Engineering, intelligence and curiosity

Minha trajetória entre software, arquitetura, inteligência artificial, sistemas de agentes e liderança técnica.

Engineering, intelligence and curiosity#

Construo software há mais de duas décadas.

Passei por aplicações web, sistemas corporativos e financeiros, frontend, backend, bancos de dados, integração, infraestrutura, arquitetura e, mais recentemente, AI Engineering, sistemas de agentes e autonomia controlada.

Minha trajetória nunca foi organizada em torno de uma única tecnologia.

Ela foi organizada em torno de uma pergunta:

como transformar problemas complexos em sistemas úteis, compreensíveis e capazes de evoluir?

From Applications to Systems#

No começo da carreira, o problema parecia ser principalmente implementação.

Com o crescimento dos sistemas, a pergunta mudou.

Passei a prestar atenção em coisas que não aparecem dentro de um único método:

  • boundaries;
  • contratos;
  • dados;
  • estados;
  • falhas;
  • dependências;
  • observabilidade;
  • segurança;
  • recuperação;
  • pessoas;
  • contexto organizacional.

Foi quando software deixou de ser apenas código e passou a ser, para mim, um sistema de decisões.

Enterprise Engineering#

Uma parte importante da minha experiência aconteceu em ambientes corporativos e financeiros.

Nesses ambientes, “funciona” é apenas uma das condições.

Software também precisa conviver com auditoria, segurança, disponibilidade, compliance, legado, integrações, equipes diferentes e risco operacional.

Isso me ensinou que uma solução tecnicamente elegante pode ser uma solução ruim se não respeitar o ambiente em que precisa sobreviver.

Full-Stack as Systems Thinking#

Trabalhar por muitos anos atravessando frontend, backend, dados e infraestrutura me deu uma visão menos segmentada do produto.

Uma decisão no frontend muda contrato.

Uma decisão de dados limita comportamento futuro.

Uma escolha de integração muda disponibilidade.

Uma decisão de infraestrutura muda operação.

Por isso não penso full-stack como lista de frameworks.

Penso como capacidade de compreender como partes diferentes formam o mesmo sistema.

How I Learn#

Nem sempre aprendi tecnologia de forma linear.

Durante muito tempo, leitura passiva e estudo técnico prolongado foram difíceis para mim. Eu avançava melhor quando conseguia transformar abstrações em problemas concretos, construir algo, testar uma hipótese e voltar para a teoria com uma pergunta melhor.

Às vezes eu demorava mais para absorver uma arquitetura.

Mas, quando o modelo mental finalmente fechava, começava a enxergar relações, possibilidades e consequências que iam além do caminho original.

Isso moldou meu método.

Hoje prefiro aprender por ciclos:

Diagram
Question
   ↓
Model
   ↓
Build
   ↓
Observe
   ↓
Correct
   ↓
Document

Externalizing Thought#

Também aprendi que não preciso manter todo o contexto na cabeça.

Checklists, PRDs, ADRs, scratchpads, memórias de projeto, testes e logs são formas de externalizar pensamento.

Eles reduzem o custo de lembrar, retomam decisões e permitem que raciocínio sobreviva ao momento em que foi produzido.

Essa ideia aparece em projetos diferentes:

  • Argos externaliza contexto e lições de engenharia;
  • LucyOS trata memória como produto;
  • Invest Lucy registra decisão antes de conhecer o resultado;
  • Minhas Marcas estrutura observação pessoal ao longo do tempo.

Embora sejam sistemas diferentes, existe uma ideia comum:

o que importa não deveria depender apenas da memória do momento.

AI as Cognitive Leverage#

Minha relação com IA também nasceu daí.

IA não substituiu minha forma de pensar.

Ela reduziu o atrito entre pensamento, pesquisa, expressão e execução.

Muitas vezes eu já tinha a ideia, mas organizar, escrever, cruzar referências ou sustentar várias linhas de raciocínio simultaneamente consumia energia demais.

Assistentes de IA passaram a funcionar como uma camada de amplificação: ajudam a estruturar contexto, confrontar hipóteses, transformar intuição em documento e manter continuidade entre problemas grandes.

Isso também explica por que me interesso menos por “prompt tricks” e mais por arquitetura de agentes, memória, ferramentas e governança.

Thinking in Patterns#

Outro traço recorrente da minha forma de pensar é procurar padrões.

Anos atrás, estudando trading, uma hipótese me acompanhava:

se volatilidade muda o resultado de uma estratégia, talvez existam regimes que expliquem parte dessa mudança.

A ideia em si não era suficiente.

Ela precisava virar algo observável.

Esse impulso reapareceu depois no Invest Lucy:

Diagram
Observation
   ↓
Pattern
   ↓
Hypothesis
   ↓
Measurement
   ↓
Experiment
   ↓
Evidence

Hoje tento aplicar a mesma disciplina fora do mercado.

