Claude publica um playbook para um ciclo de desenvolvimento nativo em IA

A tese do ciclo nativo em IA

A Anthropic sustenta que o código deixou de ser o principal gargalo do desenvolvimento de software porque agentes conseguem produzi-lo em uma velocidade que os processos tradicionais não acompanham. Aprovações, revisões, transferências entre equipes, testes, segurança e implantação continuam ocorrendo em ritmo humano, criando filas, controles inadequados e custos maiores de governança. Em vez de apenas acelerar a etapa de implementação, o playbook propõe redesenhar todo o ciclo de desenvolvimento de software (SDLC) em torno de agentes, mantendo pessoas responsáveis pelas decisões que exigem julgamento.

O modelo tradicional é apresentado como uma sequência de seis fases - planejamento, design, construção, testes, implantação e manutenção - nas quais diferentes funções trocam documentos, tíquetes e aprovações. O modelo AI-native transforma essa sequência em um ciclo no qual a IA está presente em todas as etapas e cada fase produz um artefato versionado que aciona a seguinte. A cadeia inclui intent.md, spec.md, plan.md, código, testes, pull request com resultados de revisão e registros de incidentes. Esses artefatos funcionam simultaneamente como instruções para o agente e como trilha de auditoria, registrando o que foi pedido, produzido e aprovado.

As seis etapas e os controles

No planejamento, uma pessoa descreve o problema em seus próprios termos com auxílio do Claude, que transforma a conversa em um intent.md. O responsável pelo produto corrige e aprova o arquivo antes de ele avançar. No design, o agente converte o intento aceito em uma especificação de requisitos e design, aplicando padrões de marca, segurança, conformidade e experiência do usuário codificados em skills. A aprovação humana continua necessária, especialmente para resolver preocupações sinalizadas pelo agente.

Na construção, o Claude Code começa em modo de planejamento: lê a especificação, examina o repositório sem alterá-lo e produz um plan.md com arquivos, ordem do trabalho, riscos e testes. Um engenheiro revisa e aceita o plano antes da implementação. O modo automático pode ser usado em tarefas rotineiras quando existirem guardrails maduros, como CLAUDE.md, skills, hooks e testes confiáveis. O trabalho também pode ser dividido entre sessões paralelas em worktrees separados e subagentes especializados, mas o engenheiro continua responsável por conduzir e revisar os resultados.

A etapa de testes exige que cada sessão consiga verificar o próprio trabalho por meio de testes, compilação ou comparação visual, corrigindo falhas antes da revisão humana. O playbook recomenda comandos quantificáveis, testes de regressão para correções e mecanismos que impeçam o agente de enfraquecer os próprios testes. A fonte começa a tratar ainda de avaliações contínuas em CI, descritas como equivalente nativo aos gates de QA, mas o trecho fornecido termina antes de concluir essa seção.

Conhecimento e governança

CLAUDE.md concentra comandos, convenções, arquitetura e erros recorrentes; skills transformam políticas institucionais em instruções versionadas e reutilizáveis. Como skills são controles consultivos, políticas obrigatórias devem ser reforçadas por hooks determinísticos ou por novas revisões. Organizações podem manter repositórios e ferramentas legadas, como Jira, ServiceNow ou sistemas de requisitos, desde que definam uma fonte de verdade ou vinculem registros e commits. A proposta não elimina a responsabilidade humana: desloca sua atenção da produção manual e da inspeção de cada linha para a análise de intenção, risco, evidências e decisões nos pontos de aprovação.