IA em empresas: contexto e tradição guiam agentes de software

Agentes de inteligência artificial (IA) em ambientes corporativos não operam isoladamente, mas sim imersos em um contexto histórico de decisões, compromissos e tradições de desenvolvimento. Essa perspectiva, inspirada na filosofia de Alasdair MacIntyre, sugere que a atuação da IA deve ser guiada pela compreensão das práticas e critérios compartilhados que moldaram as aplicações ao longo do tempo.

Assim como um indivíduo herda e interage com as tradições de sua comunidade, um agente de IA ao receber uma tarefa, como a aprovação de despesas, precisa conhecer as regras e arquiteturas já existentes. Sem esse conhecimento, a IA pode duplicar funcionalidades, criar inconsistências ou gerar dívida técnica, mesmo que atenda ao pedido imediato.

Compreendendo o contexto das aplicações

A evolução das aplicações de software é orientada por uma tradição de desenvolvimento, que inclui práticas e critérios sujeitos a discussão e revisão. Para que a IA possa criar algo novo de forma eficaz, é fundamental que ela compreenda essa herança. Isso envolve avaliar o que deve ser preservado, reutilizado ou transformado dentro da arquitetura existente.

O acesso a informações sobre componentes, regras de negócio e dependências é crucial. Ferramentas de desenvolvimento com IA que tornam esses dados consultáveis permitem que os agentes considerem o ambiente existente ao propor mudanças. Isso pode acelerar entregas, evitar a criação de dívida técnica e reduzir riscos de inconsistência.

Ferramentas e governança para IA confiável

Plataformas de software estão evoluindo para tornar o contexto das aplicações explicitamente consultável e compartilhável entre diferentes agentes de IA. Ferramentas compatíveis com o Model Context Protocol (MCP), como Cursor, Claude Code e Kiro, podem acessar uma base comum de informações sobre as aplicações de uma organização.

Além de conhecer o contexto, os agentes de IA precisam atuar dentro de limites e responsabilidades definidos. Mecanismos como a observabilidade, que permite acompanhar as interações da IA e identificar desvios, e os limites e regras de atuação (guardrails), que previnem ações indevidas, são essenciais para tornar a IA mais confiável.

A combinação do conhecimento do contexto com mecanismos de governança robustos oferece uma base sólida para conduzir projetos de modernização e inovação. Isso garante que as mudanças tecnológicas estejam alinhadas aos propósitos da organização e às responsabilidades que ela assume, promovendo maior segurança, precisão e coerência arquitetural.