A Instacart está redesenhando o que significa ser um engenheiro de software. A empresa migra para um modelo de engenharia centrado em IA, no qual máquinas executam grande parte do código repetitivo e das tarefas de infraestrutura. O objetivo declarado não é substituir as pessoas, mas liberar os profissionais para se concentrarem no que ainda exige intenção, julgamento e tratamento de exceções. (source)
Isso muda a rotina de quem trabalha com desenvolvimento. Em vez de passar horas escrevendo sintaxe básica, o engenheiro passa a supervisionar sistemas inteligentes e a verificar se o resultado atende ao objetivo de negócio. Segundo Anirban Kundu, CTO da empresa, em 97% dos casos os profissionais que constroem os produtos já não leem o código gerado. Eles se concentram no resultado e nos critérios que a solução precisa cumprir.
A estratégia faz parte de uma trajetória que a empresa vem desenvolvendo há alguns anos. Em 2023, a Instacart apresentou a Ava, uma assistente interna usada para escrever, revisar e depurar código, além de resumir conversas e oferecer modelos de instruções. Em um post de 21 de agosto de 2025, a empresa descreveu essa abordagem como “AI-first” e defendeu o uso da IA como colega de equipe, não como substituta.
1. O código começa a nascer de instruções claras
A Instacart está transferindo parte do trabalho para agentes de IA. Eles assumem tarefas repetitivas e de alto volume, como gerar código básico e reconstruir componentes. Para o leitor, a mudança é parecida com trocar a redação manual de cada detalhe por um briefing claro que outra ferramenta consegue executar.
Essa abordagem é chamada de desenvolvimento orientado por especificações. Na prática, a especificação, que descreve o que o sistema deve fazer em uma linguagem compreensível para pessoas e máquinas, torna-se o ponto de partida. O código passa a ser um resultado dessa definição, e não o único lugar onde o conhecimento fica armazenado.
O modelo pode facilitar a colaboração entre equipes, porque diferentes grupos conseguem trabalhar a partir das mesmas regras e objetivos. Isso reduz a dependência de um único time que conhece determinado trecho do código.
2. A avaliação substitui parte da revisão manual
Quando agentes geram grande parte do código, a revisão linha por linha deixa de ser a única forma de controle. A Instacart está dando mais peso a avaliações independentes, que testam se o resultado atende à intenção definida.
Segundo Kundu, o sistema executa aproximadamente 7.000 avaliações automáticas por mês. Ele também responde a mais de 8.000 consultas de desenvolvedores em tempo real, com cerca de 99,9% de precisão.
Isso não elimina a responsabilidade humana. O trabalho muda de lugar. O profissional precisa formular boas perguntas, definir critérios de sucesso, acompanhar os resultados e decidir quando uma situação exige investigação adicional.
3. A dívida técnica diminui em projetos novos, mas não desaparece
Em projetos mais recentes, o código pode ser gerado ou regenerado semanalmente. Isso permite substituir partes pouco ativas por versões mais simples, em vez de manter indefinidamente cada trecho antigo.
Essa prática pode reduzir a dívida técnica, que é o custo acumulado de decisões e soluções antigas. Mas ela não resolve todos os problemas. Cerca de 3% dos casos ainda envolvem sistemas legados, exigências de conformidade, limitações de latência ou grandes volumes de código pouco ativo. Esses contextos continuam exigindo atenção humana.
A Instacart está tentando lidar com esse grupo menor por meio do projeto Atoms, que divide sistemas monolíticos em componentes mais modulares. A ideia é tornar a reconstrução mais gradual e controlável.
4. A IA também assume parte da confiabilidade dos serviços
A automação chegou à SRE, sigla em inglês para engenharia de confiabilidade de sites. Essa área cuida de manter serviços digitais disponíveis, detectar falhas e ajudar as equipes a restaurar o funcionamento quando algo dá errado.
A Instacart treinou seu sistema agentivo com anos de incidentes e análises de causa raiz da própria empresa. Em vez de usar apenas exemplos genéricos de falhas, o sistema aprende com a maneira como os serviços da Instacart apresentaram problemas e com as respostas que as equipes adotaram.
Segundo a empresa, a precisão na detecção e na mitigação de problemas de produção passou de aproximadamente 60% para mais de 90%.
Um exemplo é o Blueberry, uma ferramenta interna que acompanha sinais de alerta e cerca de 200 canais do Slack. Em um incidente, um fragmento de banco de dados apoiado por um volume EBS apresentou uma falha temporária. Enquanto a equipe investigava, o Blueberry apontou, cerca de 20 minutos depois, um problema em um sistema chamado “roulette”, usado para controlar a cadência de lançamentos. A hipótese ajudou a equipe a relacionar o comportamento do sistema ao incidente, que depois foi resolvido.
5. O valor do engenheiro migra da sintaxe para a decisão
Para quem trabalha com tecnologia, a principal consequência é profissional. O diferencial deixa de estar apenas na capacidade de escrever código rapidamente e passa a incluir a habilidade de orientar, testar e supervisionar sistemas de IA.
Entre as competências mais importantes estão:
- Projetar e supervisionar avaliações: definir como verificar se a IA entregou um resultado correto e seguro.
- Coordenar experimentos simultâneos: acompanhar várias funcionalidades e testes sem perder de vista os limites de tráfego e de dados.
- Identificar casos de borda: reconhecer situações incomuns nas quais a automação pode falhar ou nas quais a intervenção humana é indispensável.
- Traduzir conhecimento de domínio em especificações: transformar regras e objetivos do negócio em instruções que diferentes equipes e agentes consigam usar.
Como resumiu Kundu, o trabalho mais tático do futuro será saber “como navegar pelo sistema de IA para obter o que você quer”. Para se preparar, comece praticando duas coisas: escrever especificações mais claras e avaliar resultados com critérios explícitos. Esse é o caminho para deixar o trabalho repetitivo com as máquinas e reservar às pessoas as decisões que realmente exigem contexto, responsabilidade e julgamento. Leia também: A nova startup Prentis quer automatizar o seu escritório. Veja se vale a pena esperar por esses agentes.
