Boris Cherny mostra por que cargos importam menos que a capacidade de criar, evoluir e sustentar produtos

Visionnaire - Blog - Arquetipos

Durante décadas, empresas organizaram suas equipes de tecnologia a partir de fronteiras aparentemente claras. Engenharia desenvolvia, Produto definia prioridades, Design cuidava da experiência e Ciência de Dados transformava dados em modelos e previsões. A Inteligência Artificial, no entanto, está tornando essas divisões cada vez mais permeáveis. 

Hoje, um designer pode criar um protótipo funcional, um gerente de produto pode investigar uma base de código e um desenvolvedor pode produzir interfaces, analisar métricas e conversar diretamente com clientes. Isso não significa que todos tenham se tornado especialistas em tudo. Significa que as ferramentas estão ampliando o alcance de cada profissional e transferindo parte do valor da execução técnica para a capacidade de compreender problemas, tomar decisões e orientar sistemas inteligentes. 

Foi nesse contexto que Boris Cherny, criador e líder do Claude Code na Anthropic, publicou uma reflexão sobre como Engenharia, Produto, Design, Data Science e outras áreas estariam se fundindo em uma nova categoria de trabalho. Em vez de propor novos cargos, Cherny identificou cinco arquétipos que observa dentro da própria equipe: prototipador, construtor, refinador, cultivador e mantenedor. 

Mais do que uma discussão sobre títulos profissionais, sua proposta ajuda a responder a uma pergunta estratégica: de quais comportamentos uma equipe realmente precisa para transformar uma ideia em um produto relevante, escalável e duradouro? 

Por que a opinião de Boris Cherny merece atenção 

Cherny ocupa uma posição privilegiada para observar a transformação do desenvolvimento de software. Ele ingressou na Anthropic no final de 2024 com a missão de experimentar aplicações para modelos avançados de IA. Em aproximadamente um mês, criou um programa de terminal capaz de interagir com a API do Claude para escrever e modificar código. A ferramenta começou a ser utilizada internamente e, pouco depois, tornou-se o Claude Code. 

Apresentado publicamente em fevereiro de 2025, o Claude Code nasceu como uma ferramenta de codificação agêntica pela qual desenvolvedores podiam delegar tarefas substanciais de engenharia diretamente a um modelo de IA. Meses depois, passou a operar também com integrações a ambientes de desenvolvimento, tarefas em segundo plano e fluxos de trabalho cada vez mais autônomos. 

O próprio fluxo de trabalho de Cherny simboliza essa mudança. Em entrevistas, ele afirmou ter deixado de escrever código manualmente e passado a direcionar diversas sessões de agentes que implementam, testam e modificam sistemas em paralelo. Em vez de atuar apenas como autor de cada linha, ele se comporta como alguém que define objetivos, fornece contexto, avalia decisões e coordena capacidades computacionais. 

Isso não torna sua visão uma previsão infalível. Mas faz dela um relato vindo de quem está construindo e utilizando diariamente uma das ferramentas que mais pressionam os limites tradicionais da engenharia de software. 

Os cargos não desaparecem de uma vez, são suas fronteiras que começam a desaparecer 

A principal provocação do tweet não está nos nomes escolhidos para os cinco arquétipos. Está na separação entre a função registrada no organograma e a contribuição efetivamente oferecida ao produto. 

Um engenheiro pode agir como prototipador em um projeto e como mantenedor em outro. Um designer pode ser excelente em refinar experiências existentes, enquanto outro se destaca na criação de conceitos inéditos. Gerentes de produto, cientistas de dados e desenvolvedores também podem transitar entre dois ou três arquétipos. 

Portanto, Cherny não sugere que as empresas substituam cargos convencionais por cinco novos cargos. A ideia é que esses arquétipos descrevem inclinações, competências e tipos de impacto que podem existir em diferentes profissionais. Uma mesma equipe pode ter várias pessoas desempenhando o mesmo papel, enquanto uma única pessoa pode combinar diferentes perfis. 

