nesta palestra, você vai descobrir como essa abordagem orientada por experimentos transformou uma oportunidade complexa em um roadmap validado e priorizado em semanas, em vez de trimestres, além de conhecer um método replicável para reduzir os riscos de grandes investimentos em plataformas antes mesmo de escrever código para produção.

A GenAI está mudando quem desenvolve software e o que essas pessoas esperam das plataformas internas. À medida que se torna cada vez mais possível criar aplicações funcionais usando linguagem natural, o desafio deixa de ser a construção de um protótipo e passa a ser como colocá-lo em produção com segurança e rapidez. Com base em experiências reais da Thoughtworks e da Meta, esta palestra explora como a engenharia de plataformas está evoluindo de componentes reutilizáveis para habilidades de agentes de IA, orquestração e governança, permitindo acelerar o desenvolvimento sem comprometer a segurança ou a qualidade.

Os design systems foram criados para designers e desenvolvedores humanos. Agora, agentes de IA estão projetando interfaces, escrevendo código, revisando pull requests e fazendo a manutenção de produtos, tornando-se um novo tipo de usuário desses sistemas. Com base em experimentos de construção de um design system agêntico, esta palestra explora como os design systems podem evoluir para além das bibliotecas de componentes e se transformar em conhecimento estruturado que a IA consiga compreender e utilizar, por que a documentação tradicional pode não ser mais suficiente e quais princípios as equipes podem adotar para preparar seus design systems para a IA.

A IA está acelerando o desenvolvimento de software, mas o feedback sobre qualidade ainda pode ser lento, complexo e cada vez menos determinístico. Adicionar mais automação ou avaliações baseadas em LLMs pode ajudar, mas também pode criar mais um ciclo de feedback que precisa ser mantido. Esta palestra explora um caminho prático para passar de avaliações probabilísticas a verificações determinísticas integradas ao ciclo de desenvolvimento de software. A sessão mostra como as equipes podem usar avaliações para compreender problemas complexos de qualidade, identificar o que pode ser verificado de forma determinística e transformar esses aprendizados em verificações rápidas, repetíveis e confiáveis, capazes de acompanhar o ritmo do desenvolvimento de software assistido por IA e baseado em agentes.

A IA pode gerar código em segundos, mas desenvolver software confiável continua sendo a parte mais difícil. Depois de trabalhar com produtos baseados em IA, agentes de programação e plataformas sensíveis ao contexto, os limites do vibe coding ficam evidentes à medida que a geração de código acelera e a intuição, por si só, deixa de ser suficiente. Com base em experiências reais, incluindo sucessos, falhas e aprendizados, esta palestra explora a transição da engenharia de prompts para a engenharia de contexto, por que a revisão manual já não consegue acompanhar esse ritmo e como especificações, validação automatizada e práticas de engenharia determinísticas podem ajudar a manter o software desenvolvido com IA confiável, sustentável e pronto para produção.

A observabilidade moderna parte do princípio de que é possível instalar um agente na máquina. Mas, quando os clientes alugam infraestrutura de GPUs, essa premissa deixa de funcionar: você pode ser responsável pelo hardware sem ter permissão para acessá-lo diretamente. Esta palestra compartilha aprendizados da construção de uma solução de observabilidade para um provedor de nuvem com 18.432 GPUs. A sessão explora os sinais de monitoramento de GPUs, hosts, redes, energia e sistemas de resfriamento líquido, o que ainda é possível observar sem acesso in-band, as limitações das alternativas com menor nível de detalhamento e as perguntas que se tornam impossíveis de responder.

Investir em IA não se traduz automaticamente em valor para o negócio. Mesmo iniciativas com investimentos significativos podem perder força após a implementação se as pessoas não utilizarem a IA com confiança e competência em suas atividades diárias.

As organizações que estão obtendo resultados não estão apenas implementando IA mais rapidamente. Elas estão concentrando seus esforços em entender como a adoção realmente acontece. Esta keynote explora o lado humano da IA, a relação entre adoção, utilização e ROI, e como as organizações podem reduzir a distância entre o investimento em IA e a geração de valor mensurável para o negócio.

A adoção de IA não é a linha de chegada. O valor para o negócio é.