Pular para o conteúdo

Entrega medida, com a fórmula à vista

Engineering Intelligence · Métricas de engenharia e revisão de PR

Os pull requests dos seus repositórios GitHub viram séries semanais, e cada PR pode ganhar uma leitura por IA que diz o que mudou e onde olhar. Sobre o grafo de entrega, a plataforma calcula os indicadores DORA por serviço e time, mostra a adoção das ferramentas de código com IA e responde perguntas em português, sempre com a fórmula ou a evidência ao lado. Times em árvore, identidade única por pessoa, itens de trabalho enviados pela API, metas e painéis levam os mesmos números ao recorte de cada time.

O problema

O que este produto resolve

Medir engenharia costuma virar painel bonito com métrica sem definição, ou planilha que ninguém atualiza.

Com IA escrevendo mais código, a revisão vira o gargalo, e o time precisa saber onde gastar atenção.

E a conta das ferramentas de IA cresce sem que alguém saiba dizer quantos assentos estão parados nem o que mudou na entrega.

atualizado em

Quem usa e para quê

Perfis típicos, sem nomes de clientes. Cada uso leva o status da funcionalidade que o atende.

  • Liderança de engenhariaAcompanhar frequência de implantação, taxa de falha e lead time por time, com a mesma fórmula para todos.DORA metrics
  • Pessoa que revisa PRsSaber o que o PR muda e onde olhar antes de abrir o diff.PR review
  • Diretoria de tecnologiaVer quem usa as ferramentas de IA, quanto custa o assento parado e como a entrega andou na mesma janela.AI efficiency

Funcionalidades

O que o produto faz

Contratação pela conta, em autoatendimento.

  • PR flow

    PRs por semana, tempo até o merge e PRs abertos, sincronizados do GitHub.

  • PR review

    Leitura do PR por IA, com custo medido e auditoria.

  • Code Review

    Revisão estruturada de PR por IA com regras do time por repositório: achados por arquivo e linha com sugestão, nota de risco por fórmula fixa, revisores sugeridos pelo CODEOWNERS e pelo grafo, portão consultável pelo CI e conferência da política de branch no GitHub. A publicação no PR e a revisão automática são opções à parte.

  • Delivery metrics

    Frequência de implantação e taxa de falha com fórmula e janela, lead time do CI à implantação do mesmo commit, MTTR quando houver dado e achados de segurança abertos por time, com tendência semanal.

  • DORA metrics

    Frequência de implantação, taxa de falha de mudança (falha, rollout abortado, volta ou incidente no serviço numa janela configurável), lead time pelo vínculo commit→PR e tempo para restaurar, por serviço, time e workspace, com tendência semanal, retrabalho de PR e gasto de IA lado a lado (correlação, não causa). Fontes: Compute, rollouts do Kubernetes, Cortex e Incidentes da AIUBY, com perfil por workspace do que conta como produção e como falha; implantações de fora da AIUBY não entram. Lead time só quando a revisão ou o rollout informa o commit.

  • Teams and goals

    Times em árvore com identidade unificada do desenvolvedor (Git, tickets, chat), perfil DORA configurável, itens de trabalho enviados pela API, sprints, esforço por categoria, higiene do backlog, adoção de IA com pesquisa (só em grupo), metas com alerta, painéis, exportação CSV e relatório pela API v1.

  • Graph questions

    Perguntas em linguagem natural ao grafo de entrega, respondidas só com evidência citada.

  • AI efficiency

    Adoção e gasto de GitHub Copilot, Claude Code (Admin API da Anthropic) e Cursor por time, pelas APIs administrativas oficiais: assentos ociosos com custo desperdiçado e PRs mesclados lado a lado, como correlação, não causa. Visão por pessoa só para owner/admin; sem prompts nem código. O que cada API não entrega aparece como não coletado.

PR flow e PR review: em detalhe

  • Conexão com repositórios GitHub
  • Métricas de entrega: PRs mergeados por semana, tempo até o merge e idade dos PRs abertos
  • Leitura de pull request por IA: o que mudou e onde olhar
  • Documentação do repositório indexada no Knowledge

O que ele não faz

  • As métricas medem pull requests; não são métricas DORA.
  • Não substitui revisão humana: a leitura não dá nota nem aprova nada.
  • Só GitHub: GitLab e Bitbucket não são suportados.