Essa distinção é fundamental. Sem ela, a convergência entre áreas poderia ser interpretada como uma exigência para que cada profissional saiba fazer absolutamente tudo. Na realidade, a IA amplia a capacidade de atravessar fronteiras, mas não elimina a necessidade de experiência, julgamento e conhecimento aprofundado. 

O prototipador: transformar incertezas em algo que possa ser testado 

O prototipador é movido pela exploração. Ele imagina possibilidades, combina tecnologias e cria rapidamente versões iniciais de produtos, recursos ou experiências. Muitas dessas ideias jamais chegarão ao mercado, e esse não é necessariamente um problema. 

Sua contribuição está em substituir discussões abstratas por algo que possa ser visto, utilizado e criticado. Em um ambiente no qual agentes de IA conseguem gerar interfaces, integrações e aplicações funcionais em pouco tempo, experimentar se tornou muito mais barato. Consequentemente, produzir diversas ideias e descartar a maioria delas pode ser uma estratégia mais eficiente do que tentar escolher a alternativa perfeita antes de construir qualquer coisa. 

Entretanto, velocidade sem intenção apenas multiplica protótipos. O bom prototipador não mede sucesso pelo volume de demonstrações produzidas, mas pela quantidade de incertezas eliminadas. Cada experimento deve ajudar a compreender melhor o usuário, o problema ou a viabilidade da solução. 

A história do próprio Claude Code ilustra esse arquétipo. A ferramenta começou como um programa simples, sem interface gráfica ou grande estratégia de lançamento. Sua utilização espontânea dentro da Anthropic forneceu o sinal de que havia ali um produto relevante. 

O construtor: levar uma ideia do “funciona” ao “pode entrar em produção” 

Um protótipo pode impressionar durante uma apresentação e ainda estar muito distante de um produto real. Essa distância é ocupada pelo construtor. Esse arquétipo transforma uma ideia inicial em software confiável. Ele organiza a arquitetura, integra sistemas, estrutura testes, trata erros, implementa segurança, prepara a infraestrutura e garante que a solução possa ser utilizada fora de um ambiente controlado. 

A IA tornou a criação inicial extraordinariamente rápida, mas também aumentou a quantidade de projetos que chegam à empresa sem condições de escalar. Código gerado em poucos minutos pode funcionar no cenário previsto e falhar quando encontra dados reais, regras de negócio, sistemas legados ou milhares de usuários simultâneos. 

Por isso, o construtor tende a ganhar importância, e não a perdê-la. Quanto mais fácil for produzir protótipos, maior será a necessidade de profissionais capazes de avaliar o que deve ser preservado, refeito ou descartado antes de uma solução chegar à produção. 

É também aqui que experiência e responsabilidade técnica se tornam decisivas. A IA pode sugerir implementações, mas alguém ainda precisa garantir que as escolhas sejam compatíveis com o negócio, com o ambiente tecnológico e com os riscos da organização. 

O refinador: simplificar também é desenvolver 

Cherny utiliza o termo sweeper, que poderia ser traduzido literalmente como “varredor”. Neste contexto, porém, o sentido está mais próximo de um refinador: alguém que remove complexidade, melhora a interface, simplifica o código, aumenta o desempenho e até retira recursos que deixaram de fazer sentido. 

Esse perfil costuma receber menos destaque porque seu trabalho nem sempre resulta em uma funcionalidade nova. Muitas vezes, seu maior mérito é fazer o produto parecer mais simples depois de uma grande intervenção técnica. 

Em sistemas que evoluem rapidamente, cada nova entrega pode adicionar dependências, regras, telas, exceções e custos de manutenção. Com a IA aumentando a quantidade de código que uma equipe consegue produzir, o risco de acumular complexidade também cresce. Gerar mais código não significa necessariamente criar mais valor. 

