Anthropic revela como ferramentas de IA estão remodelando ciclos de desenvolvimento de produtos

Anthropic revela como ferramentas de IA estão remodelando ciclos de desenvolvimento de produtos

A inteligência artificial está provocando uma transformação profunda nas metodologias de desenvolvimento de produtos. Segundo Cat Wu, Head of Product para Claude Code na Anthropic, os modelos de IA em constante e rápida evolução estão forçando equipes de produto a abandonar os roteiros tradicionais em favor de ciclos de experimentação acelerada. O cerne da mudança reside na imprevisibilidade do progresso da IA: o que é tecnologicamente viável no início de um projeto pode não ser mais ao final.

Essa dinâmica é ilustrada por dados impressionantes. Pesquisas da METR, citadas por Wu, indicam que o modelo Opus 4.6 consegue agora realizar tarefas de software que levariam cerca de 12 horas para um humano. Isso representa um salto de aproximadamente 41 vezes em capacidade comparado ao Sonnet 3.5, que há apenas 16 meses lidava com tarefas de 21 minutos. Essa evolução exponencial exige uma nova mentalidade na gestão de produtos.

O fim do modelo tradicional

Tradicionalmente, gerentes de produto coletavam requisitos detalhados no início, definindo um roteiro rígido a ser executado ao longo de meses. No entanto, com a IA, as restrições de projeto podem desaparecer no meio do ciclo de desenvolvimento. Wu descreve essa situação metaforicamente como “construir sobre um terreno que está subindo sob seus pés”.

Em resposta, a equipe da Anthropic abandonou completamente os roteiros de longo prazo. Eles adotaram uma abordagem de “missões secundárias” (side quests), que consistem em experimentos curtos e auto-dirigidos. Nessas missões, qualquer membro da equipe – engenheiros, designers ou gerentes de produto – pode prototipar ideias em poucas horas. Vários recursos populares da Anthropic, como Claude Code on Desktop, a ferramenta AskUserQuestion e listas de tarefas, surgiram dessa forma, como experimentos informais em vez de itens planejados em um roteiro.

Fluxo de trabalho com três ferramentas de IA

O fluxo de trabalho diário de Wu agora integra três produtos de IA distintos. O Claude.ai é utilizado para pensamento estratégico e respostas rápidas. O Claude Code foca na construção de protótipos e avaliações técnicas. Já o Cowork gerencia tarefas diversas, como e-mails, listas de afazeres, apresentações, pesquisas no Slack e reservas de viagem.

Essa nova realidade não é exclusiva da Anthropic. Outros profissionais da área relatam padrões semelhantes. Bihan Jiang, Director of Product na Decagon, observou que tarefas que antes levavam semanas para serem apresentadas aos clientes agora são concluídas em “algumas horas”. Kai Xin Tai, da Datadog, descreveu a mudança como um movimento “de definir a certeza antecipadamente para acelerar a descoberta”.

Mudanças práticas para equipes de produto

Wu delineou quatro mudanças concretas adotadas por sua equipe:

• Prototipar antes de documentar: Após escrever uma especificação, envie-a para o Claude Code para ver o resultado. Um protótipo, mesmo que rascunhado, altera fundamentalmente a discussão. Em um caso, um protótipo gerado por IA para uma especificação de plugins quase estava pronto para produção.
• Revisitar funcionalidades a cada lançamento de modelo: O Claude Code com Chrome, por exemplo, surgiu da necessidade dos usuários de copiar manualmente instruções entre ferramentas. Essa solução improvisada funcionou tão bem que se tornou um recurso integrado.
• Otimizar primeiro pela capacidade, depois pelo custo: Incentive o uso de mais tokens do que o estimado inicialmente durante a prototipagem. Os custos podem ser otimizados posteriormente, à medida que modelos mais baratos acompanham o desenvolvimento.
• Manter implementações simples: Soluções complexas para contornar limitações de modelos se tornam obsoletas rapidamente. A Anthropic, por exemplo, reduziu em 20% a necessidade de prompts complexos apenas com a introdução do Opus 4.6.

Implicações para equipes de produto de IA

O gerenciamento de produtos de IA emergiu como uma disciplina distinta, exigindo tanto as habilidades tradicionais de um PM quanto um profundo entendimento técnico das capacidades dos modelos. Com regulamentações como o GDPR e novos frameworks de governança de IA adicionando camadas de conformidade, o papel tornou-se mais complexo, mesmo com o aumento do poder das ferramentas.

A mensagem central de Wu para seus colegas é clara: acompanhe simultaneamente duas frentes – como a IA está mudando seu fluxo de trabalho e como ela está alterando o que é possível em seu produto. As equipes que conseguirem gerenciar essa dualidade não serão pegas de surpresa por saltos inesperados de capacidade.

Para equipes de software corporativo que monitoram os custos e prazos do desenvolvimento de IA, as implicações são significativas. Se os ciclos de prototipagem podem ser comprimidos de semanas para horas, as vantagens competitivas baseadas na velocidade de execução podem se dissipar mais rapidamente do que o esperado. A agilidade e a capacidade de adaptação rápida se tornam, mais do que nunca, os pilares do sucesso no desenvolvimento de produtos na era da inteligência artificial.