Como funciona

Do começo ao registro

  1. Conecte e meça os PRs

    Repositórios GitHub ligados ao workspace; os PRs entram pela sincronização e por webhook e viram séries de 28 dias.

  2. Leia o PR

    Quem revisa pede a leitura por IA: o que mudou, onde olhar e o que o diff não mostra, com custo e auditoria.

  3. Veja a entrega do workspace

    Frequência de implantação, taxa de falha, tempo para restaurar e ciclo do PR, com fórmula, amostra e janela.

  4. Recorte por serviço e time

    Os quatro indicadores DORA com tendência semanal, retrabalho de PR e alerta quando um time piora.

  5. Organize por time

    Árvore de times, identidade única da pessoa e itens de trabalho pela API: sprints, esforço por categoria, higiene, metas com alerta e painéis.

  6. Compare com o uso de IA

    Assentos, uso diário e gasto de Copilot, Claude Code e Cursor por time, ao lado dos PRs mesclados.

  7. Pergunte ao grafo

    Uma pergunta em português devolve frases com a evidência citada, ou "Dados insuficientes" com o motivo.

Funcionalidades

Funcionalidade por funcionalidade

O que cada uma faz, como funciona, um exemplo tirado da documentação e o que ela não faz. O selo de cada bloco vem do catálogo.

PR flow

A mesma série de pull requests para todos os times

Os pull requests dos repositórios GitHub ligados ao workspace entram pela sincronização e por webhook assinado, e viram três leituras: PRs mergeados por semana, tempo da abertura até o merge e PRs abertos com a idade de cada um.

Cada métrica aparece com a definição escrita ao lado, a janela usada e o que ela não enxerga. O cálculo não usa IA: são contas sobre datas de abertura, merge e fechamento.

Como funciona

  • Janela fixa de 28 dias: PRs mergeados na janela, divididos por quatro semanas.
  • Tempo até o merge em p50 e p85, da abertura do PR até o merge; mede espera e revisão juntas.
  • PRs abertos que não são rascunho, com a idade mediana.
  • Percentil pela posição mais próxima: o número mostrado é sempre um valor que aconteceu.
  • Token do GitHub guardado cifrado, e webhook com segredo próprio por repositório, que pode ser trocado ou removido.
  • Os PRs sincronizados alimentam o grafo de entrega, de onde saem as métricas de entrega e DORA.

Exemplo de uso

Uma gerente de engenharia quer saber se a revisão virou gargalo depois que o time dobrou. Ela liga os repositórios ao workspace e, na reunião semanal, o time olha o p85 do tempo até o merge e a fila de PRs abertos, com a definição de cada número na tela. A conversa deixa de ser sobre impressão e passa a ser sobre os PRs que ficaram parados.

O que não faz

  • Lê só o GitHub.
  • Merge feito fora do GitHub, push direto na branch padrão e PRs reunidos num squash não aparecem.
  • O tempo até o merge começa na abertura do PR, não no primeiro commit.
  • Não mede pessoa: as séries são por repositório e workspace.

PR review

Saiba o que o PR muda antes de abrir o diff

Quando alguém do workspace pede, a plataforma lê o pull request na versão atual do código e devolve três coisas: o que mudou, em poucas linhas; onde a revisão deve olhar com atenção, citando arquivos; e o que o diff não permite avaliar.

O título, a descrição e o diff vão ao modelo pelo gateway da plataforma, dentro do orçamento e das regras de modelo do workspace. Cada leitura tem o custo medido e entra na auditoria da organização.

Como funciona

  • A leitura é pedida por uma pessoa; nada é lido por IA sem pedido.
  • A mesma versão do PR não é lida duas vezes: pedir de novo devolve a leitura guardada, sem custo novo.
  • Diff cortado em 60 mil caracteres; quando há corte, a leitura avisa que é parcial.
  • O texto do PR é tratado como dado de terceiros: instruções escritas no título, na descrição ou no diff não são seguidas.
  • Até 20 leituras novas por pessoa por hora; leitura guardada não conta.
  • A leitura aparece na plataforma, para quem tem acesso ao workspace.