O Refinador questiona o excesso. Ele procura duplicações, etapas desnecessárias, experiências confusas e decisões que funcionaram no passado, mas já não se justificam. Sua atuação preserva a capacidade de evolução do produto. 

Há ainda uma lição relevante para gestores: remover uma funcionalidade pode ser tão estratégico quanto lançá-la. Produtos maduros não melhoram somente pela adição contínua de recursos. Muitas vezes, melhoram quando a empresa encontra coragem para simplificar. 

O cultivador: transformar utilização em aderência ao mercado 

Depois que o produto foi construído, começa uma etapa menos visível e frequentemente mais difícil: fazer com que ele se torne indispensável para um público. O cultivador, correspondente ao grower descrito por Cherny, trabalha sobre algo que já existe. Ele observa o comportamento dos usuários, conversa com clientes, analisa dados, testa melhorias e procura aumentar a aderência entre a solução e o mercado. 

Não se trata apenas de marketing ou crescimento comercial. O cultivador atua sobre o próprio produto. Ele ajuda a descobrir quais funcionalidades geram valor, quais obstáculos impedem a adoção e quais ajustes podem melhorar ativação, retenção e satisfação. 

Ferramentas de IA aceleram esse trabalho ao analisar interações, sintetizar feedbacks, produzir variações e apoiar experimentos. Mesmo assim, interpretar o comportamento humano continua exigindo sensibilidade. Uma métrica pode mostrar onde o usuário abandonou uma jornada, mas não explica sozinha por que aquilo ocorreu ou qual mudança preservará a proposta central do produto. 

Esse arquétipo é especialmente importante quando a solução já encontrou algum grau de Product-Market Fit, ou seja, quando há indícios consistentes de que ela resolve uma necessidade real do mercado. A partir desse momento, o desafio deixa de ser apenas provar que a ideia funciona e passa a ser aprofundar, expandir e sustentar sua relevância. 

O mantenedor: proteger o que já se tornou essencial 

Quando um sistema amadurece, sua indisponibilidade deixa de ser apenas um problema técnico. Ela pode interromper vendas, atendimentos, operações e decisões críticas. O mantenedor assume a responsabilidade por fazer com que produtos consolidados permaneçam seguros, rápidos, confiáveis e eficientes durante o crescimento. Sua atuação envolve observabilidade, prevenção de falhas, controle de custos, atualização de dependências, segurança, desempenho e recuperação de incidentes. Trata-se de um papel que pode parecer conservador diante do entusiasmo por inovação, mas é justamente o que permite inovar sem colocar todo o negócio em risco. 

Agentes de IA já conseguem ajudar na investigação de falhas, revisão de código, criação de testes e identificação de vulnerabilidades. Ainda assim, manutenção exige conhecimento acumulado sobre o sistema, seu histórico e suas consequências operacionais. Uma correção tecnicamente elegante pode ser inadequada quando altera um comportamento do qual clientes ou integrações dependem. 

O mantenedor representa a memória e a responsabilidade da equipe. Em um cenário no qual criar está ficando mais fácil, sustentar com qualidade pode se tornar um dos maiores diferenciais competitivos. 

A combinação ideal depende do estágio do produto 

Cherny também relaciona os arquétipos ao momento vivido por cada solução. Produtos novos e ainda distantes do Product-Market Fit precisam principalmente de prototipadores, construtores e refinadores. É necessário experimentar, colocar ideias em funcionamento e impedir que a velocidade gere complexidade prematura. 

Quando o produto encontra seu mercado e começa a crescer, construtores, refinadores e cultivadores ganham protagonismo, acompanhados por uma presença crescente de mantenedores. Já produtos consolidados dependem mais intensamente de cultivadores, refinadores e mantenedores, embora continuem precisando de alguma capacidade de construção. 

