Shape Up para IA: aposte em ciclos, não em backlog eterno

Todo time que adota IA vive a mesma cena: uma pilha de ideias de agente e automação, alguns pilotos que começaram animados e nunca terminam, e a sensação de estar sempre ocupado sem nada chegar em produção. O método Shape Up, criado pela Basecamp e descrito por Ryan Singer, foi desenhado justamente para quebrar esse ciclo. Ele não é sobre IA, mas cai como uma luva na hora de decidir o que construir com ela, porque ataca o vício mais caro da área: o projeto que nunca acaba.

As três ideias que sustentam o método

Shape Up se apoia em três peças simples.

A primeira é apetite, e ela substitui a estimativa. Estimativa parte da solução e pergunta quanto tempo ela vai levar. Apetite parte do tempo e pergunta quanto de solução cabe ali. Você decide que um problema merece, digamos, seis semanas, e molda o escopo para caber. O tempo é fixo, o escopo é a variável de ajuste. Isso muda a conversa de "quando fica pronto" para "o que vale a pena entregar nesse prazo".

A segunda é o trabalho moldado. Antes de comprometer um time, alguém molda o problema em um nível de abstração intermediário: concreto o bastante para dar direção, aberto o bastante para o time resolver os detalhes. Nem um wireframe pronto, que tira a autonomia, nem uma frase vaga, que empurra o risco para a frente. É um esboço grosso que já resolveu as decisões difíceis.

A terceira é o ciclo de tamanho fixo com mesa de apostas. Em vez de um backlog que só cresce, o time aposta, ciclo a ciclo, em alguns problemas já moldados. Ciclos duram seis semanas ou menos. Entre eles, há um período de descanso para respirar, corrigir bugs e moldar as próximas apostas. E existe um disjuntor: se o trabalho não termina no ciclo, ele não ganha prorrogação automática. Morre, a menos que alguém decida reapostar nele de propósito.

O disjuntor é a parte que mais dói e mais cura. Ele obriga uma decisão a cada ciclo, em vez de deixar projetos zumbis consumindo time para sempre. Nenhum método combina melhor com IA do que esse.

Por que isso importa tanto com IA

Junte esses três elementos e você tem o antídoto direto para os problemas típicos de um programa de IA.

Comece pelo apetite fixo contra o piloto eterno. O maior desperdício em IA hoje não é o projeto que falha rápido, é o que nunca decide se falhou. A empresa adota a ferramenta, monta um piloto, e ele fica em um limbo por meses porque ninguém marcou um limite. Já escrevemos aqui que adotar IA não é o mesmo que ver retorno, e o apetite é o mecanismo que força esse acerto de contas. Seis semanas, um resultado, uma decisão. Sem prorrogação silenciosa.

Siga para o trabalho moldado contra o spec vago. A IA tem uma propriedade perigosa: ela transforma instrução mal definida em resposta confiante e errada. Um humano confuso pede esclarecimento. Um modelo confuso inventa. Por isso moldar o problema antes de apostar é mais crítico com IA do que com software comum. Moldar, aqui, significa dizer qual tarefa o agente resolve, com qual dado, o que conta como resposta boa, e o que está explicitamente fora dos limites. Sem essa moldura, o custo barato de gerar código com IA vira caro na hora de validar o que ela decidiu, ponto que a Charity Majors defende ao pedir mais disciplina, não menos.

Termine pela aposta ciclo a ciclo contra o backlog de cem ideias de IA. Toda empresa tem hoje uma lista enorme de "podíamos usar IA para isso". Backlog não prioriza, ele acumula culpa. A mesa de apostas troca a lista infinita por uma escolha honesta a cada ciclo: entre tudo que poderíamos fazer, no que apostamos as próximas seis semanas? O que não foi apostado não é dívida, é só algo que não venceu esta rodada.

O gráfico de morro e a incerteza da IA

Há uma ferramenta do Shape Up que se encaixa quase perfeita no trabalho com modelos: o gráfico de morro. Todo pedaço de trabalho, chamado de escopo, tem duas fases. A subida do morro é a fase de descobrir, quando você ainda não sabe se a abordagem vai funcionar. A descida é a fase de executar, quando já sabe o que fazer e só falta fazer.

Projetos de IA se enganam justamente aqui. A parte incerta não é escrever o código de integração, é descobrir se o modelo dá conta da tarefa com a qualidade e o custo que você precisa. Essa é a subida. Quando um piloto vira produção mal, quase sempre é porque o time tratou a descoberta como se fosse execução, colocou uma data em algo que ainda estava sendo descoberto. Marcar no gráfico de morro onde cada escopo está, subindo ou descendo, expõe esse autoengano cedo, enquanto ainda dá para reapostar ou matar.

Como começar na prática

Não precisa reorganizar a empresa para usar Shape Up com IA. Escolha uma iniciativa. Dê a ela um apetite claro, por exemplo quatro ou seis semanas. Molde o problema em uma página: tarefa, dado, definição de bom, limites. Aposte esse ciclo, sem prometer os próximos. No fim, aplique o disjuntor sem dó: entregou valor, segue; não entregou, morre ou é reapostado com uma razão explícita.

Isso conversa com dois fundamentos que já cobrimos. O apetite é primo do Cost of Delay, porque ambos forçam a pergunta de quanto vale o tempo, e o ciclo curto é irmão do Lean Startup, porque os dois preferem aprender rápido a planejar longe. Shape Up só adiciona a parte que falta na maioria dos times de IA: a coragem de deixar um projeto morrer no fim do ciclo, em vez de arrastá-lo por trimestres.

O resultado é um programa de IA que decide, em vez de acumular. Menos pilotos zumbis, mais coisas em produção, e uma conversa honesta a cada seis semanas sobre onde vale apostar o próximo ciclo.

Se a sua empresa tem uma pilha de ideias de IA e nenhum ciclo que as force a virar produção, fale com a AI Boutique no WhatsApp. A gente ajuda a moldar, apostar e colocar IA em produção sem piloto eterno.