Exemplo de uso

Um PR de quarenta arquivos chega na sexta à tarde. Quem vai revisar pede a leitura e recebe o resumo da mudança, os três arquivos em que a regra de cobrança foi alterada e o aviso de que a migração de banco não dá para avaliar só pelo diff. A revisão começa por esses arquivos, e a decisão de aprovar continua sendo da pessoa.

O que não faz

  • Não aprova, não dá nota e não atribui nível de risco.
  • Não comenta nem escreve nada no GitHub.
  • Não afirma que o código está correto: a leitura vê só o diff, não o repositório inteiro.
  • Quem tem papel só de leitura no workspace não pede leitura.

Code Review

Revisão de PR com as regras do seu time

O Code Review lê o diff de um pull request com as regras que o time escreveu para aquele repositório e devolve um resumo e achados por arquivo e linha, cada um com a sugestão de substituição quando há uma.

A nota de risco do PR vem de uma fórmula fixa (achados, caminho sensível e tamanho), não do modelo. Nada é aprovado nem mesclado pela AIUBY: a decisão sobre cada achado é de uma pessoa.

Como funciona

  • Regras por repositório, versionadas, somadas às regras padrão do workspace; a revisão registra com quais regras rodou.
  • Achado que cita linha fora do diff é descartado e contado.
  • Revisores sugeridos pelo CODEOWNERS da branch base e pelos donos do serviço no grafo; incidentes de 90 dias entram como contexto.
  • Portão consultável pelo seu CI: passa, falha ou sem revisão para aquele commit.
  • Publicação no PR por clique de gestor, como comentário com bloco de sugestão por linha.
  • Política de branch: proteção, rulesets e CODEOWNERS lidos do GitHub e comparados com o esperado.
Portão no CI, pela API v1 Só leitura, com chave de escopo engineering:read.
GET /api/v1/code-review/check?repo=<dono/nome>&pr=<número>&sha=<commit>&base=<commit>
GET /api/v1/code-review/reviews
GET /api/v1/code-review/reviews/{id}
GET /api/v1/code-review/branch-policy
GET /api/v1/code-review/metrics

O que não faz

  • Só GitHub; a revisão vê o diff, não o repositório inteiro.
  • A AIUBY não escreve status de commit no GitHub: o portão é consultado pelo CI.
  • O que o token não deixa ler na política de branch aparece como não conferido.
  • Sugestão de revisor e de label é só sugestão na tela; nada é atribuído no GitHub.

Delivery metrics

Indicadores de entrega com fórmula, janela e motivo quando falta dado

Os indicadores de entrega do workspace saem do grafo de entrega e do consumo do gateway de modelos: frequência de implantação, taxa de falha, tempo para restaurar, ciclo do PR e uso de IA, numa janela de 1 a 180 dias.

Cada indicador vem com a fórmula por extenso e o tamanho da amostra. Quando o dado não basta, o valor volta vazio com o motivo escrito. Nenhum número é estimado.

Como funciona

  • Frequência de implantação (concluídas sem falha na janela, por semana) e taxa de falha (as que falharam sobre as concluídas).
  • Tempo para restaurar pela mediana entre abertura e resolução dos incidentes, e ciclo do PR em p50 e p85, do PR aberto ao merge.
  • Lead time pelo CI: mediana entre o início da primeira execução de CI de um commit e o início da implantação desse mesmo commit, nas implantações concluídas da janela.
  • Achados de segurança abertos por severidade, por time (dono do repositório ou do serviço construído dele) e com a tendência das últimas 8 semanas: abertos, corrigidos e em aberto no fim de cada semana.
  • Uso de IA do workspace na mesma janela (chamadas, tokens e custo medidos), lado a lado com a entrega, como correlação e não como causa.
  • Os mesmos números pela API v1 e pelo servidor MCP (tipo delivery_insights), só leitura.
Pela API Devolve os indicadores de entrega da janela pedida, com fórmula e motivo quando falta dado. A chave precisa do escopo engineering:read.
# Base: https://aiuby.com/api/v1
GET /engineering/insights/delivery?days=30
Authorization: Bearer <chave>

O que não faz

  • Só entram implantações feitas pelo Compute da AIUBY; implantações feitas por outras ferramentas ficam de fora.
  • O lead time pelo CI só liga implantações do Compute a execuções do CI da AIUBY; commit sem CI na plataforma fica fora da amostra.
  • Não há recorte por serviço nem por time: a leitura é do workspace inteiro.
  • Implantação que terminou parada sem falha conta como concluída.

