Pular para o conteúdoAIUBYrodar diagnóstico →

CLIENTE IDENTIFICADO · PLATAFORMA DE ATENDIMENTO COM IA

Droz AI: capacidade que deixou de depender de headcount

Uma plataforma que combina IA, integração com sistemas corporativos e atendimento humano nos casos complexos. O trabalho não foi acelerar quem escreve código — foi redesenhar a engenharia para que o repetitivo saísse das pessoas.

CONTEXTO

A Droz AI opera uma plataforma que combina inteligência artificial, integração com sistemas corporativos, análise de conversas e participação humana nos atendimentos mais complexos. Esse tipo de produto exige evolução constante, confiabilidade operacional e manutenção de fluxos críticos. Antes do trabalho, boa parte do esforço da equipe era consumida por tarefas repetitivas, investigação manual, revisão, testes e documentação — atividades que poderiam ser sistematizadas.

setor
Plataforma de atendimento com IA e integração corporativa
time
~15 desenvolvedores no início do trabalho
squads
núcleo único de engenharia

O PROBLEMA

O desafio não era desenvolver mais rápido. Era construir uma engenharia capaz de preservar o conhecimento do produto, reduzir a dependência de pessoas específicas, acelerar a análise de problemas e manter consistência entre implementações — aumentando capacidade sem expandir o time na mesma proporção. Distribuir um assistente de código não resolveria isso: era preciso transformar a estrutura da engenharia.

DIAGNÓSTICO

Não houve score AI-Ready formal antes deste trabalho: a ferramenta pública de diagnóstico é posterior a ele. A leitura inicial foi qualitativa e apontou os mesmos três gargalos que o diagnóstico deriva hoje — conhecimento concentrado em pessoas, ausência de contrato arquitetural legível por máquina e trabalho repetitivo consumindo a capacidade do time. Um score reconstruído agora pareceria medição e seria memória.

O SISTEMA INSTALADO

estado do repositório no kickoff → estado ao fim do cenário

@@ Droz AI · plataforma de atendimento @@
context/domínios e regras de negócio do produto
.rules/contrato arquitetural versionado
patterns/padrões de engenharia reutilizáveis
agents/agentes especializados por responsabilidade
workflows/planejamento, revisão e testes no ciclo
decisions/decisões técnicas registradas
guides/documentação gerada e mantida no repositório

SEQUÊNCIA DE IMPLEMENTAÇÃO

MÊS 1Contexto técnico do sistemadomínios, regras de negócio e arquitetura descritos dentro do repositório
MESES 1–2Contrato arquitetural e padrõesregras versionadas e padrões reutilizáveis — o critério antes do agente
MESES 2–3Agentes com escopo definidoanálise de tarefas, planejamento técnico, geração assistida e testes
MESES 3–5Revisão e investigação no fluxorevisão automatizada de alterações e apoio à investigação de bugs
MESES 4–6Documentação e esteira de entregadocumentação contínua, integração com as ferramentas de gestão, evolução do pipeline
DEPOISOperação pelo time do clienteo núcleo de engenharia opera e evolui o sistema sem a AIUBY no caminho crítico

SOBRE OS NÚMEROS

Estes cases descrevem o que foi feito e em que ordem, sem publicar indicadores. Os resultados existem e são discutidos no processo comercial, com a fonte de cada número — mas só vão para esta página com baseline, janela de medição e forma de apuração declarados. É a mesma regra que a AIUBY aplica às métricas dos clientes: número com metodologia, ou número nenhum.

METODOLOGIA

Os indicadores acima descrevem a evolução dentro deste cenário e não constituem medição agregada de base instalada. O cálculo do AI-Readiness Score, os pesos de cada dimensão e a regra de derivação de gargalos estão publicados em metodologia.

Onde sua engenharia está hoje?

Seis perguntas, 60 segundos, sem cadastro.

Medir prontidão AI-Ready