Essa leitura pode mudar a forma como empresas contratam e distribuem profissionais. Uma equipe pode possuir excelentes currículos e, mesmo assim, fracassar porque todos gostam de iniciar projetos e ninguém deseja sustentá-los. Em outra organização, a operação pode ser extremamente confiável, mas não existir espaço para experimentar algo novo. O problema, portanto, não é apenas encontrar talentos. É formar a combinação adequada de comportamentos para o estágio e os objetivos do produto. 

Andrej Karpathy e o Software 3.0 

A visão de Cherny se conecta à ideia de “Software 3.0”, popularizada por Andrej Karpathy. Em sua interpretação, o desenvolvimento passou por uma nova mudança de paradigma: além do código tradicional e das redes neurais treinadas com dados, agora utilizamos modelos programáveis por linguagem natural. 

Isso transforma a linguagem humana em uma nova interface de computação. Pessoas que não dominam profundamente uma linguagem de programação conseguem descrever intenções, solicitar implementações e produzir artefatos digitais. Ao mesmo tempo, desenvolvedores experientes passam a operar em um nível mais alto de abstração, coordenando modelos e avaliando resultados. 

A consequência é semelhante à apontada por Cherny. Quando escrever cada linha deixa de ser a única forma de construir software, a identidade profissional se desloca. Compreender o problema, formular objetivos, criar boas avaliações e reconhecer soluções inadequadas passam a importar tanto quanto a capacidade de implementar manualmente. 

Isso não representa o fim do conhecimento técnico. Pelo contrário: quem entende arquitetura, segurança, dados e experiência do usuário consegue avaliar com mais precisão aquilo que a IA produz. O conhecimento deixa de ser apenas um instrumento de execução e se torna também um instrumento de direção e controle. 

Dylan Field e a ascensão dos “construtores de produto” 

Dylan Field, cofundador e CEO da Figma, chegou a uma conclusão semelhante por outro caminho. Para ele, a IA está estimulando a fusão entre funções como Design, Engenharia, Pesquisa e Produto, transformando diferentes profissionais em “construtores de produto” com especializações próprias. 

Uma pesquisa mencionada por Field indicou que muitos profissionais já estão realizando atividades fora das fronteiras tradicionais de seus cargos. Ao mesmo tempo, a maioria ainda reconhece a importância da especialização aprofundada para produzir trabalhos de alta qualidade. 

Essa combinação ajuda a evitar uma interpretação equivocada: a empresa do futuro não será necessariamente formada apenas por generalistas. Ela provavelmente será formada por especialistas capazes de colaborar em territórios mais amplos. 

Um designer não precisa se tornar o melhor engenheiro da equipe, mas pode utilizar IA para criar uma implementação funcional de sua proposta. Um desenvolvedor não precisa substituir um pesquisador, mas pode analisar dados de uso antes de tomar uma decisão técnica. As fronteiras se tornam mais flexíveis sem que a profundidade deixe de ser valiosa. 

Dario Amodei e uma previsão ainda mais radical 

Dario Amodei, CEO da Anthropic, apresentou uma previsão mais agressiva ao sugerir que modelos de IA poderiam assumir a maior parte das atividades atualmente realizadas por engenheiros de software em um intervalo relativamente curto. 

Mesmo dentro da Anthropic, porém, essa automação não tem significado ausência de profissionais. Cherny argumenta que engenheiros continuam necessários para orientar os modelos, conversar com clientes, coordenar decisões e determinar o rumo dos produtos. O trabalho muda porque a execução passa a ser compartilhada com agentes, não porque toda responsabilidade desaparece. 

A diferença entre as duas posições está menos no destino e mais no foco. Amodei enfatiza a capacidade crescente das máquinas. Cherny procura descrever como os humanos podem se organizar em torno dela. 

Quanto mais tarefas a IA assumir, maior será o peso das decisões que permanecerem com as pessoas. Definir o que construir, para quem construir, quais riscos aceitar e quando uma solução está realmente pronta são escolhas que ultrapassam a geração de código. 

