A inteligência artificial já deixou de ser apenas uma ferramenta para gerar código no Santander. Durante o Febraban Tech 2026, Richard Silva, CIO do Santander Brasil e CEO da F1RST, mostrou como o banco está usando agentes de IA em praticamente todo o ciclo de desenvolvimento de software.

A estratégia combina agentes especializados, especificações detalhadas, governança e participação humana. Segundo Silva, o objetivo não é simplesmente colocar IA nas mãos dos desenvolvedores, é criar um método para escalar a tecnologia com controle e resultados previsíveis.

A engenharia de software é uma das áreas em que a inteligência artificial já alcançou maior maturidade. O avanço passou por ferramentas de autocompletar código e copilotos, chegou ao chamado vibe coding e agora caminha para modelos baseados em agentes e engenharia de contexto. No Santander, porém, o uso de IA em ambientes corporativos não pode depender apenas de comandos feitos de forma improvisada. Em um setor regulado como o bancário, a empresa aposta no conceito de Spec Driven Development, no qual as especificações precisam ser mais profundas para reduzir o espaço de interpretações incorretas dos modelos.

Quanto mais a IA participa da execução, mais precisas devem ser as instruções. Para o executivo, deixar lacunas na especificação era mais tolerável quando havia um profissional humano tomando decisões durante a codificação. Com agentes autônomos, esse risco aumenta.

AI DLC organiza o trabalho dos agentes

É aí que entra o AI Development Lifecycle (AI DLC) adotado pela F1RST, empresa de inovação e tecnologia pertencente ao grupo Santander. A abordagem organiza a utilização da inteligência artificial desde a concepção até a operação do software. Os agentes também podem participar de etapas como planejamento, implementação, validação e deployment. Cada fase tem uma função específica e segue uma sequência definida.

O modelo funciona com um condutor, responsável por levar o fluxo de uma etapa para outra, enquanto agentes especializados executam tarefas de acordo com seus respectivos conjuntos de habilidades. Antes de executar uma atividade, o agente pode montar um plano e interagir com um humano para esclarecer pontos que ainda não estão determinados.

Depois da aprovação, o agente executa a tarefa e o profissional humano valida o resultado. O conhecimento produzido durante essas interações também pode ser incorporado ao contexto utilizado nas etapas seguintes. A F1RST adaptou o modelo utilizado como referência.

Governança vira parte da velocidade

Um dos principais argumentos apresentados por Silva é que governança não deve ser tratada apenas como uma barreira para a IA. Ela é justamente o que permite ampliar o uso dos agentes dentro de uma empresa com alto nível de responsabilidade. A ideia é controlar identidade, permissões, qualidade, mudanças e acesso dos agentes sem interromper o fluxo de desenvolvimento. O Santander utiliza o Gluon, sua plataforma interna de desenvolvimento, para organizar parte dessa estrutura em todo o grupo.

A plataforma também ajuda a administrar o uso de agentes e seus respectivos pacotes. A preocupação é evitar que ferramentas de IA tenham acesso ou autonomia além do necessário dentro do ciclo de desenvolvimento.

Na prática, os resultados apresentados mostram redução de tempo em atividades próximas da codificação. Segundo Silva, a média observada chega a 70% nessas tarefas, embora alguns casos de uso apresentem ganhos ainda maiores. Mas o executivo destacou que produtividade não é o único benefício. A expectativa é melhorar também a qualidade do software.

Com contexto adequado e especificações mais detalhadas, a IA pode executar determinadas partes do trabalho com menor índice de falhas. Isso reduziria a dependência de diferenças de experiência entre profissionais e dos impactos provocados por mudanças na composição das equipes. Quanto melhor for o conjunto de informações fornecido ao agente, menor tende a ser a necessidade de interações adicionais e inferências durante a execução.

IA não substitui conhecimento técnico

Apesar dos ganhos de produtividade, o CIO fez questão de destacar um limite: entregar uma tarefa para a IA não significa abandonar a responsabilidade técnica. Um agente pode produzir uma resposta convincente mesmo quando está errado. Para software crítico, isso representa um risco e justamente por essa razão que profissionais precisam continuar dominando engenharia, arquitetura e o funcionamento dos sistemas que estão construindo.

Silva também rejeitou a ideia de que a adoção de IA eliminaria a necessidade de profissionais juniores. Para ele, a formação dos novos engenheiros muda com a tecnologia, mas a experiência acumulada ao longo da carreira continua sendo necessária. A mesma lógica vale para a delegação de tarefas, a IA pode executar muito, mas não deve assumir sozinha decisões que exigem conhecimento especializado.