Padrão é ponto de partida, não conclusão.

Architecture#

Arquitetura, para mim, não é desenhar diagramas complexos.

É escolher boundaries e responsabilidades de modo que o sistema continue fazendo sentido quando o contexto mudar.

Toda arquitetura é uma hipótese sobre o futuro.

Por isso prefiro evolução incremental, componentes substituíveis, estado explícito e decisões documentadas.

Artificial Intelligence#

Quanto mais trabalhei com LLMs, RAG e agentes, mais percebi que os problemas relevantes continuavam sendo problemas clássicos de engenharia:

  • estado;
  • contexto;
  • contratos;
  • dados;
  • segurança;
  • avaliação;
  • observabilidade;
  • custos;
  • falhas;
  • dependências;
  • governança.

O modelo é importante.

Mas ele não é o sistema inteiro.

AI is a system, not a prompt.

Agentic Systems#

Agentes aumentam capacidade e também aumentam responsabilidade.

Quando um sistema pode consultar dados, utilizar ferramentas, modificar arquivos, chamar APIs ou executar workflows, surgem perguntas novas:

  • qual contexto ele pode usar?
  • quais ferramentas pode chamar?
  • qual memória persiste?
  • quem autoriza?
  • como reconstruímos uma decisão?
  • como interrompemos?
  • como recuperamos?
  • como substituímos um componente?

Essas perguntas estão no centro do LucyOS.

Autonomous Systems#

Agentes naturalmente levam a uma pergunta mais difícil:

Até que ponto um sistema deve poder agir sozinho?

Minha resposta atual:

autonomia precisa ser conquistada por evidência.

Invest Lucy transformou essa ideia em pipeline científico: shadow outcomes, calibration, experimentos, walk-forward, OOS, Monte Carlo e revisão humana antes de qualquer discussão séria sobre autoridade operacional.

Product Engineering#

Nem todos os meus projetos são laboratórios de IA.

Livrya, Therapist Platform e Minhas Marcas reforçaram outra parte importante da minha forma de trabalhar: produto também é arquitetura.

Livrya exigiu alinhar tecnologia, jornada editorial, marca e validação de mercado.

Therapist Platform exigiu transformar software especializado em SaaS genérico e multi-tenant.

Minhas Marcas exigiu equilibrar estrutura, privacidade, offline-first e interpretação humana.

Em todos os três casos, o problema interessante aparece no encontro entre domínio, tecnologia e comportamento de pessoas.

Documentation#

Tenho uma relação forte com documentação técnica porque ela preserva intenção.

Código registra comportamento.

Documentação registra contexto.

PRDs, ADRs, roadmaps, implementation plans e validation reports fazem parte do meu processo porque decisões sem contexto viram regras difíceis de questionar.

Technical Leadership#

Minha direção profissional caminha cada vez mais para liderança técnica.

Não vejo liderança como ser a pessoa que possui todas as respostas.

Vejo como capacidade de criar clareza quando existe complexidade.

Isso envolve decompor problemas, explicitar trade-offs, orientar arquitetura, identificar riscos, preservar contexto, revisar decisões e aumentar a capacidade da equipe de pensar sozinha.

How I Think About Leadership#

Context Before Direction#

Orientação sem contexto cria dependência.

Principles Before Rules#

Princípios ajudam pessoas a resolver situações que ainda não existem.

Ownership Before Control#

Responsabilidade real exige entendimento, não apenas atribuição de tarefa.

Documentation Before Memory#

Conhecimento importante não deveria existir apenas na cabeça de algumas pessoas.

Systems Before Heroes#

Boa engenharia reduz a necessidade de heroísmo recorrente.

Beyond the Code#

Tecnologia é parte importante da minha vida intelectual, mas não é a única.

Tenho interesse por comportamento humano, consciência, aprendizagem, filosofia, criatividade e significado.

Quanto mais trabalho com IA, mais vejo perguntas tecnológicas se transformarem em perguntas humanas:

  • quando confiar?
  • o que delegar?
  • o que deveria permanecer sob controle humano?
  • como memória muda decisão?
  • como tecnologia amplia capacidade sem reduzir autonomia?

Where I Am Now#

Hoje minha trajetória converge em:

Software Engineering + Architecture + AI Engineering + Agentic Systems + Product Engineering + Technical Leadership

Não quero abandonar décadas de engenharia para trabalhar com IA.

Quero aplicar essa maturidade justamente onde sistemas inteligentes mais precisam dela.

Closing#

Software muda.

Ferramentas mudam.

Modelos mudam.

O desafio permanece parecido: compreender problemas, construir bons sistemas e deixar evidência suficiente para que outras pessoas — e versões futuras de nós mesmos — consigam entender por que aquilo existe.

É nessa interseção entre engenharia, inteligência e curiosidade que quero continuar trabalhando.