O SDLC agêntico reintroduz fases sequenciais (requisitos antes de design, design antes de código) e isso melhora os resultados. Se você viveu a era waterfall original ou leu sobre seus fracassos, isso soa contraditório. Não é.
O que tornou o waterfall impraticável não era o rigor. O rigor era a parte valiosa. Era o custo calendário de manter aquele rigor que afastou todo mundo. Quando produzir especificações detalhadas levava semanas e mantê-las sincronizadas com a evolução do código era inviável, equipes racionalmente abandonaram a documentação em favor de iterações rápidas. O agile não venceu porque especificações eram ruins. Venceu porque manter especificações era caro demais com equipes puramente humanas.
A Inversão de Custo
O que agentes de IA fizeram é inverter a equação de custo que tornava o desenvolvimento faseado impraticável. Quando um sistema de agentes executa um ciclo completo de requisitos-até-implementação em horas em vez de meses, o overhead de manter especificações estruturadas cai para quase zero. Os agentes escrevem as specs. Os agentes mantêm a documentação de arquitetura. Os agentes geram a decomposição de tarefas. Humanos revisam e aprovam, mas o custo de produção de estrutura agora é trivialmente pequeno.
Equipes operando assim executam múltiplos ciclos completos de desenvolvimento por dia. Um líder de produto enquadra três abordagens concorrentes para uma feature na segunda de manhã. Segunda à tarde, implementações funcionais das três existem como pull requests separados prontos para avaliação. Se o requisito de negócio muda na terça, a equipe não tenta remendar documentação obsoleta. Roda um ciclo novo com inputs atualizados. O pipeline inteiro de spec-a-código é barato o suficiente para ser tratado como descartável.
A pesquisa WORKBank do SALT lab de Stanford sobre agentes de IA na força de trabalho trouxe algo relevante aqui. O framework distingue entre automação (IA substituindo tarefas inteiramente) e aumentação (IA complementando capacidades humanas). O padrão SDLC agêntico fica claramente no território de aumentação. Os agentes não substituem desenvolvedores. Comprimem as porções mecânicas do ciclo de desenvolvimento tão dramaticamente que humanos podem focar inteiramente no trabalho que requer julgamento: definir o que construir, avaliar se o output está correto e tomar decisões de arquitetura que exigem entendimento do contexto de negócio.
O AI Agent Index de 2025 (MIT, Harvard, Stanford e Cambridge) analisou 30 sistemas de agentes em três categorias: chat, browser e enterprise. Identificaram gaps significativos de transparência entre o que sistemas de agentes conseguem fazer e quais práticas de segurança seus desenvolvedores divulgam. De 13 agentes operando em níveis de autonomia de fronteira, apenas 4 divulgaram quaisquer avaliações de segurança. No contexto de desenvolvimento enterprise, isso significa que você precisa da camada de orquestração e dos eval gates não só para qualidade mas como mecanismo de governança.
Isso é o que chamo de 'disciplina de fases em tempo de sprint'. Você ganha o rigor que o desenvolvimento estruturado deveria entregar (rastreabilidade completa, coerência arquitetural, cadeias documentadas de decisão) sem os ciclos de múltiplos meses que o tornavam impraticável. E porque você pode rodar várias iterações completas num único dia, você realmente alcança os loops rápidos de feedback e adaptação contínua que a metodologia agile originalmente prometeu.
A estrutura faseada te dá o que o desenvolvimento estruturado sempre prometeu (auditabilidade, consistência, trilhas claras de raciocínio) sem o custo calendário que afastou todo mundo. E rodando múltiplos ciclos por dia, você entrega a responsividade iterativa que o agile foi inventado para alcançar. Isso não é uma volta ao passado. É uma síntese que nenhuma abordagem conseguia sozinha.
Este artigo é de O SDLC Agêntico por Carlos Aggio.