Arquétipos da Anthropic: por que governança é essencial em times de TI com IA
Sem uma camada de orquestração, times diferentes recriam os mesmos agentes, gastam recursos em modelos caros para tarefas simples e perdem visibilidade sobre custos e compliance. A agilidade prometida vira fonte de ineficiência e exposição a riscos operacionais que a equipe nem sempre identifica a tempo.
Muitos líderes de TI estão tentando replicar a estrutura de papéis da Anthropic em seus times, mas essa abordagem pode gerar caos em vez de agilidade, se não for adaptada ao contexto específico da organização.
Os cinco arquétipos que emergem na prática
Boris Cherny, da equipe responsável pelo Claude Code na Anthropic, observou que as fronteiras entre disciplinas tradicionais se dissolvem quando o trabalho com IA avança. Em vez de títulos fixos, o time opera em cinco modos que as pessoas alternam conforme a necessidade do produto.
1. O Prototyper gera dezenas de ideias e protótipos, sabendo que a maioria será descartada, como aconteceu com o produto Agent Teams, onde centenas de versões foram testadas antes de uma sobreviver.
2. O Builder pega o protótipo viável e o transforma em código e infraestrutura de produção.
3. O Sweeper limpa o código, simplifica interfaces, remove funcionalidades que não agregam valor e otimiza performance.
4. O Grower itera sobre o produto já lançado para melhorar o ajuste ao mercado com base em feedback e dados.
5. O Maintainer cuida de sistemas maduros para mantê-los seguros, confiáveis e eficientes em escala.
Essa observação foi compartilhada em um post no X em junho de 2026 e gerou discussões sobre como as carreiras de produto e engenharia podem evoluir. Na Anthropic, todos têm o título de Member of Technical Staff, o que facilita a fluidez, e o time não escreve PRDs extensos, preferindo construir protótipos rapidamente. Boris pessoalmente gerencia múltiplas instâncias do Claude Code e entrega dezenas de pull requests por dia. O modelo funciona, em primeiro lugar, porque o custo de tokens para eles é pequeno e, em segundo, porque a cultura da empresa incentiva a experimentação e a iteração rápida, com cerca de 80% dos protótipos não chegando à produção, segundo relatos detalhados.
Por que o modelo exige adaptação em departamentos de TI tradicionais
A Anthropic é uma empresa de IA nativa, onde designers, PMs e até finanças podem contribuir com código, e o foco é o desenvolvimento de modelos avançados. Em uma empresa tradicional, os times de TI lidam com sistemas legados, conformidade regulatória e orçamentos limitados, o que torna a fluidez total difícil de implementar sem riscos. Quando o seu cliente é interno, também não há demandas por growth. Mas o problema surge mesmo quando a experimentação sem controles leva a duplicação de esforços, consumo excessivo de tokens e potenciais vazamentos de dados sensíveis, especialmente em setores regulados.
Eu vejo isso na prática ao assessorar empresas que tentam escalar uso de IA. Sem uma camada de orquestração, times diferentes recriam os mesmos agentes, gastam recursos em modelos caros para tarefas simples e perdem visibilidade sobre custos e compliance. A agilidade prometida vira fonte de ineficiência e exposição a riscos operacionais que a equipe nem sempre identifica a tempo. O impacto aparece em orçamentos que estouram e em incidentes de segurança que poderiam ser evitados com visibilidade centralizada.
O sexto arquétipo necessário: Governança e Orquestração de IA
Além dos cinco modos, surge a necessidade de um papel que organize o ecossistema de IA da empresa. Esse arquétipo, que eu chamo de Controller mas o mercado já começa a chamar de AI Architect ou AI Governance Officer, cuida do catálogo de ativos de IA para evitar redundâncias. Ele define roteamento inteligente de modelos, usando opções mais leves para tarefas rotineiras e reservando os mais avançados para raciocínios complexos. Também implementa guardrails para anonimizar dados antes de envios externos e monitora o consumo em tempo real para evitar estouros de orçamento.
O Builder foca em criar produtos, mas raramente tem tempo para negociar contratos de privacidade ou criar gateways unificados. O Maintainer cuida da infraestrutura tradicional, mas não da lógica dos modelos e custos associados. Sem esse controlador de tráfego da IA, o desenvolvimento descentralizado pode se tornar financeiramente insustentável e inseguro. Na T2S, utilizamos o Relpz para oferecer aos colaboradores IAs de máxima qualidade, porém seguras e sigilosas com informações da empresa e dos clientes, o que ilustra como a governança permite escala sem comprometer a operação.
Para líderes que buscam aplicar isso, um fluxo prático começa por mapear quais arquétipos estão presentes no time atual e identificar a ausência de governança. Em seguida, pilote o novo papel em um squad menor, definindo métricas como redução de custos de tokens e incidentes de compliance. Use princípios ágeis para iterar: defina sprints curtos para testar configurações de roteamento e ajuste com base em resultados reais. Esse exercício de imaginação mostra que o futuro pode trazer modelos híbridos onde agentes de IA assumam partes dos arquétipos, mas a supervisão humana permanece essencial para alinhamento estratégico e controle de riscos.
Implicações para estratégia e carreira
A transição exige que líderes técnicos desenvolvam competências em governança além do código. A fluidez de papéis pode acelerar inovação, mas sem estrutura, o custo marginal da experimentação explode. Empresas que investem cedo nesse sexto arquétipo ganham vantagem ao transformar a IA em ativo controlado em vez de fonte de shadow IT.
O aprendizado que persiste é a importância de combinar experimentação rápida com mecanismos de controle que sobrevivam a mudanças em ferramentas e modelos específicos.
Como explorado em discussões sobre a evolução de papéis executivos em IA, a escolha entre foco tático ou governança estratégica define o sucesso a longo prazo
Artigo originalmente publicado em https://lideranca.tech/post/2026/07/28/arquetipos-da-anthropic-por-que-governanca-e-essencial-em-times-de-ti-com-ia
