Dia 2 no StartSe AI Festival 2026: notas para devs de software

Como comentei no post anterior, estou em São Paulo nesta semana para o StartSe AI Festival 2026, que aconteceu nos dias 13 e 14 de maio no Pro Magno Centro de Eventos.

Para quem chegou agora: o evento reuniu cerca de 4 mil pessoas e trouxe uma combinação interessante de nomes globais como Replit, Amazon AGI, MIT, Glean e Volkswagen, junto com empresas brasileiras e gente que está colocando IA em produção no dia a dia.

Vou seguir o mesmo formato o primeiro post: um parágrafo por talk, seguido dos pontos que eu achei mais relevantes em cada uma. Alguns temas devem virar textos mais aprofundados nos próximos dias.

Marcelo Echeverria, Country Manager da Replit Brasil, mostrou a evolução da Replit desde o primeiro agente, em setembro de 2024, até o momento atual do vibe coding, termo popularizado por Andrej Karpathy em fevereiro de 2025. A mensagem principal foi direta: construir software deixou de ser uma atividade restrita a devs. A pessoa mais próxima do problema agora também consegue construir. Só que a superfície de risco cresce junto.

  • 75% do código novo no Google já é gerado por IA, segundo o Cloud Next 2026.
  • A Replit saiu de US$ 3 bilhões para US$ 9 bilhões em valuation em seis meses.
  • 85% das empresas Fortune 500 têm usuários na plataforma.
  • O risco aparece rápido quando não-devs colocam software no ar: API keys no código, ataques de supply chain e prompts expostos.
  • Apenas 2% da população dos EUA entende hoje o que é vibe coding. Essa distância ainda é uma janela de oportunidade.

Paulo Silveira, cofundador da Alura (Grupo Alun, que adquiriu a StartSe em setembro de 2025), trouxe um ponto que vale bastante para devs: o custo de produzir uma linha de código caiu praticamente a zero, mas a quantidade de software realmente entregue não explodiu na mesma proporção. A parte difícil continua sendo decidir o que construir.

  • Para o “citizen developer”, o caminho passa por domínio do problema, orquestração de agentes e formação multidisciplinar.
  • A tese de “um bilhão de desenvolvedores”, da Sequoia, aponta para um salto de cerca de 100 milhões para 1 bilhão de pessoas criando software com tecnologia.
  • Novas funções entram no jogo, como Agent Ops e AI builder.
  • Liderança técnica continua exigindo julgamento. Se você não consegue avaliar a qualidade da entrega do time, agentes não resolvem isso por você.
  • Storytelling e clareza seguem como habilidades importantes de liderança.

Leonardo Zappa, líder de Go-to-Market da Glean na América Latina, comparou o momento atual com 2022. Na época, o risco era não adotar IA. Agora, em 2026, o risco é adotar IA sem disciplina.

  • Até os labs estão falando de ROI. OpenAI, Anthropic e outros players estão olhando para contabilidade e orçamento como nunca.
  • Sistemas corporativos continuam vivos. Salesforce, ERP e CRM seguem importantes porque agentes precisam de dados confiáveis.
  • Escolha de modelo precisa de critério. Usar um modelo caro para uma tarefa simples consome orçamento antes mesmo de medir valor entregue.
  • Context engineering virou gargalo. Prompt engineering sozinho já mostra retorno menor em muitos cenários.

No painel sobre empresas AI-first que passaram da fase de piloto, Rodrigo Comazzetto moderou a conversa com Thiago Rached, CEO da Letrus, e José Caldário, fundador da Colmeia. O dado que ficou: 95% dos projetos de IA não chegam à produção. Os que chegam começam por um problema real, não pela tecnologia.

  • A Letrus é uma edtech brasileira reconhecida pela UNESCO pelo uso de tecnologia na educação.
  • Em um estudo financiado pelo MIT, alunos usando a plataforma da Letrus por cinco meses subiram do 8º para o 2º lugar no ranking de redação do Enem entre estados brasileiros.
  • A Colmeia usa muitos prompts pequenos, orquestrados por um sistema chamado “archetypes”, em vez de um prompt grande. Segundo eles, isso reduz alucinação e facilita escala.
  • O caso do chatbot da Air Canada apareceu como alerta para B2C: se o bot promete algo, a empresa pode ter que cumprir.
  • Segundo o painel, dois terços dos devs demitidos em cortes relacionados à IA já foram recontratados, muitas vezes em operações offshore.

