Para engenheiros, arquitetos, tech leads e líderes de engenharia que querem transformar o uso individual de coding agents em um sistema de entrega mais estruturado, verificável e reutilizável — do contexto e especificação ao código, testes, release e operação.
Você trabalha um problema técnico real ao longo das 12 semanas e sai com uma entrega demonstrável, evidências de qualidade e um plano de adoção — não com exercícios desconectados.
12 semanas · 2 trilhas · projeto aplicado em codebase existente · prática técnica com supervisão
Você pode participar sozinho e aplicar o projeto no trabalho atual, ou trazer o time para transformar produtividade individual em capacidade compartilhada de engenharia.
Para profissionais técnicos que querem sair do uso experimental de IA e construir um modo mais maduro de trabalhar com contexto, especificação, agentes, testes e operação.
Para organizações em que desenvolvedores já usam IA, mas a produtividade permanece individual, inconsistente ou difícil de medir.
O programa responde a problemas diferentes conforme o papel. Explore o que cada perfil aprende e constrói — o problema técnico real continua sendo o eixo comum.
Sair de produtividade pontual para um workflow de entrega reproduzível.
Ver problemas, aprendizado e entregável
Problemas
Você aprende
Você constrói
Garantir que agentes respeitem arquitetura e decisões anteriores.
Ver problemas, aprendizado e entregável
Problemas
Você aprende
Você constrói
Tornar integrações de modelos robustas, avaliadas e observáveis.
Ver problemas, aprendizado e entregável
Problemas
Você aprende
Você constrói
Definir execution boundaries e padronizar CI/CD e observabilidade.
Ver problemas, aprendizado e entregável
Problemas
Você aprende
Você constrói
Transformar adoção individual em prática consistente do time.
Ver problemas, aprendizado e entregável
Problemas
Você aprende
Você constrói
Decidir onde IA melhora os economics de engenharia sem transferir custo.
Ver problemas, aprendizado e entregável
Problemas
Você aprende
Você constrói
Você não precisa chegar querendo aprender uma ferramenta específica. Traga o gargalo real: contexto, review, brownfield, testes, CI, agentes, custo ou adoção.
Seu problema não está na lista? Traga assim mesmo.
Coding assistants diminuíram o custo de produzir código. O novo gargalo está em fornecer contexto, especificar corretamente, revisar, testar, integrar e operar mudanças sem aumentar retrabalho e risco.
Um agente pode escrever centenas de linhas rapidamente e ainda não entender arquitetura, decisões anteriores ou restrições do sistema.
Se geração acelera mais do que review e testes, o gargalo apenas muda de lugar.
Cada engenheiro criar seu próprio workflow pode aumentar velocidade local sem melhorar a capacidade de entrega da equipe.
A ideia parte do High Individual Contributor: profissionais que usam IA para ampliar sua capacidade de analisar, decidir, construir e entregar. Na EBAC, acreditamos que isso só funciona de verdade com um Human in Control: pessoas mantendo julgamento, evidência e responsabilidade sobre o que a IA faz.
Mais capacidade para analisar, decidir, construir e entregar com IA.
Pessoas mantêm julgamento, validação, evidência e responsabilidade.
Aplique o método a um problema, produto, serviço ou oportunidade relevante, com mentoria.
Mais capacidade com IA. Pessoas continuam no controle.
Todos os programas síncronos HIC partem de um problema real. A temática muda; o núcleo do método permanece o mesmo: aprender somente o necessário para construir, verificar e preparar aplicação e transferência com julgamento humano.
Definir problema, pessoas, baseline, restrições, valor esperado e critérios de sucesso antes de escolher tecnologia.
A profundidade técnica e metodológica é consequência do desafio e do papel do participante — não uma lista fixa de ferramentas.
Transformar aprendizagem em solução, workflow, análise, protótipo, artefato ou decisão aplicável ao contexto.
Testar qualidade, evidências, riscos e limites, mantendo revisão, responsabilidade e Human in Control.
Documentar, definir ownership e próximos passos para que o aprendizado possa ser reutilizado e evoluído além de uma pessoa.
Implementar não significa automaticamente colocar em produção: cada contexto mantém seus gates de segurança, aprovação, integração e decisão.
Duas trilhas para o mesmo problema: quem constrói e quem define critérios, qualidade e rollout. Em turma corporativa, ambas podem trabalhar o mesmo desafio.
Para quem constrói ou modifica sistemas — contexto, spec, arquitetura, agente, código, testes, segurança, pipeline e observabilidade.
Para quem
Capacidades
O que constrói
Para quem responde por arquitetura, pessoas, qualidade, risco, custo ou capacidade de entrega — problema, critérios, decomposição, delegação, review, gates, economics, operating model e rollout.
Para quem
Capacidades
O que constrói
As trilhas não são dois cursos isolados: em turma corporativa, Builder constrói e verifica o piloto enquanto o Technical Leader define critérios, operating model, economics e rollout do mesmo problema.
O valor do programa também muda conforme o tipo de organização de engenharia. Explore o que cada contexto enfrenta, desenvolve e pode construir.
