Além do vibe coding: entrega com agentes governada e verificável
Para builders e technical managers que precisam especificar, orquestrar agentes, validar com quality gates e operar software em produção — não apenas gerar código mais rápido.
12 semanas · 2 trilhas (Builders + Technical Managers) · Projeto brownfield obrigatório
Devs usam IA — mas cometer com o output é comum
O problema não é adotar ferramentas. É especificar, supervisionar, verificar e operar com segurança — especialmente em código brownfield.
Vibe coding
Geração rápida sem specs, gates ou evidências de conformidade.
Brownfield ignorado
Projetos reais exigem contexto, ADRs, testes e observabilidade — não demos isolados.
Sem rollout
Produtividade individual não vira capacidade organizacional sem governança e operating model.
Alan Dantas — AI Systems Architect
Coordenação técnica do ecossistema de formação em IA aplicada 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 HIC AI-Native Delivery, 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 auditável 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 está dentro das empresas
160 mil alunos formados nos dão um ponto de vista único: sabemos quais habilidades o mercado está exigindo agora — e onde a maioria dos times está errando 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.
HIC Delivery System — 7 Movimentos
Método estruturado em 7 passos que garantem julgamento profissional, evidências verificáveis e governança.
1. Frame
Transformar demanda em problema delimitado
2. Specify
Converter problema em artefatos executáveis
3. Architect
Definir construção e operação
4. Orchestrate
Distribuir trabalho entre pessoas, agentes e ferramentas
5. Verify
Criar evidências de conformidade
6. Operate
Preparar sistema para observação e manutenção
7. Institutionalize
Transformar projeto em capacidade organizacional
Princípios Fundamentais
- Artefatos antes de ferramentas
- O agente não substitui o processo
- Projetos brownfield são obrigatórios
- Formação baseada em gates
- Dois percursos, uma entrega compartilhada
Estrutura Curricular
12 semanas com entregáveis práticos aplicados ao contexto da vertical.
Semana 1
HIC e AI-native software delivery
Entender o conceito de HIC em engenharia: aumentar capacidade de decisão, entrega e aprendizagem do sistema ao redor, não apenas executar mais rápido.
Tópicos
- •HIC vs Senior Staff: julgamento, autonomia, impacto sistêmico
- •AI-native delivery: what it is, what it isn't
- •Evolução de workflow: de waterfall -> CI/CD -> AI-assisted
Laboratório
Laboratório de auto-diagnóstico: onde você está hoje e gaps para HIC.
Critérios de validação
- Mapa identifica capacidades atuais e alvo (gap analysis)
- Aloca 90 dias de foco em skills críticas
- Define medições objetivas de progresso
Semana 2
Problema, resultado e project constitution
Estruturar problema e resultado antes de escrever código, usando AI para especificação e alinhamento.
Tópicos
- •Problem framing: contexto, stakeholders, trade-offs
- •Outcome definition: OKRs, critérios de sucesso, não-goals
- •Project constitution: working agreement, princípios, guardrails
Laboratório
Workshop de drafting de project charter com AI assistida e revisão humana.
Critérios de validação
- Charter define problema, resultado, não-goals e riscos
- Stakeholders listados com responsabilidade
- Working agreement explícito e acatado pelo squad
Semana 3
Context engineering
Construir e manter contexto rico para LLMs: arquitetura de contexto, sourcing e gestão de ruído.
Tópicos
- •Componentes de contexto: codebase, docs, tickets, Slack
- •Sourcing strategies: filtragem, desduplicação, freshness
- •Gestão de ruído: irrelevância, desatualização, contradição
Laboratório
Laboratório de implementação de arquitetura de contexto para projeto real.
Critérios de validação
- Arquitetura define fontes, processamento e armazenamento
- Métricas de qualidade: precisão, recall, latência
- Workflow de atualização contínua (freshness)
Semana 4
PRD e feature specifications
Usar AI para especificar features: PRDs funcionais, specs técnicas e casos de teste.
Tópicos
- •Princípios de especificação clara: o quê, não como
- •IA para gerar PRD + specs técnicas a partir de requisitos
- •Review humano: checar clareza, consistência, completude
Laboratório
Workshop de specification sprint com IA e revisão por pares.
Critérios de validação
- PRD cobre: problema, stakeholders, requisitos, não-reqs
- Spec técnica define API, contrato de dados, invariantes
- Casos de teste derivam explicitamente das specs
Semana 5
Arquitetura e decomposição
Decompor feature em arquitetura modular: ADRs, backlog técnico e contratos entre serviços.