O que esses arquétipos mudam dentro das empresas 

A primeira mudança está na contratação. Descrições de vagas baseadas apenas em tecnologias e títulos podem não revelar qual contribuição a empresa realmente procura. Antes de contratar “mais um desenvolvedor”, talvez seja necessário perguntar se o projeto precisa de exploração, produção, simplificação, crescimento ou sustentação. 

A segunda está na avaliação de desempenho. Organizações que recompensam somente o lançamento de funcionalidades tendem a valorizar prototipadores e construtores, enquanto tornam invisível o trabalho de quem reduz complexidade ou evita incidentes. Uma equipe saudável precisa reconhecer diferentes formas de impacto. 

A terceira está na adoção de IA. Comprar licenças de ferramentas não transforma automaticamente o processo de desenvolvimento. É necessário redefinir fluxos, responsabilidades, padrões de revisão, segurança, documentação e critérios de qualidade. 

Por fim, os arquétipos mostram que a produtividade não pode ser medida apenas pela quantidade de código produzido. Em determinados momentos, o profissional mais valioso será aquele que cria algo novo. Em outros, será quem elimina metade da complexidade existente ou impede que um sistema crítico falhe. 

A experiência encontra uma nova velocidade 

Com 30 anos de atuação, a Visionnaire acompanhou diferentes gerações de tecnologias, arquiteturas, metodologias e modelos de desenvolvimento. Hoje, essa experiência é combinada à utilização de IA em todo o ciclo de software, desde a análise e a prototipação até a construção, os testes, a implantação e a manutenção. 

A empresa também acompanha e experimenta as plataformas que estão transformando a programação, avaliando como diferentes ferramentas podem contribuir para a produtividade e para a qualidade dos projetos. O objetivo não é adotar tecnologia apenas porque ela se tornou popular, mas compreender onde ela realmente melhora a entrega. 

Essa combinação entre experiência humana e capacidade de IA é especialmente importante porque os cinco arquétipos de Cherny correspondem a desafios que sempre existiram no desenvolvimento de software. Ainda é necessário explorar ideias, construir produtos, reduzir complexidade, conquistar usuários e sustentar sistemas. O que mudou foi a velocidade, o alcance e a forma de executar cada etapa. 

A Visionnaire atua desde a criação de protótipos e MVPs (Projetos Mínimos Viáveis) até projetos de grande escala, incluindo sistemas em nuvem, arquiteturas de microsserviços e soluções que atendem milhões de usuários. Essa trajetória permite reconhecer que um projeto rápido não é necessariamente um projeto simples e que chegar à produção continua sendo diferente de produzir uma boa demonstração. 

O profissional do futuro não será definido apenas pelo que sabe fazer 

Os arquétipos propostos por Boris Cherny não são uma tabela definitiva para os cargos do futuro. São uma maneira útil de enxergar aquilo que os organogramas frequentemente escondem. 

Pessoas diferentes criam valor de maneiras diferentes. Algumas abrem caminhos, outras transformam ideias em produtos. Algumas retiram o excesso, outras encontram o mercado e outras garantem que tudo continue funcionando. A IA pode ampliar cada uma dessas capacidades, mas não substitui a necessidade de combiná-las de forma inteligente. 

Para as empresas, a pergunta mais importante talvez já não seja quantos engenheiros, designers ou gerentes de produto existem na equipe. A pergunta é se há pessoas e agentes suficientes para explorar, construir, refinar, cultivar e sustentar aquilo que o negócio precisa. 

A tecnologia está reduzindo o tempo necessário para transformar intenção em software. Porém, escolher a intenção correta, convertê-la em valor e mantê-la relevante continua sendo um desafio humano e empresarial. 

A Visionnaire combina três décadas de desenvolvimento de software com as novas possibilidades da Inteligência Artificial para ajudar empresas a atravessar todo esse caminho, da primeira ideia ao sistema seguro, escalável e preparado para evoluir.