Uma pergunta paira sobre o debate sobre IA há anos: até onde os agentes realmente conseguem mudar a forma como uma empresa opera? Eles continuam sendo um “assistente de programação” ou reconstruem a própria organização?
O CEO da Replit, Amjad Masad, deu uma resposta ousada. Seu conceito de “Empresa Autônoma” (Self-Driving Company) ultrapassou 1,1 milhão de visualizações em um dia após a publicação — e não se trata apenas de discurso. Os últimos seis meses de prática interna da Replit produziram números genuinamente sólidos e, pela primeira vez, quem está de fora pode ver o que acontece com a eficiência organizacional quando agentes são integrados à estrutura da empresa.
Os Dados Não Mentem: 3x Mais Código, Menos Incidentes
A mudança mais visível atingiu a engenharia. De janeiro a junho de 2026, as linhas de código commitadas pelos engenheiros da Replit cresceram 5,8×. Descontando o efeito das contratações, a produção por pessoa na equipe fixa chegou a 2,9×.
A surpresa foi o que aconteceu com a qualidade: a latência da revisão de código permaneceu estável, as taxas de rollback de PRs e a contagem de novos incidentes não subiram — caíram. O time dobrou de tamanho enquanto a produção por pessoa triplicou e a qualidade melhorou. Na gestão de engenharia convencional, essa combinação é um triângulo quase impossível.
A chave: os agentes não apenas escrevem código — eles participam da revisão de código, da investigação de incidentes e da análise de causa raiz. As revisões humanas agora contam com um co-revisor agente que captura mais defeitos; as investigações de incidentes usam agentes para localizar causas raiz, e o tempo médio até a mitigação está encolhendo. O tempo dos revisores humanos caiu 30% e segue caindo.
Como Funciona: De Assistente de IA a Infraestrutura Organizacional
Passo um: infraestrutura primeiro
No fim de janeiro, a Replit ativou sua infraestrutura interna de experimentos com agentes: um framework de runtime para agentes, micro-VMs, sistemas de arquivos remotos, além de políticas de acesso, proxies de tokens, logs de auditoria e proteção de rede zero-trust. Em seguida, os agentes foram conectados ao GitHub, GCP, Azure, Linear, Notion, Slack e Zendesk. No momento em que os agentes ganharam contexto entre sistemas, a produtividade deu um salto — o agente de ferramenta única e o agente multissistema são espécies diferentes.
Passo dois: o modelo agente-gerente
Todo funcionário tem um agente gerencial que pode criar múltiplos sub-agentes e orquestrar seus ciclos em seu nome. Os engenheiros projetam “loops” — despacham um grupo de agentes para uma tarefa verificável e se concentram em julgamentos de nível mais alto. O CTO da Replit chegou a usar um enxame de agentes para resolver um problema de rede que perseguia a equipe há meses.
Passo três: o ciclo de autoaprimoramento
A equipe de IA da Replit construiu um sistema de aprendizado contínuo: analisa o feedback dos usuários, propõe melhorias e as valida com benchmarks e testes A/B. O Replit Agent está se aprimorando sozinho — o caso mais convincente de “direção autônoma” de todos.
Da Engenharia para a Empresa Inteira: uma Difusão Natural
O uso de agentes se espalhou da engenharia para o restante da empresa principalmente pela interface do Slack — outras equipes viram os engenheiros atribuir tarefas a agentes no Slack e começaram a experimentar por conta própria.
Dados: a equipe deu aos agentes uma camada semântica sobre o data warehouse, de modo que qualquer pessoa pode fazer perguntas de business intelligence e obter respostas confiáveis enquanto o time de dados se concentra nos problemas realmente difíceis. Vendas: os agentes encontram leads qualificados pelo produto e, como conseguem ler o conhecimento interno — nível de uso, atividade em projetos, detalhes de contratos —, o outreach é altamente direcionado; gerentes de contas geram comunicações e decks de demonstração personalizados por cliente. Marketing: um prompt transforma conversas e documentos de engenharia e produto em minutas de especificações de produto, sem precisar participar de reuniões. Suporte: a resolução dos tickets mais difíceis acelerou 60% — os agentes investigam, seguem os procedimentos padrão, escolhem respostas padronizadas ou escalam para a engenharia.
Em todos os casos, o humano não foi automatizado — o humano migrou de executor para comandante. Essa é a lógica central da empresa autônoma.
Um Efeito Colateral Inesperado: Repensar Construir Versus Comprar
Quando o sistema interno de agentes amadureceu, a Replit percebeu algo inesperado: sua necessidade de ferramentas externas despencou. Um contrato anual de SaaS de sete dígitos foi cancelado porque um aplicativo construído internamente performava melhor. Uma ferramenta concorrente de triagem de alertas, de qualidade semelhante, custava dez vezes mais para operar do que a solução interna deles. Uma ferramenta automatizada de testes de penetração encontrava menos vulnerabilidades a um custo dez vezes maior. A empresa autônoma não muda apenas a eficiência interna — ela reescreve a aquisição de tecnologia: muitas ferramentas compradas agora podem ser construídas internamente por agentes, mais baratas, mais personalizadas e melhores.
O Enquadramento: Três Camadas de uma Empresa Autônoma
-
Acesso de agentes entre sistemas — os agentes alcançam GitHub, Slack, o data warehouse e os sistemas de tickets, para que tenham contexto completo.
-
Agentes gerentes, não ferramentas pontuais — cada funcionário comanda um agente gerencial que despacha sub-agentes para tarefas complexas; o humano detém o julgamento e as decisões.
-
Agentes dentro do ciclo de verificação — não apenas execução, mas também checagem, testes e revisão, formando um ciclo executar → verificar → otimizar.
Vale notar que Boris Cherny — criador do Claude Code — publicou uma tabela de “etapas de adoção de IA” no mesmo período, posicionando a “empresa autônoma” no estágio 3 (autonomia supervisionada), com toques do estágio 4 (AI-native) em cenários de ciclo fechado. Isso se alinha exatamente ao que a Replit está mostrando.
Esta Não É Apenas a História da Replit
A Replit, como empresa de desenvolvimento de aplicações de IA, desfruta de vantagens naturais. Mas o enquadramento da empresa autônoma é geral: humanos definem a direção, agentes executam e verificam, e a relação entre eles é de comando — não de substituição. Qualquer organização com uma base de conhecimento interna, necessidades de colaboração entre sistemas e fluxos de trabalho repetitivos pode começar pela engenharia e se difundir para dados, vendas, marketing e suporte. A ressalva: isso não se resolve comprando uma única ferramenta de IA. Exige design no nível da arquitetura organizacional e da infraestrutura.
Como disse Masad: “Isso é só o começo.” À medida que a capacidade dos modelos continua subindo, a fronteira da empresa autônoma segue se expandindo. A próxima pergunta pode ser a mais desconfortável: quando os agentes se tornarem a infraestrutura padrão de uma empresa, o que acontecerá com o papel do gestor?