Ana Trišović, Research Scientist no MIT FutureTech Lab, apresentou dados de um estudo com 268 mil papers e quase 2 mil foundation models. O número que chama a atenção: a distância entre o modelo de fronteira e o modelo mediano usado em produção chegou a 22x. Cinco anos atrás era 1,8x. O modelo que aparece na capa da revista raramente é o mesmo que gera valor no sistema real.

  • Estratégia de adoção importa mais do que escolha pontual de modelo.
  • A diferença está no pipeline, nos dados e no fluxo de fine-tuning.
  • 81% dos usuários científicos de IA usam modelos open-weight.
  • Modelos fechados crescem mais rápido no limite da capacidade, mas modelos abertos dominam a base instalada.
  • Três erros aparecem com frequência: escolher modelo só por benchmark, tratar IA como contratação de fornecedor e prender a arquitetura a um único modelo.
  • Para empresas brasileiras, fine-tuning em português, dados médicos brasileiros ou outros domínios específicos pode ser vantagem concreta.
  • Assuma que o modelo usado hoje estará obsoleto em 24 meses ou menos. Arquitetura precisa considerar isso.

Felipe Blanes, Senior Technical Program Manager no Amazon AGI Lab, veio de Boston para falar sobre confiabilidade. Ele lidera o programa de customer enablement do Amazon Nova Act, SDK de agentes que executam ações em browsers. A tese dele: agentes já cruzaram o limite de inteligência. O gargalo agora é repetibilidade.

  • Muitos agentes em uso hoje ficam perto de 55% de confiabilidade.
  • Empresas precisam de algo entre 90% e 99% para confiar em produção.
  • Duas coisas melhoraram o cenário: modelos mais confiáveis e ferramentas que reduziram o tempo de construção de agentes de meses para horas.
  • A regra 90/10 faz sentido: 90% dos problemas de negócio ainda são melhor resolvidos com código determinístico e APIs tradicionais. IA com agentes fica para os 10% que realmente precisam dela.
  • Casos reais citados: Hertz reduziu tempo de release em 5x com QA guiado por IA, Sola roda mais de 100 mil workflows por mês, e 1Password usa agentes para manter sua base de logins atualizada.
  • A stack de agentes tem quatro camadas: aplicação, serviços agentic, foundation models e chips. Melhorias em cada camada se acumulam.

Cristina Cestari, CIO da Volkswagen para América do Sul, apresentou o Otto, primeiro assistente de IA generativa desenvolvido pela Volkswagen no Brasil, já embarcado no Volkswagen Tera SUV. O Otto roda em Google Vertex com Gemini, usa Picovoice para wake word e Eleven Labs para text-to-speech, em uma parceria entre VW Tech, time de design da Volkswagen Americas e Accenture.

  • Terapia e companhia foram o principal caso de uso de IA generativa para consumidores no ranking de 2025 da Harvard Business Review. Otto nasce olhando para essa direção.
  • Guardrails são parte do produto. Otto é um assistente Volkswagen e não fala mal de concorrentes.
  • APIs conectadas mudam a experiência: telemetria do veículo, calendário, clima, mapas e Spotify entram na conversa.
  • O ponto mais amplo para empresas tradicionais: o ciclo de hardware ficou mais curto que o ciclo de IA. Dispositivos mudam. Modelos treinados permanecem. Planejamento precisa considerar essa inversão.

Carlos Octávio Queiroz, VP de Tecnologia da LG, trouxe um framework prático para colocar um programa de IA de pé dentro da empresa. A parte difícil, segundo ele, está em arquitetura organizacional, governança e cultura. Tecnologia vem depois.

  • Sete pilares entram na discussão com a liderança: ambições, casos de uso, tecnologia, orquestração, cultura, princípios e riscos.
  • Cinco critérios ajudam a priorizar: nova receita, aumento de receita, experiência do cliente, ganho de conhecimento e redução de custo.
  • Governança em hub and spoke: o centro de excelência habilita as áreas de negócio a construir.
  • Sem base real de dados, iniciativas de IA serão “vôos de galinha”. Contexto da empresa, processos, decisões e histórico levam à diferenciação.
  • FinOps para IA virou obrigatório. Se ninguém sabe para onde foram os tokens, a conta chega antes do valor.

O segundo dia encerrou o festival. Alguns desses temas ainda merecem textos próprios, e eles devem aparecer por aqui nos próximos dias.