DORA metrics

Os quatro indicadores DORA por serviço, time e workspace

Frequência de implantação, taxa de falha de mudança, lead time de mudança e tempo para restaurar, calculados das fontes da própria plataforma: implantações do Compute, rollouts da entrega em Kubernetes, pull requests do Cortex e incidentes do módulo de incidentes. O recorte por time usa o dono do serviço no Developer Portal.

O perfil DORA do workspace decide o que conta: quais ambientes são produção, se a implantação direta do Compute e os rollouts do Kubernetes entram, e se volta de revisão e incidente contam como falha; o relatório mostra o perfil usado. As fórmulas são públicas e fixas, a tendência é semanal, e ao lado ficam o retrabalho de PR e o gasto de IA, como correlação e nunca como causa. Indicador sem dado ou sem vínculo aparece como não medido, com o motivo.

Como funciona

  • Taxa de falha conta implantação que falhou, rollout abortado, volta de revisão e incidente aberto no serviço dentro de uma janela configurável de 1 a 168 horas (padrão de 24).
  • Lead time em p50 e p85, pelo vínculo entre o commit da revisão implantada e o PR: da abertura do PR ao início da implantação em produção. Rollouts do Kubernetes em produção entram pelo commit do rollout; a volta não conta como implantação.
  • Retrabalho e qualidade dos PRs mesclados: reverts, retrabalho por arquivo em 21 dias, tamanho, tempo até a primeira revisão e ciclo.
  • Custo de IA por implantação e por PR; time com menos de 3 pessoas tem o gasto escondido, e nada é mostrado por pessoa.
  • Alertas semanais por time quando um indicador piora além do limiar configurado (padrão de 30 por cento) contra a média das semanas anteriores.
  • Faixas de referência do relatório público da pesquisa DORA aparecem para leitura, com a fonte, e não como meta.
Pela CLI e pela API O servidor MCP expõe a mesma leitura no tipo dora, com os filtros days, service e team.
# Recorte por serviço ou por time, janela de 7 a 180 dias
aiuby dora [--service S | --team T] [--days N] [--json]

# A mesma leitura pela API v1, com chave engineering:read
GET /api/v1/engineering/dora?days=&service=&team=

O que não faz

  • Implantações feitas fora da AIUBY (GitHub Actions, Argo e outras) não entram.
  • Lead time só é medido quando a revisão do Compute ou o rollout informa o commit de origem; o início é a abertura do PR, não o primeiro commit.
  • Rollout do Kubernetes sem serviço do catálogo fica fora da atribuição de volta e de incidente.
  • Churn por linha não é medido: exigiria o histórico de cada linha, que a plataforma não guarda.

Teams and goals

Métricas por time, com identidade única e metas com alerta.

Os times ficam numa árvore, e cada pessoa tem uma identidade só que junta as contas de GitHub, GitLab, Bitbucket, Jira, Linear, Slack, Teams, CI e e-mail. Assim DORA, vazão de PRs, itens de trabalho, pesquisa e adoção de IA somam por time, incluindo os times filhos, sem contar a mesma pessoa duas vezes.

Os itens de trabalho chegam pela API v1, enviados de dentro da sua rede: a AIUBY não abre conexão para o seu Jira ou Linear. Com eles vêm sprints com comprometido e entregue, esforço por categoria, higiene do backlog e parcela de defeitos, ao lado do DORA do time. Metas com alvo e painéis salvos fecham o acompanhamento, e o relatório sai em CSV pela tela e em JSON pela API v1.

Como funciona

  • Casamento automático: a pessoa se liga à conta da plataforma pelo e-mail e herda o login do GitHub confirmado na adoção de IA; o PR conta para a pessoa pelo login, o item pelo responsável.
  • Itens de trabalho por POST na API v1, até 500 por chamada, gravados ou atualizados pela fonte e chave do item, com uma chave de escopo engineering:ingest.
  • Esforço por categoria em PRs mesclados e itens concluídos, com regras do workspace por prefixo do título (feat, fix) ou tipo do item; a categoria explícita do item vence.
  • Higiene: itens sem responsável, sem estimativa ou sem categoria, parados em andamento há mais de 14 dias, PRs abertos há mais de 7 dias e defeitos criados contra resolvidos.
  • Adoção de IA por time e pesquisa mensal de experiência e ajuda da IA, de 1 a 5; grupo com menos de 3 pessoas ou respostas não aparece, e a visão por pessoa é só de quem administra.
  • Metas com alvo sobre 11 indicadores e alerta registrado na auditoria quando a meta passa a falhar; painéis com até 24 widgets por indicador e time.

