O playbook da Anthropic pra times de humanos e agentes de IA
A Anthropic publicou como os próprios times dela trabalham com agentes Claude — e as quatro lições são habilidade de gestão, não truque de prompt. Aqui vai o playbook, e como eu aplicaria como EM mesmo sem uma frota de agentes.
- #agents
- #anthropic
- #management
- #delegation
No dia 24 de junho, a Anthropic publicou um artigo mostrando como os próprios times dela trabalham no dia a dia com agentes Claude — e a surpresa é que quase não tem técnica de IA ali. As quatro lições são coisas que um bom gestor de engenharia já faz: documentar tudo, definir papéis, ter um objetivo claro, delegar na medida da confiança. A empresa que constrói os agentes está te dizendo que o gargalo não é o prompt. É gestão.
Isso é ótima notícia pra quem é dev brasileiro mirando time internacional, porque habilidade de gestão viaja melhor que qualquer framework. Aqui vai o playbook — e o que eu faria com ele na prática.
Lição 1: se não está escrito, o agente não enxerga
Agente só sabe o que existe como texto acessível — documentação, código, notas de reunião, canais públicos do Slack. Os times da Anthropic deixam os canais públicos por padrão e escrevem as notas já pensando no agente encontrar depois; o retorno que eles relatam são agentes que param de sugerir projeto já cancelado e começam a trazer trabalho relevante de outros times. A maioria das reclamações de "a IA não entende meu contexto" que eu escuto é, na verdade, "a gente nunca escreveu isso em lugar nenhum". Arruma a documentação e o agente fica mais inteligente de graça — e o próximo contratado humano também.
Lição 2: agente ganha papel, não tarefa solta
Os times de engenharia deles mantêm um roster explícito listando humanos e agentes, cada um dono de um trabalho específico — triagem de feedback, revisão de código, relatório de status — com acesso a ferramenta compatível com a função (o agente de QA usa Playwright, o de dados usa BigQuery). Isso é organograma, não prompt. O antipadrão que isso mata: cinco devs, cada um rodando seu assistente particular "na sombra", fazendo meio-trabalhos sobrepostos que ninguém verifica.
Lição 3: um objetivo escrito deixa o agente proativo
Um time interno documentou a meta "deixar o onboarding do produto mais útil" — e um agente, sem ninguém pedir, propôs reescrever as mensagens de erro do fluxo de onboarding. O sucesso do onboarding melhorou de forma mensurável na semana seguinte. Sem meta documentada, o agente só consegue reagir a ticket; com meta, ele sugere trabalho que você nem pensou em pedir. Igualzinho a um engenheiro júnior, sinceramente.
Lição 4: autonomia se conquista por tipo de tarefa
A Anthropic revisa o trabalho do agente de perto no começo e só amplia o escopo onde ele já tem histórico. Dois mecanismos que valem roubar: o esquema Doer-Verifier — um agente faz a tarefa e um segundo agente, com olhar limpo, confere, porque o revisor nunca viu o raciocínio que gerou o erro — e um relatório semanal em que os agentes compilam as próprias "lições e tropeços". Um dos times saiu de revisar cada decisão até despachar agentes pra resolver 500 correções de bug de forma independente. Eles não começaram aí; subiram degrau por degrau.
O ângulo de carreira que ninguém fala em voz alta
Se o trabalho está virando humanos definindo a estratégia enquanto agentes executam, a habilidade que está valorizando é comandar um time — e dá pra praticar isso hoje sem ter um único liderado. Um dev que mantém roster, escreve documentos de contexto e roda um ciclo Doer-Verifier está fazendo trabalho de EM. Numa entrevista internacional, "eu gerenciei um time de agentes com portões de verificação e níveis de autonomia conquistada" é uma história que quase ninguém mais tem pra contar.
Hoje: escolhe uma tarefa recorrente que você já meio que confia a um agente e escreve o "cartão de papel" dela — o objetivo que ela serve, os arquivos de contexto que o agente lê, o que ele pode fazer sozinho e o que um segundo agente (ou você) verifica. Essa página única é a semente do playbook inteiro.
Fontes
Continue lendo
Mais guias parecidos com este.
Divida seus agentes por contexto, não por cargo
A maioria dos sistemas multiagente quebra porque a pessoa divide o trabalho como dividiria num time — quem planeja, quem escreve, quem testa. A própria Anthropic chama isso de anti-padrão. Aqui está a divisão que funciona, e a conta que vem junto.
Subagents: gaste tokens sem gastar o seu contexto
Os dados da própria Anthropic mostram que os tokens que um agente gasta explicam a maior parte da performance — só que, numa sessão única, todo token cai na mesma janela que guarda o seu plano. Subagents quebram esse vínculo. Aqui vai o arquivo de três linhas, os padrões que mudaram e quando pular essa ferramenta.
Skill, workflow ou agente? Uma pergunta decide
Muito dev parte pro agente quando um workflow de 20 linhas resolveria mais barato, mais rápido e sem surpresa. Essa é a escada de três níveis, com as definições da própria Anthropic — e a única pergunta que diz qual construir.