A arquitetura vira dado. O agente obedece.

Criar uma skill leva minutos. Governar todas é que é difícil.

Os times adotam agentes de código rápido, cada um do seu jeito. Meses depois, os mesmos problemas aparecem em todo repositório.

1. 01

   Sem padrão entre os times

   Cada time escreve seus prompts, skills e convenções. A empresa usa IA, mas não há um jeito único de usá-la, nem como comparar resultados.

   −7,2%na estabilidade de entrega, queda estimada conforme a adoção de IA cresceu.fonte: DORA 2024 ↗

   → Um harness exportado para cada projeto, a partir de um blueprint em YAML.

2. 02

   Criar é fácil, manter é difícil

   Uma skill se escreve em minutos. Mantê-la delimitada, bem nomeada e atualizada não acaba nunca, e um campo de frontmatter digitado errado é ignorado sem aviso.

   25% → <10%Em 2021, 25% das linhas alteradas eram código movido, o rastro da refatoração; em 2024, menos de 10%. Pela primeira vez, copiar e colar superou mover.fonte: GitClear 2025 ↗

   → Schema validado na CI; /arch-adopt atualiza sem perder edições locais.

3. 03

   Sem governança

   Qual agente pode escrever em qual pasta? Quem aprovou o design? Sem regra em código, o agente decide, e a resposta muda de um run para outro.

   1 banco de produçãoapagado por um agente durante um code freeze.fonte: AI Incident Database, incident 1152 ↗

   → Território de escrita por classe, imposto por hook. Negado por padrão.

4. 04

   Custo e rastreabilidade invisíveis

   Tokens saem por peça, por modelo, por run. Ninguém sabe dizer qual skill gastou, que arquivos tocou ou o que falhou.

   4 mesespara a Uber esgotar o orçamento de IA de 2026 inteiro, com a adoção do Claude Code mais rápida que o previsto.fonte: Forbes 2026 ↗

   → /audit-usage: tokens, modelo, arquivos e falhas por peça, a custo zero de tokens.

5. 05

   Mesmo prompt, código diferente

   O modelo lê a descrição de uma skill e decide se ela se aplica. Carregada num run, ignorada no seguinte, o mesmo pedido gera código diferente.

   66%dos devs apontam como maior frustração as soluções de IA “quase certas, mas não exatamente”. 46% desconfiam da precisão; 33% confiam.fonte: Stack Overflow Developer Survey 2025 ↗

   → Comandos são digitados, normas carregam por path, hooks rodam em todo evento.

6. 06

   A arquitetura se corrói em silêncio

   O build está verde e uma classe de domínio agora importa um framework. Aparece no code review semanas depois, se aparecer.

   45%das vezes, diante de um jeito seguro e um inseguro de escrever o código, os modelos escolheram o inseguro. Em Java, a falha passa de 70%.fonte: Veracode 2025 ↗

   → forbidden_imports declarados uma vez, recusados na escrita.