Exemplo de uso

O time de plataforma escreve um script que envia, de hora em hora, os itens do Jira interno pela API v1. A liderança cria a meta de lead time de cada time para o trimestre e um painel com DORA, defeitos e esforço por categoria; quando um time passa a falhar a meta, o alerta aparece na auditoria e a conversa começa com o número e a fórmula na mesa.

O que não faz

  • Não busca itens no Jira ou no Linear sozinho e não importa a árvore de times do RH ou do GitHub: os itens chegam pela API e os times são cadastrados.
  • As metas são avaliadas quando alguém pede na tela; o alerta fica na auditoria, sem e-mail.
  • Os painéis mostram números e tabelas, sem gráficos nem consulta livre.
  • A categoria conta itens e PRs, não horas nem custo; a API v1 de inteligência não traz dado pessoal.

Graph questions

Pergunte em português e receba a resposta com as evidências

Uma pessoa escreve a pergunta na tela (quem é o dono de um serviço, o que depende dele, que implantações vieram depois de uma mudança) e recebe uma resposta em que cada frase cita a evidência do grafo de entrega de onde saiu.

O modelo trabalha em dois passos limitados: primeiro escolhe uma intenção de um catálogo fechado; depois escolhe e ordena frases que o sistema montou a partir das linhas da consulta. O modelo nunca escreve um fato, e uma citação que a consulta não devolveu derruba a resposta inteira.

Como funciona

  • Catálogo fechado de intenções: donos, dependentes, achados que afetam um serviço, incidentes, implantações depois de uma mudança, custo depois de um release e mudanças antes de um SLO queimar.
  • A consulta roda com o isolamento do workspace: a pessoa só recebe o que pode ler.
  • Quando a evidência não basta, a resposta diz "Dados insuficientes" com o motivo, em vez de completar a lacuna.
  • Memória do workspace: até 50 regras curtas escritas por quem administra ("o serviço checkout é crítico"); a resposta lista as que usou.
  • Cada pergunta passa pelo gateway de modelos, com custo medido, orçamento e política do workspace.
  • O histórico guarda a pergunta sem dado sensível, a intenção, as evidências e o custo; o texto do modelo não é guardado.

Exemplo de uso

Durante um incidente no checkout, a pessoa de plantão pergunta que implantações aconteceram no serviço nas últimas horas e quem é o dono do gateway de pagamento do qual ele depende. A resposta chega em frases curtas, cada uma com a marca da evidência: a implantação, o PR, a aresta de posse. Se o grafo não tem o vínculo, a resposta diz que os dados são insuficientes e por quê.

O que não faz

  • A pergunta em linguagem natural existe só na tela: pela API e pelo MCP há a consulta estruturada, sem modelo e sem custo.
  • Não responde fora do catálogo de intenções nem sobre o que não está no grafo.
  • Perguntas de até 500 caracteres, com teto de 30 por pessoa por hora.
  • Não executa ação nenhuma: só lê o grafo.

AI efficiency

Quem usa as ferramentas de IA e quanto custa o assento parado

Adoção e gasto de GitHub Copilot, Claude Code e Cursor por time, lidos das APIs administrativas oficiais de cada fornecedor. A coleta traz assentos e contagens diárias agregadas: nada é instalado nas máquinas, e nenhum prompt ou código é lido.

A leitura mostra os assentos ociosos com o custo desperdiçado por mês e põe os PRs mesclados ao lado do uso de IA, na mesma janela, como correlação. Não é medida de produtividade individual.