Tópicos
- •ADR (Architecture Decision Records): formato e boas práticas
- •Decomposição funcional vs técnica
- •Contratos entre serviços: API, eventos, shared nothing
Laboratório
Workshop de arquitetura e decomposição com IA assistida.
Critérios de validação
- ADRs documentam decisões, alternativas e trade-offs
- Backlog técnico é granular e estimável
- Contratos explícitos entre serviços (API, eventos)
Semana 6
Coding agents e orquestração
Orquestrar agentes de IA para coding: workflow, ferramentas e integração com IDE.
Tópicos
- •Tipos de agentes coding: autocomplete, refactoring, testing, review
- •Orquestração: coordenar múltiplos agentes em workflow
- •Integração com IDE: VS Code, plugins, fluxo de trabalho
Laboratório
Workshop de implementação de workflow de agentes para feature real.
Critérios de validação
- Workflow define entrada, saída e critérios de sucesso
- Agents têm papéis claros e handoffs explícitos
- Mecanismos de rollback e revisão humana
Semana 7
Brownfield e reverse engineering
Usar IA para entender e refatorar código legado: comprehension, refactoring, testes.
Tópicos
- •Reverse engineering: entender arquitetura de código existente
- •IA para refactoring: patterns, smells, sugestões de melhoria
- •Test generation: unit, integration, E2E para brownfield
Laboratório
Laboratório de reverse engineering e refactoring em módulo real.
Critérios de validação
- Arquitetura legado documentada (componentes, dependências, fluxos)
- Refactors aplicados com testes passando
- Debt technical listado e priorizado
Semana 8
Integrações, APIs, MCP, RAG
Usar IA para implementar integrações: APIs, MCP, RAG e terceiros.
Tópicos
- •API design: REST, GraphQL, versionamento, documentação
- •MCP (Model Context Protocol): conectar agentes a ferramentas
- •RAG (Retrieval-Augmented Generation) for knowledge bases
Laboratório
Workshop de implementação de integração funcional com RAG.
Critérios de validação
- Integração tem contrato de API claro e documentado
- RAG retorna resultados relevantes e falsos positivos minimizados
- Error handling e fallbacks definidos
Semana 9
Testes, evals, segurança
Usar IA para gerar e manter testes, evals de qualidade e checagens de segurança.
Tópicos
- •Test generation: unit, integration, E2E, Evals de qualidade
- •AI para code review: segurança, best practices, smells
- •Security scanning: SAST, SCA, dependency checks
Laboratório
Workshop de quality gates com AI e revisão humana.
Critérios de validação
- Quality gates cobrem: tests, coverage, security, performance
- Evals medem qualidade funcional e não sintaxe
- Revisão de código foca em risco e valor, não estilo
Semana 10
CI/CD, staging, observabilidade
Automatizar CI/CD com IA: pipelines, staging, dashboards e alertas.
Tópicos
- •CI/CD: testes, build, deploy, rollback automático
- •Staging: testes de integração E2E em ambiente isomórfico
- •Observabilidade: logs, metrics, traces, dashboards
Laboratório
Workshop de implementação de pipeline e dashboard de observabilidade.
Critérios de validação
- Pipeline é idempotente e reverte erros automaticamente
- Staging tem smokes E2E para caminhos críticos
- Dashboard mostra métricas SLO, SLIs e alertas
Semana 11
Gestão técnica, custos, governança
Gerenciar projetos IA-native: custos, qualidade, decisões técnicas e roadmap.
Tópicos
- •Custos de IA: tokens, inferência, armazenamento, infraestrutura
- •Gestão de qualidade: code review, ADRs, technical debt
- •Governança técnica: processos, ferramentas, métricas
Laboratório
Workshop de criação de operating model para projeto real.
Critérios de validação
- Modelo operacional define roles, processos e ferramentas
- Custos estimados com contingências
- Governança define quem decide o quê e quando
Semana 12
Demo Day e plano de adoção
Entregar demo auditável e plano de adoção organizacional.
Tópicos
- •Demo Day: estrutura, conteúdo, Q&A, feedback
- •Plano de adoção: treinamento, rollout, expansão
- •Roadmap 30-60-90 dias: learning loops e iterações
Laboratório
Workshop de preparação de demo e planejamento de rollout.
