Conferir antes de entregar: quando a inteligência artificial revisa o próprio trabalho

Sexta-feira, fim de tarde. O assistente entregou o site institucional que a equipe pediu de manhã. Está bonito na primeira tela. Na segunda, dois botões não fazem nada. No celular, o menu cobre o título. A paleta de cores é parecida com a da marca, mas não é a da marca. Ninguém está surpreso. O ritual que se segue é conhecido: alguém abre uma lista, anota os problemas, devolve ao assistente, espera, confere de novo, encontra outros. O site fica aceitável na terça-feira seguinte.

O que aconteceu ali não foi falha da ferramenta. Foi ausência de uma etapa. O assistente executou e entregou. Ninguém, pessoa ou sistema, conferiu antes da entrega. E a conferência, feita à mão depois, custou mais do que a construção.

Este artigo trata de uma forma de trabalhar que move a conferência para dentro do fluxo: um arranjo em que um assistente executa, outro assistente confere contra critérios definidos antes, e o ciclo repete até o resultado atingir o padrão. Ela circula com nomes variados ("gauntlet loop" [1]) e tem produzido resultados que muita gente não acreditou terem saído de um único pedido. A mecânica por trás é mais simples do que o nome, e mais aplicável do que os exemplos de jogos sugerem.

O que mudou no uso de inteligência artificial

Existiu um momento em que trabalhar com inteligência artificial era escrever, receber e revisar. A qualidade dependia da redação do pedido e da paciência de quem conferia. Esse momento passou.

O padrão atual tem quatro movimentos: escrever a meta e os critérios, o assistente executa, um segundo assistente confere, e o primeiro corrige quantas vezes forem necessárias antes de entregar. O pedido inicial fica mais curto. A sofisticação migra para o critério e para a estrutura que o aplica. É o que a peça de abertura desta série chama de estrutura ao redor da ferramenta: tudo o que envolve a ferramenta passa a pesar mais do que a ferramenta. E é uma das proposições centrais da metodologia que orienta esta série em forma de método ("Impulso Framework" [2]): inteligência artificial é amplificador, e o que ela amplifica é a qualidade da estrutura ao redor dela.

A documentação oficial da Claude descreve esse arranjo como o padrão de avaliador e otimizador, em que uma chamada gera o resultado e outra fornece avaliação e feedback em ciclo, e recomenda seu uso quando há critérios claros de avaliação e quando o refinamento iterativo agrega valor mensurável.

A anatomia de um ciclo de conferência

Um ciclo de conferência tem uma forma fixa, independentemente da ferramenta.

Uma tarefa é executada. O resultado vai para uma etapa de conferência que o compara com critérios de aceitação. Se passa, é entregue. Se não passa, o parecer volta a quem executou com o que falhou, e ele corrige. O ciclo pode rodar cinco, dez ou mais vezes. Uma variação útil é pedir a quem confere uma nota de zero a cem e só aprovar acima de um limiar, oitenta e cinco ou noventa e cinco, definido por quem pede.

O que torna isso diferente da revisão manual é a simetria de esforço. O assistente que construiu em vinte minutos confere em vinte minutos, quantas vezes for preciso. A pessoa que conferiria em quatro horas volta a ser quem define o padrão, não quem confere botão por botão.

Os três pilares

A forma mais clara de organizar a técnica é em três partes.

A meta. O resultado desejado, com um padrão de comparação explícito. "Um jogo comparável aos comerciais" é uma meta. "Um jogo" não é. A referência concreta é o que permite a quem confere julgar sem inventar régua.

A metodologia. O projeto é quebrado em partes. Cada parte recebe um assistente que executa e um assistente separado que confere o trabalho do primeiro. Com dezenas de partes, há dezenas de pares trabalhando, muitos em paralelo. A documentação da Claude descreve esses assistentes especializados como agentes que rodam em janela de contexto própria, com instruções e ferramentas específicas, e permite que um revisor despache um conferente por achado, de modo que o detalhe intermediário nunca chegue à conversa principal.

Os critérios de aceitação. Não só para o resultado final, mas para cada parte, aplicados por cada conferente. Aqui entra o ponto mais provocador da abordagem: o critério de quem confere é ficar impressionado com o trabalho de quem executa sob sua supervisão. Não aprovar, não considerar suficiente. Impressionar. Quando cinquenta partes precisam impressionar cinquenta conferentes, o nível de cuidado com cada detalhe sobe de um modo que nenhuma instrução geral produz.

