Existe uma diferença fundamental entre usar inteligência artificial como assistente e delegar de verdade para ela. A maioria das empresas está no primeiro grupo: pedem sugestões, aceitam ou rejeitam, e ainda escrevem o código principal à mão. A Anthropic está no segundo grupo — e o que está acontecendo lá dentro merece atenção de qualquer pessoa que trabalha com tecnologia, negócios ou inovação.
Boris Cherny, o engenheiro que criou o Claude Code, declarou publicamente no Fortune Brainstorm Tech em junho de 2026 que não escreve uma linha de código à mão há oito meses. “Claude Code, 100% escrito pelo Claude Code”, disse ele. Não é força de expressão. É a descrição literal do processo de desenvolvimento de um dos produtos de IA mais avançados do mundo. E não é só ele: dados recentes mostram que mais de 80% de todo o código que vai para produção na Anthropic é escrito pelo próprio Claude — número que saiu de baixo dígito simples quando o produto foi lançado, em maio de 2025, para esse patamar em menos de um ano.
O engenheiro que gerencia centenas de agentes antes do café da manhã
Na manhã do evento, Cherny mencionou que estava gerenciando algumas centenas de agentes de IA simultaneamente. Em alguns dias, são milhares ou dezenas de milhares. Cada agente é uma instância do Claude, orquestrada por outra instância do Claude. O ser humano, nesse modelo, não digita código — ele define objetivos, avalia resultados e aprova pull requests. E não são poucos: engenheiros da Anthropic estão entregando em média oito vezes mais código por dia do que entregavam em 2024.
Para quem ainda enxerga IA como um autocomplete sofisticado, esse número parece ficção científica. Mas a estrutura por trás disso é completamente replicável — e é exatamente aí que está a lição mais importante que profissionais de tecnologia e gestores podem extrair desse caso.
O conceito de skills: transformar tarefas repetitivas em workflows encapsulados
O que diferencia a Anthropic da maior parte das empresas que usam IA não é o acesso a modelos melhores — é o método. A lógica que guia o trabalho interno pode ser resumida em uma frase de Cherny: “Toda vez que você precisa fazer uma tarefa, construa uma skill que vai resolver tarefas similares no futuro.”
Uma skill, nesse contexto, é um workflow encapsulado — uma sequência de ações conectadas às ferramentas certas, acionada por um comando simples. Em vez de explicar para a IA o que fazer cada vez que uma situação se repete, você a ensina a reconhecer o padrão e executar o fluxo. É a diferença entre dar um peixe e ensinar a pescar — só que aqui quem aprende é a máquina, e quem ganha tempo é o humano.
O time de marketing de crescimento da Anthropic usou exatamente essa lógica para construir um fluxo que processa centenas de anúncios automaticamente, identifica quais estão com performance abaixo do esperado e sinaliza os ajustes necessários. O time jurídico construiu um protótipo que roteia cada consulta para o advogado certo com base no tipo de questão. Nenhuma dessas aplicações exigiu um engenheiro especialista. Exigiu alguém disposto a identificar um workflow repetitivo, mapear as ferramentas certas e ensinar a IA a conectar os pontos.
A metáfora de Gutenberg e o que ela significa para quem não é programador
Cherny recorreu a uma analogia de 500 anos para explicar o que está acontecendo. Antes da prensa de Gutenberg, na Europa do século XV, a taxa de alfabetização girava em torno de 10%. Ler e escrever eram habilidades profissionais, privilégio de escribas a serviço de reis e senhores feudais. A prensa não apenas barateou os livros — ela reduziu o custo de produção em 100 vezes e desencadeou uma explosão de literatura que superou tudo que havia sido produzido no milênio anterior, em apenas cinco décadas.
“O que aconteceu foi simplesmente insano, e algo que ninguém poderia ter esperado”, disse Cherny. O resultado de longo prazo? A alfabetização global subiu. O Renascimento, a Reforma e a Revolução Industrial não teriam acontecido sem esse desbloqueio.
A analogia com o código é direta: se hoje existem 50 milhões de pessoas no mundo capazes de escrever software, o que acontece quando qualquer pessoa em qualquer sala consegue fazer o mesmo? O código está se tornando a nova alfabetização digital. Não no sentido de que todo mundo vai aprender sintaxe Python — mas no sentido de que a capacidade de criar sistemas, automatizar processos e construir ferramentas vai deixar de ser exclusividade do engenheiro de software especialista.
O problema do gargalo migratório — e por que isso importa para gestores
Uma das observações mais práticas de Cherny diz respeito ao que ele chama de “problema do gargalo migratório”. Quando você automatiza uma etapa de um processo, não elimina o atrito — você o move. A sequência que a Anthropic viveu ilustra bem isso:
Primeiro, a escrita de código era o gargalo. O Claude Code eliminou esse problema. Então o code review se tornou o novo gargalo. A solução foi montar uma equipe de instâncias do Claude com personas distintas que colaboram para revisar pull requests — o humano ainda aprova, mas a análise é feita pela IA. Depois, surgiram manutenibilidade e segurança como próximos gargalos. A Anthropic respondeu com rotinas automatizadas que melhoram o código iterativamente e um produto de segurança que escaneia vulnerabilidades continuamente.