Critérios de validação
- Demo mostra entregáveis funcionais e artefatos
- Roadmap define marcos, responsáveis e critérios de sucesso
- Piloto tem medições de impacto e plano de expansão
Público-Alvo (2 Trilhas)
Programa avançado para desenvolvedores, tech leads e engineering masters incorporarem IA ao ciclo de desenvolvimento de forma estruturada, segura e governada.
Trilha A — Builders
Aplicações Prioritárias
- Spec coding e decomposição de tarefas
- Arquitetura assistida por IA
- Geração e revisão de código
- Testes e QA automatizados
- Segurança e proteção de segredos
Trilha B — Technical Managers
Aplicações Prioritárias
- Gestão técnica de projetos com IA
- Revisão humana e critérios de aceite
- Governança do ciclo de desenvolvimento
- Observabilidade e custos
- Avaliação de modelos locais e APIs
Resultados Esperados
- Capacidade de especificar em vez de 'vibe coding'
- Construção com agentes orquestrados
- Verificação com quality gates
- Operação com observabilidade
- Governança de rollout organizacional
Casos de Uso
- Spec coding e PRD assistido
- Arquitetura e decomposição
- Coding agents e orquestração
- Brownfield e reverse engineering
- Integrações, APIs, MCP, RAG
- Testes, evals e segurança
- CI/CD, staging, observabilidade
- Gestão técnica, custos, governança
Entregáveis
Individuais
- •Diagnóstico HIC
- •Mapa de competências
- •Plano de desenvolvimento
- •Portfólio técnico/gerencial
Squad/Equipe
- •Project charter + constitution
- •PRD + feature specifications
- •ADRs + arquitetura
- •Código funcional + testes
- •Pipeline CI/CD + staging
- •Observabilidade + custos
- •Postmortem + roadmap 30-60-90
- •Demonstração executiva
Instituição
- •Diagnóstico de capacidade
- •Mapa de oportunidades e riscos
- •Inventário de competências
- •AI Delivery Playbook
- •Governance Starter Kit
Stack e Ferramentas
Core (Obrigatório)
- GitHub com templates padronizados
- GitHub Actions
- Branch protection e pull requests
- Constructor Studio
- Constructor SDLC Kit
- Templates EBAC
- VS Code + Dev Containers
- Claude (modelo premium)
- GLM (fallback e custo-benefício)
Facultativo
- ○Cline (alternativa gratuita)
- ○Cursor (para quem já utiliza)
- ○Imagem Docker padronizada
- ○Cloud Run (staging)
- ○OpenTelemetry + Langfuse
Laboratórios
- GitHub repositórios templates
- Ambientes de desenvolvimento padronizados
- Workflows de agentes orquestrados
- Dashboards de observabilidade por squad
Diferenciais vs Formações Genéricas
HIC
- •Ensa sistema de entrega, não apenas ferramentas
- •Trabalha contexto, specs e workflows, não apenas prompts
- •Estrutura pilotos auditáveis, não apenas demonstrações
- •Avalia artefatos e quality gates, não apenas presença
- •Utiliza problemas reais, não exercícios isolados
- •Termina em rollout e capacidade instalada, não certificado
- •Trata IA como infraestrutura organizacional
Genéricas
- •Foco técnico genérico
- •Julgamento profissional não tratado
- •Sem evidências ou controles
- •Laboratórios genéricos ou ausentes
- •Dependem de licenças pagas
- •Sem medição de impacto
Solicitar conversa sobre HIC AI-Native Delivery
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.
Perguntas Frequentes
O que é HIC e como se difere de outras formações de IA?
Preciso ter experiência prévia com IA para participar?
O programa inclui certificação?
Como são os laboratórios práticos?
Ainda tem dúvidas? Fale com nossa equipe.
Falar pelo WhatsAppImportante
- •Não é 'vibe coding' — inclui spec coding, arquitetura, testes, segurança, observabilidade e governança
- •Trata riscos de código vulnerável, dependências, licenças, supply chain e exposição de segredo
- •Diferencia produtividade individual de capacidade organizacional
- •Inclui práticas para líderes técnicos, não apenas prompts para programadores
- •Não promete substituição integral de equipes ou autonomia sem supervisão
Pronto para se tornar um HIC?
Entre em contato conosco para discutir como esta formação pode transformar sua carreira e a capacidade da sua organização.