Muitos ciclos ao mesmo tempo

Um único assistente que constrói dez componentes em sequência, conferindo cada um, leva dez vezes o tempo. O mesmo assistente que delega os dez a assistentes paralelos, cada um com seu conferente, termina em uma fração disso e consolida no final.

A documentação chama isso de paralelização e de orquestrador com trabalhadores: um agente central decompõe a tarefa, delega e sintetiza os resultados. O ganho não é só de tempo. É de contexto: cada assistente trabalha em janela própria, sem o histórico dos outros, o que mantém o foco e evita que a conversa principal se encha de detalhe que ninguém vai reler. A escalada do ciclo único para o trabalho em paralelo tem peça própria nesta série, Muitas entregas ao mesmo tempo.

O julgamento às cegas

O detalhe que mais separa um ciclo útil de um ciclo decorativo é o que o conferente recebe. Se recebe o histórico, as razões, o caminho que o executor percorreu, ele julga com condescendência, porque entende por que as escolhas foram feitas. Se recebe apenas o resultado e os critérios, julga o que está na frente dele.

Uma analogia ajuda: a do restaurante. Quem cozinha a própria comida tende a ser brando com ela. Quem só prova, avalia o prato. Modelos de linguagem repetem esse viés: com o contexto de como algo foi feito, a avaliação fica tendenciosa. A separação de contexto entre quem executa e quem confere, que a documentação chama de isolamento, é o que produz o julgamento honesto.

Conferir como usuário, não como leitor de código

Aqui está o ponto que a maioria das implementações ignora, e que é o grande diferencial.

Revisar o código de um aplicativo é uma coisa. Entrar no aplicativo como usuário final, clicar, preencher, quebrar, é outra. A segunda encontra o botão que não responde, a tela que sobrepõe, o fluxo que trava na terceira etapa. A primeira encontra o que parece errado no código, e aprova o que parece certo.

Para conferir como usuário, o conferente precisa de uma integração que opere a interface: automação de navegador, acesso ao ambiente, capacidade de executar o fluxo. A documentação da Claude traz o exemplo de um assistente testador com acesso a automação de navegador para navegar, capturar tela e interagir com páginas. Sem isso, a conferência existe no papel e falha na prática. A decisão sobre como conferir cada parte, e a instalação do que falta para isso, é etapa do arranjo, não detalhe. O exercício de Quem faz e quem confere mostra essa diferença ao vivo: a mesma página aprovada por leitura é reprovada quando o conferente passa a olhar a tela.

Um desdobramento operacional: uma rotina diária em que um assistente entra na aplicação em produção, percorre as funcionalidades principais como usuário e reporta ou corrige o que encontra, conforme a gravidade. É o ciclo aplicado à manutenção. Combina com a disciplina que qualquer automação séria carrega: registro consultável de cada execução e política de retentativa, para que a falha seja descoberta pelo painel, não pela reclamação ("Automação" [3]).

O que isso custa

Não é barato e não é rápido. Em relatos públicos, arranjos desse tipo levam horas para poucas rodadas, e o consumo só se conhece no fim. Um exemplo amplamente divulgado definiu um teto de consumo para um assistente que trabalhou por cerca de duas horas e produziu alguns milhares de linhas de código em um projeto recreativo.

A leitura correta desses números não é "caro demais". É "onde se paga". Para uma correção pontual, o ciclo é excesso. Para uma entrega em que a revisão humana custaria um dia, ou em que o erro em produção custaria mais, o ciclo se paga com folga. A documentação recomenda adicionar complexidade apenas quando ela melhora resultados de forma demonstrável. É a mesma disciplina que orienta a escolha de modelo por tarefa em uma arquitetura bem desenhada: o arranjo certo para cada caso, não o mais sofisticado ("Inteligência" [4]).

Onde aplicar

O caso de origem é desenvolvimento, e é o mais direto: um assistente implementa, outro testa como usuário e compara com o padrão. Mas a forma é geral.