AI-assisted SDLC reproduzível entre feature delivery e qualidade.
Ver contexto e aplicação
O que costuma estar travado
O que o programa desenvolve
O que pode ser construído
Modernização e automação de legado com guardrails.
Ver contexto e aplicação
O que costuma estar travado
O que o programa desenvolve
O que pode ser construído
Padrões reutilizáveis e entrega consistente entre projetos.
Ver contexto e aplicação
O que costuma estar travado
O que o programa desenvolve
O que pode ser construído
Estrutura suficiente sem destruir velocidade.
Ver contexto e aplicação
O que costuma estar travado
O que o programa desenvolve
O que pode ser construído
Ferramentas internas, standards e guardrails entre squads.
Ver contexto e aplicação
O que costuma estar travado
O que o programa desenvolve
O que pode ser construído
O Shared HIC Method Core é o método comum a todos os programas. Em engenharia, ele se materializa em um fluxo de entrega específico — do problema à capacidade institucionalizada.
Qual problema realmente vale resolver?
O que precisa acontecer e como saberemos que está certo?
O que muda no sistema e quais trade-offs existem?
O que deve ser feito por pessoa, agente ou ferramenta?
Que evidência prova que a mudança é aceitável?
Como observar, reverter e manter?
Como a prática deixa de depender de uma pessoa?
12 semanas com entregáveis práticos aplicados ao contexto da vertical.
Semana 1
Identificar um problema real do ciclo de desenvolvimento e medir como ele funciona hoje (baseline).
Tópicos
Laboratório
Brief do problema de delivery + medição do workflow atual
Critérios de validação
Semana 2
Construir uma forma disciplinada de trabalhar com IA no ciclo de desenvolvimento.
Tópicos
Laboratório
Work harness aplicado ao problema
Critérios de validação
Semana 3
Construir e manter contexto rico para LLMs: codebase, docs, dependências e decisões.
Tópicos
Laboratório
Context pack do projeto
Critérios de validação
Semana 4
Especificar resultado, acceptance criteria e testes antes de construir.
Tópicos
Laboratório
Specification sprint com revisão por pares
Critérios de validação
Semana 5
Decompor o problema em arquitetura modular com ADRs e tarefas apropriadas para humanos/agentes.
Tópicos
Laboratório
ADRs + backlog técnico
Critérios de validação
Semana 6
Orquestrar agentes de coding com supervisão humana e critérios claros.
Tópicos
Laboratório
Mudança funcional assistida por agentes
Critérios de validação
Semana 7
Aplicar IA em codebase existente ou ambiente brownfield representativo com segurança.
Tópicos
Laboratório
Safe change em codebase existente
Critérios de validação
Semana 8
Integrar modelos e ferramentas conforme o problema exigir — MCP/RAG são adaptativos, não obrigatórios.
Tópicos
Laboratório
Integração funcional conforme o problema
Critérios de validação
Semana 9
Criar quality gates com testes, evals e checagens de segurança.
Tópicos
Laboratório
Quality gates com revisão humana
Critérios de validação
Semana 10
Automatizar CI/CD com pipelines, release e observabilidade.
Tópicos
Laboratório
Pipeline + telemetry
Critérios de validação
Semana 11
Medir custo/latência e definir o operating model da equipe.
Tópicos
Laboratório
Operating model do projeto
Critérios de validação
Semana 12
Consolidar o piloto verificado e o roadmap de adoção organizacional.
Tópicos
Laboratório
Preparação de demo e rollout
Critérios de validação
Coordenação do programa de desenvolvimento de software com IA da EBAC Business.
Alan Dantas atua na interseção entre arquitetura de software, IA aplicada e governança de entrega — conduzindo programas executivos e laboratórios práticos da EBAC Business.
No programa, a ênfase está em artefatos executáveis (PRD, specs, ADRs), orquestração de agentes, quality gates e observabilidade — não em prompts isolados.
O programa termina em Demo Day com piloto verificável com evidências e roadmap 30-60-90, preparando squads para rollout organizacional.
Não promete substituição integral de equipes. Supervisão humana, segurança de segredos e supply chain são tratados explicitamente em cada módulo.
A EBAC forma profissionais para o mercado há anos: sabemos quais habilidades o mercado está exigindo agora — e onde muitos times ainda erram com IA.
Aplicação executivaIA como tema de liderança e decisão, não só ferramenta técnica.
Time em campoWorkshops práticos com profissionais de empresas de referência.
Governança e culturaEstruturar critérios, não só experimentar — da adoção ao controle.
Execução realTurmas mistas de RH, líderes e especialistas aplicam na prática.
Preencha o formulário abaixo e nossa equipe entrará em contato com você.
Turmas corporativas
Fale com nossa equipe sobre implementação in-company e cohorts dedicados.
Ainda tem dúvidas? Fale com nossa equipe.
Falar pelo WhatsAppVocê não precisa chegar com a ferramenta escolhida. Traga o gargalo real. O programa ajuda a estruturar o problema, desenhar o workflow, construir um pilot verificável e decidir o que merece ser adotado pelo time.