“Encontre o gargalo, resolva o gargalo”, resumiu Cherny. O padrão é simples. A disciplina de aplicá-lo sistematicamente é o que separa as organizações que escalam com IA daquelas que ficam admirando o copiloto sem nunca deixá-lo pilotar.
Por que o código caiu primeiro — e quem vem a seguir
Há uma razão estrutural para o desenvolvimento de software ter sido o primeiro domínio a ser transformado de forma profunda pela IA. É o único tipo de trabalho intelectual que já vem com seu próprio avaliador embutido: um compilador que diz “válido ou inválido”, um conjunto de testes que responde “correto ou incorreto”, instantaneamente e sem custo adicional. Esse sinal objetivo é o ingrediente mais escasso no treinamento de IA moderna — e quase nenhum outro tipo de trabalho o fornece com tanta clareza.
Quando você aplica aprendizado por reforço em um domínio com recompensas verificáveis, o modelo para de produzir código que parece correto e começa a produzir código que funciona. Essa é a diferença técnica que explica por que o Claude Code chegou a um run-rate de um bilhão de dólares em apenas seis meses após o lançamento — o mais rápido da história do software comercial — e está em múltiplos disso hoje.
A pergunta consequente é: quais outros domínios têm ou podem ter um “avaliador” equivalente? Direito tem contratos com cláusulas verificáveis. Finanças têm planilhas com resultados auditáveis. Marketing tem métricas de conversão. Saúde tem diagnósticos com desfechos mensuráveis. Em cada um desses campos, quem conseguir construir o avaliador adequado vai desencadear a mesma transformação que o compilador desencadeou no desenvolvimento de software. Para empresas de tecnologia e consultoria, como as que trabalham com estratégia corporativa e CTO as a Service, esse é o mapa do território nos próximos cinco anos.
O que aprender com isso se você não é engenheiro da Anthropic
Você não precisa gerenciar dez mil agentes para aplicar a lógica do que está acontecendo na Anthropic. O princípio é acessível para qualquer profissional ou organização que usa IA no dia a dia.
O primeiro passo é parar de usar IA como chatbot genérico e começar a mapeá-la contra workflows específicos. Quais tarefas na sua operação se repetem? Qual delas tem um fluxo previsível de passos? Qual conecta ferramentas que a IA já consegue acessar? Essas são as candidatas para virar uma skill.
O segundo passo é conectar a IA às ferramentas reais, não apenas ao texto. A diferença entre um agente útil e uma IA genérica está exatamente aí: o agente executa ações no mundo real — lê dados de um CRM, atualiza uma planilha, dispara uma mensagem, analisa um relatório de performance. Quem está desenvolvendo fluência em Vibe Coding sabe que essa conexão entre linguagem natural e ferramentas reais é o coração do novo paradigma de desenvolvimento. Para aprofundar nesse tema, vale acompanhar a newsletter gratuita sobre Vibe Coding.
O terceiro passo é aceitar que o papel do profissional muda — ele não desaparece, ele sobe um nível. Na Anthropic, os engenheiros não foram substituídos. Eles passaram a gerenciar sistemas em vez de escrever linhas. Na prática, isso exige habilidades diferentes: capacidade de definir objetivos com clareza, avaliar resultados com critério e construir os avaliadores que farão a máquina aprender. A Associação Brasileira de Ciência de Dados e IA tem discutido exatamente esse reposicionamento do profissional humano na cadeia de valor da IA — vale acompanhar o debate.
A recursividade que ninguém esperava
Talvez o detalhe mais perturbador e fascinante do que está acontecendo na Anthropic seja este: o Claude Code está escrevendo o código da próxima versão do Claude. O loop que transformou o desenvolvimento de software está apontado para si mesmo. Cherny descreveu isso com uma honestidade incomum: “Claude Code pode ser o primeiro produto que simplesmente decola, porque está escrevendo, revisando e escaneando sua própria segurança por conta própria — e está começando a gerar suas próprias ideias de funcionalidade escaneando issues do GitHub, Twitter e Slack.”
E quando perguntado se ele estava preocupado com a velocidade disso tudo, a resposta foi direta: “Sim. É um dos grandes riscos da IA.”
Não é cinismo. É a consciência de quem está no centro do processo e entende que o passo seguinte à democratização do código é uma reconfiguração profunda de quem tem poder para construir — e consequentemente para moldar — os sistemas que organizam o mundo.
A prensa de Gutenberg também derrubou ideologias e desencadeou guerras religiosas antes de elevar a civilização. A analogia, como o próprio Cherny admitiu, é imperfeita. Mas a direção é clara: quem souber escrever o avaliador vai vencer a categoria. E no Brasil, as empresas e profissionais que começarem agora a construir suas próprias skills — conectando IA aos seus workflows reais — vão chegar à próxima curva com vantagem estrutural sobre quem ainda está apenas admirando o copiloto pela janela.
