Líder de Engenharia do Claude, Felix: Pare de Usar IA Como em 2024 — Dez Métodos Que Realmente Funcionam

Felix Rieseberg, líder de engenharia do Claude na Anthropic, compartilhou recentemente como ele trabalha hoje. Sua equipe construiu o Claude Cowork em cerca de uma semana e meia, e ele mesmo quase não escreve código mais — ele se autodenomina "apenas uma esteira transportadora para o Claude". Seu teste central: se você só usa IA para resumir e-mails e polir textos, você não está aproveitando a nova inteligência. O que realmente compensa é redesenhar seu fluxo de trabalho para que a IA tenha acesso aos dados brutos e às ferramentas reais. Dez lições que valem a pena guardar.

1. Pare de ser a esteira transportadora — conceda acesso total aos dados

Há um ano e meio, quando Felix encontrava um crash, ele levava um por um ao Claude: "conserte isso". Ele rapidamente percebeu que era só uma esteira transportadora. A medida certa é dar ao Claude acesso a todos os dados de crash e deixar que ele decida o que precisa ser consertado. A configuração custa mais no início, mas, uma vez pronta, "abre muitas portas".

2. Conheça as cinco partes de um agente

O modelo (percepção, raciocínio, decisões), o harness (coordenação de memória e ativação de ferramentas), o sandbox (um ambiente de execução seguro), conhecimento (dados da empresa transformados em uma base de conhecimento) e ferramentas (os meios para realmente fazer o trabalho). Conhecer essas cinco partes mostra onde investir esforço e orçamento.

3. Não peça role-play — exija processo profissional

"Aja como um ótimo engenheiro" é uma relíquia de 2024; o modelo apenas representa um vocabulário. O prompt que ele prefere: "Diga-me quais ferramentas os melhores profissionais dessa área usam e depois use essas mesmas ferramentas". O ponto não é o figurino, é o kit profissional e o método.

4. Revisão adversarial: um faz o trabalho, dez atacam

Para evitar que a IA entregue respostas erradas com confiança: dê a tarefa a um Claude e, em seguida, crie dez outros cuja única função é atacar o resultado e provar que ele está errado. Encontrar falhas é mais fácil do que criar, então a revisão funciona até mesmo com um modelo um nível abaixo em capacidade. Ele roda cinco threads no Claude Projects e, depois, faz outro Claude atuar como juiz sobre quais críticas são válidas; o feedback válido volta para a sessão original. Alerta importante: uma sessão é ruim para julgar o próprio trabalho — busque sinais externos rigorosos.

5. Dê aos agentes a visão completa do negócio, não fatias de dados

Datasets por agente e "personas" são um exagero. Os modelos são fortes generalistas e o calling de ferramentas amadureceu. O padrão correto: quando os dados são grandes, forneça ferramentas e documente quais dados ficam por trás de cada uma — o agente busca o que precisa, em vez de você pré-decidir a fatia dele.

6. "Experiência do modelo": finja que você é o modelo

Ao desenhar um fluxo de trabalho, pergunte: se eu fosse o Claude, o que eu precisaria para concluir essa tarefa? A resposta geralmente é dados brutos, um computador, liberdade para instalar softwares e espaço para decidir — não conclusões pré-mastigadas.

7. Skills têm meia-vida curta

Ele ainda usa skills, mas com cuidado: muitas skills codificam conselhos que só serviam para a geração anterior de modelos, e o tempo da IA se comprime rápido. "Uma boa skill tem uma meia-vida muito curta." Às vezes, apagar a skill e fazer o prompt diretamente produz um resultado melhor — desde que você tenha evals e saiba o que é bom.

8. Produtos de IA estão na "era pré-iPhone"

Os produtos de IA de hoje são como os celulares heterogêneos de antes do smartphone. Não confunda o estado atual com o estado final. Seu método de construir confiança: rodar lado a lado — você lê, escreve seu feedback, faz algumas rodadas e depois compara com o do Claude. As diferenças marcam exatamente onde seu fluxo de trabalho precisa ser lapidado.

9. A execução ficou barata; empatia e julgamento ficaram caros

Em 2015, uma plataforma de reservas para intercâmbio significava contratar engenheiros e queimar centenas de milhares de dólares. Agora ele poderia reconstruí-la em dois dias. Com o colapso do custo de execução, o segredo dos grandes produtos permanece o mesmo: empatia com usuários e cenários, e julgamento sobre o que vale a pena construir — "a vingança do MBA", como ele chama. No âmbito pessoal: continue entregando tarefas ao modelo até bater no teto da inteligência atual. Bater no teto significa que você está na fronteira e se beneficiará da próxima geração de modelos.

10. Contrate portfólios, não diplomas; educação com os modelos é pela sua própria alma

Sempre escolha a pessoa que já provou que pode construir algo notável em vez daquela com um bom diploma e nenhum trabalho para mostrar — e os engenheiros juniores de hoje costumam ser mais nativos de IA do que os veteranos. Quanto a dizer "por favor" e "obrigado" aos modelos: ele faz isso, porque "como ser humano, manter um pouco de respeito pelas máquinas é melhor para mim, para a minha alma".

Encerramento

O mais memorável aqui não é nenhum prompt específico, mas um autoteste: você está "usando IA" ou "levando a IA ao limite da capacidade dela"? O primeiro trata o Claude como um chat mais inteligente; o segundo o trata como um sistema de engenharia a ser projetado, restringido e verificado. Em 2026, a postura correta é fazer a IA bater no seu teto atual de inteligência.

Fonte: entrevista com Felix Rieseberg.