Em testes automatizados, o par inverte: um assistente escreve os testes, o outro quebra a funcionalidade de propósito e confirma que os testes falham. Em documentação e conteúdo, o conferente lê como o público-alvo e julga clareza e aderência ao tom. Em tratamento de dados, valida contra amostras conhecidas e regras de negócio. Em operação, percorre a aplicação todos os dias. Em avaliação de uma organização, um conferente compara o que foi declarado com o que existe de fato, e a distância entre os dois costuma ser o achado mais valioso. É o mesmo princípio de uma boa medida de capacidade: cada nota com evidência citável, não com impressão ("Prontidão" [5]). O guia de montagem, com o modelo de seis componentes e o esqueleto de critérios, está em A rotina de conferência que roda toda vez.

O que isso pede da organização

Se o critério vira o ativo mais valioso do arranjo, ele merece dono, versão e registro, como qualquer decisão automatizada exige ("Governança" [6]). E o julgamento às cegas produz, como subproduto, uma trilha de auditoria: para cada parte aprovada, uma nota, uma justificativa e a lista do que foi reprovado antes.

Para os materiais práticos que um bom diagnóstico entrega à equipe, a consequência é direta ("aceleradores" [7]). Um material que declara seus critérios de aceitação é um material que a equipe confere sem depender de quem o escreveu. A leitura estratégica completa está em O critério de sucesso vale mais do que o pedido.

O entregável

O que este artigo deixa: a anatomia do ciclo de conferência, os três pilares, os dois princípios que o tornam confiável (julgamento às cegas e conferência em uso) e a régua de custo para decidir onde aplicar.

Na série

Esta é a peça 2 da série Da decisão à entrega, em sete peças. O artigo estruturante, Do diagnóstico à entrega, é a porta de entrada. A peça anterior é A estrutura vale mais do que a ferramenta, e a sequência segue com Quem faz e quem confere, A rotina de conferência que roda toda vez, Muitas entregas ao mesmo tempo, O critério de sucesso vale mais do que o pedido e Do diagnóstico ao sistema que a equipe mantém.

Termos citados neste artigo

[1] "Gauntlet loop": um dos nomes pelos quais circula, em inglês, a técnica de execução e conferência em ciclo por assistentes de inteligência artificial. Nesta série, usamos "ciclo de conferência".

[2] "Impulso Framework": metodologia aberta e agnóstica de plataforma, em três camadas, ancorada em quatro proposições, entre elas a de que inteligência artificial é amplificador, não camada isolada. Visão geral em As três camadas do Impulso Framework.

[3] "Automação": camada técnica da execução em escala, com a fronteira entre regra e inferência, política de retentativa e registro consultável de execuções. Detalhada em Automação: onde a IA para de ser assistente e vira sistema.

[4] "Inteligência": camada técnica que escolhe o modelo certo para cada tarefa, com estratégia híbrida de custo. Detalhada em Inteligência: o modelo certo para cada tarefa.

[5] "Prontidão": etapa do diagnóstico que mede a capacidade real de executar em oito dimensões, com evidência por nota. Detalhada em Prontidão: o filtro que separa ambição de fracasso anunciado.

[6] "Governança": camada transversal que define quem responde por cada decisão automatizada, com rastreabilidade, versionamento e revisão. Detalhada em Governança: sem dono, toda automação vira órfã.

[7] "Aceleradores": materiais práticos de execução (instruções calibradas, atalhos, capacidades empacotadas e roteiros) que fecham o ciclo do diagnóstico. Detalhados em Plano de Ação: aceleradores que dispensam tradução.

Referências

Documentação oficial da Claude (Anthropic), consultada em setembro de 2026:

Building effective agents, padrões de paralelização, orquestrador e trabalhadores, avaliador e otimizador. https://www.anthropic.com/research/building-effective-agents

Create custom subagents, contexto isolado, restrição de ferramentas, agentes aninhados e testes em navegador. https://code.claude.com/docs/en/sub-agents

Define your success criteria. https://platform.claude.com/docs/en/test-and-evaluate/define-success

Develop test cases. https://platform.claude.com/docs/en/test-and-evaluate/develop-tests

Quem confere antes de entregar não precisa corrigir depois de entregar.

Breakdown | Frente: Consulting | Série Da decisão à entrega, peça 2 de 7 | Proposições ancoradas: IA como amplificador, diagnóstico que produz ação | 1.700 palavras | Leitura: 9 minutos