AS400 e COBOL são sinônimos de robustez. Por décadas, sustentaram o processamento financeiro de algumas das maiores instituições do mundo — incluindo esse cliente da Objective, empresa global de análise de dados e crédito. Mas essa robustez tem um custo crescente: manutenção complexa, evolução limitada e dependência de especialistas cada vez mais escassos. Para essa empresa, o momento de agir havia chegado: migrar toda a operação do ambiente AS400 para a Google Cloud, reconstruindo sistemas críticos em Java com arquitetura de microsserviços — sem interromper a operação, sem perder regras de negócio acumuladas ao longo de décadas, dentro de um horizonte de tempo ambicioso.
A complexidade desse contexto é reconhecida pelo mercado: trata-se de um dos ambientes de legado mais críticos e tecnicamente exigentes do setor. Esta escala e criticidade impõem restrições que tornam as abordagens convencionais de modernização insuficientes. Reconhecendo isso, esse cliente da Objective optou por uma estratégia distinta — combinando governança adaptada ao contexto, aceleração por IA e uma parceria técnica capaz de viabilizar o que o cenário exigia. A Objective entrou como parceira estratégica nesse programa e, ao longo da jornada, identificou e implementou o conceito do pAIr, com aceleradores de IA — respondendo a dores reais da migração. O AS400 não é um sistema periférico na operação dessa empresa — é a plataforma central responsável pela entrega de suas principais linhas de negócio. Modernizar esse ambiente significa operar sobre a espinha dorsal da empresa, com prazo determinado pela estratégia corporativa global e tolerância zero a interrupções.
pAIr - velocidade e qualidade no ciclo de desenvolvimento com agentes de IA
Em programas de migração de alta complexidade, transformar requisitos de negócio em código funcional com velocidade e qualidade é um dos principais gargalos. Quanto maior o volume de funcionalidades sendo reconstruídas em paralelo, maior o risco de especificações imprecisas, retrabalho e perda de ritmo do time. Dentro dessa migração, esse sistema de gerenciamento de carteiras de clientes — responsável pelo processamento de consultas de score, análise de inadimplência e negativação — concentrava um dos principais gargalos do ciclo de desenvolvimento. Para enfrentá-lo, a Objective desenvolveu de forma proativa dois agentes especializados seguindo os princípios do pAIr, seu modelo de transformação cultural e operacional que combina ferramentas de IA com treinamento, consultoria e processos para aumentar a produtividade e a maturidade de times de tecnologia. Os agentes atuam em sequência, mantendo o desenvolvedor como protagonista do processo — com a IA ampliando sua capacidade, não substituindo seu julgamento.
A solução foi construída dentro do ecossistema Gemini e Google Cloud Platform, já homologado pelo cliente, respeitando as restrições de compliance global da empresa e sem abrir mão dos padrões de segurança cibernética exigidos por uma organização do seu porte e criticidade. Uma escolha que reflete não apenas competência técnica, mas maturidade em segurança e governança em ambientes altamente regulados. O Marvin recebe o requisito bruto e conduz um processo iterativo de refinamento com o desenvolvedor: identifica ambiguidades, exige precisão nas regras de negócio e produz um documento de especificação estruturado. O Spokyntax recebe esse documento, cruza com o código existente e os padrões do projeto, e sugere a implementação técnica estruturada, pronta para ser utilizada na IDE.
A velocidade de entrega da squad saltou de 44,2 para 60,5 story points por sprint — ganho de 37% já na fase de adoção dos agentes. A aceleração, no entanto, revelou o que a engenharia de software já conhece bem: o paradoxo do escalonamento descrito pela Lei de Brooks. O aumento do volume de recursos combinado à geração acelerada de código sem testes robustos criou um pico severo de fricção — bugs saltaram de 0,7 para 5,1 por sprint (+581%) e o carryover cresceu de 0,7 para 3,4 cards por sprint (+580%). O escopo planejado inflou além da capacidade real do time. A IA havia acelerado o desenvolvimento — mas o processo ao redor ainda não estava preparado para absorver essa velocidade.
Quando velocidade exige governança
Acelerar o desenvolvimento em um programa da escala e complexidade da migração dessa multinacional de crédito exige mais do que ferramentas de IA. Exige que o processo evolua na mesma velocidade. Por isso, a Objective combinou a adoção dos agentes com governança ativa — garantindo que os ganhos de velocidade se traduzissem em entregas estáveis, previsíveis e sustentáveis. Essa governança foi operacionalizada por meio do Agile Transformation Flow (ATF), framework proprietário da Objective para transformação ambidestra de times em cenários de IA aplicada, cuja governança foi estruturada para conduzir o time por cada fase — da formação à alta performance — com método replicável e dados para documentar cada etapa.
As intervenções foram orientadas por três frentes analíticas: análise de impacto, para compreender o histórico e os padrões do time; análise de fluxo, para identificar gargalos e a velocidade real de entrega; e análise de previsibilidade, para definir com precisão o quanto cabia em cada sprint sem comprometer a qualidade. Para isso, foram feitas intervenções orientadas por dados: limpeza do débito técnico acumulado, separação do time por frente de produto, refinamento estruturado, adoção de Shift Left para testes automatizados e Swarming — com desenvolvedores atuando nos testes técnicos para liberar os QAs para cenários de negócio. A simulação de Monte Carlo passou a guiar o planejamento de cada sprint.
A squad atravessou as quatro fases do modelo de maturidade de Tuckman — formação, normalização, turbulência e alta performance — com dados para documentar cada etapa. Ao longo do primeiro trimestre de 2026, as entregas se estabilizaram em média de
A Sprint 7 fechou com zero carryover
O cycle time de Pull Requests caiu 30%
O refinamento técnico de tarefas, que ocupava até três dias, passou a ser concluído em poucas horas.
O onboarding de novos desenvolvedores encurtou de três a cinco sprints para duas
A validação mais concreta do modelo veio quando um novo time precisou ser integrado ao programa. Em quatro a cinco semanas, os novos profissionais estavam operando no mesmo nível de engajamento, metodologia e performance do restante do programa — sem comprometer o ritmo das entregas. Um resultado que demonstra que o modelo construído é replicável, escalável e independe de talentos individuais.
A jornada completa — da adoção dos agentes à estabilização em alta performance — aconteceu ao longo de aproximadamente três quarters: da segunda metade de 2025 ao primeiro trimestre de 2026. Um horizonte compatível com a realidade de programas de migração desta escala, e com dados documentados sprint a sprint para evidenciar cada etapa da evolução. IA acelera. Governança sustenta. A combinação dos dois foi o que transformou ganho de velocidade em alta performance estável — e é o que a Objective entrega como diferencial em projetos desta natureza.
O que fica: tecnologia e método na mesma entrega
O que a Objective construiu com esse cliente é uma prova concreta de que modernizar um ambiente legado desta escala — com a velocidade, a segurança e a qualidade que o mercado financeiro exige — é possível quando inteligência artificial e governança de processos evoluem juntas. Essa é a abordagem da Objective em projetos de alta complexidade: não basta acelerar. É preciso saber o que fazer com a velocidade. O programa segue em andamento até o final de 2026.