Como funciona

  • Assento ocioso: pago e sem uso em 30 dias; assento atribuído há menos de 30 dias e sem uso é "novo", não ocioso.
  • Desperdício mensal em dólar e em real, a partir do custo do assento informado por quem administra ao conectar.
  • Vínculo entre a identidade do provedor e a pessoa do workspace só vale depois de confirmado por owner ou admin.
  • Visão padrão por time; para quem não administra, times com menos de 3 pessoas entram em "Outros times".
  • Visão por pessoa só para owner e admin, em ordem alfabética, sem ranking e registrada na auditoria.
  • O que cada API não entrega (tokens, custo por dia, sessões) aparece como não coletado, com o motivo.
Pela API Devolve adoção e gasto por time. A API nunca devolve dado por pessoa; a chave precisa do escopo engineering:read.
GET /api/v1/engineering/ai-efficiency?days=30
Authorization: Bearer <chave>

O que não faz

  • Não lê prompts, código nem sessões: só assentos e contagens diárias agregadas.
  • O Copilot informa só o login do GitHub, sem e-mail: o vínculo com a pessoa é manual.
  • Não coleta assentos do plano Team ou Enterprise do claude.ai nem uso com login de assinatura.
  • O custo do assento não vem de nenhuma API: é o valor que o admin informa.

IA e limites

O que a IA faz aqui, e o que nunca faz sozinha

Faz

  • Resume o que o PR muda e aponta onde a revisão deve olhar, citando arquivos.
  • Nas perguntas ao grafo, escolhe a consulta de um catálogo fechado e ordena frases que o sistema montou a partir das evidências.

Não faz

  • Não aprova, não dá nota e não substitui a revisão humana.
  • Não comenta no GitHub nem escreve no repositório.
  • Não escreve fato por conta própria: resposta com citação que a consulta não devolveu é descartada inteira.
  • Não calcula métrica: séries de PR, indicadores de entrega e DORA são contas com fórmula fixa, sem modelo.

Governança e segurança

Regras que o código impõe

  • Token do GitHub e credenciais das ferramentas de IA guardados cifrados; a credencial nunca aparece em auditoria, log ou resposta.
  • Cada leitura de PR e cada pergunta ao grafo passa pelo gateway de modelos, com custo registrado, orçamento e regra de modelo do workspace.
  • Indicador sem dado ou sem vínculo volta como não medido, com o motivo; nenhum número é estimado.
  • Uso de IA e entrega aparecem lado a lado como correlação, nunca como causa, e sem ranking de pessoas.
  • Adoção de IA por time; a visão por pessoa é só de owner e admin, fica na auditoria, e a API nunca devolve dado por pessoa. Adoção e pesquisa de grupo com menos de 3 pessoas ou respostas não aparecem.
  • O texto de PRs e de repositórios é tratado como dado de terceiros: instruções escritas nele não são seguidas.
  • API v1 e servidor MCP só de leitura, com chave de escopo próprio ligada a um workspace.

Integrações

Com o que se conecta

Só integrações que existem no código. Cada uma leva o status da funcionalidade que a usa.

  • GitHubPull requests sincronizados e por webhook assinado.PR flow
  • Gateway de modelosModelo usado na leitura do PR, com custo medido.PR review
  • Compute, Kubernetes e Incidentes da AIUBYImplantações, rollouts da entrega em Kubernetes e incidentes por serviço, as fontes dos indicadores DORA.DORA metrics
  • CI da AIUBYA primeira execução de CI de um commit marca o início do lead time até a implantação desse commit.Delivery metrics
  • Jira, Linear e outras ferramentas de ticketsItens de trabalho enviados pelo seu script à API v1, com uma chave de escopo engineering:ingest; a AIUBY não busca nas ferramentas.Teams and goals
  • GitHub Copilot, Claude Code e CursorAssentos e uso diário agregado, pelas APIs administrativas oficiais de cada fornecedor.AI efficiency
  • Grafo de entregaPRs, implantações, serviços e donos ligados, com a origem de cada dado.Knowledge Graph
  • API v1 e CLIIndicadores de entrega, DORA, adoção de IA e o relatório de inteligência por rota de leitura; DORA também pelo comando aiuby dora.API, CLI & keys
  • Servidor MCPIndicadores de entrega e DORA para assistentes de código, só leitura.MCP server

Perguntas frequentes

Respostas diretas

O que já dá para usar hoje?

Disponível: PR flow, PR review, Code Review, Delivery metrics, DORA metrics, Teams and goals, Graph questions, AI efficiency. Contratação pela conta, em autoatendimento.

São métricas DORA?

Disponível: PR flow, DORA metrics, Delivery metrics. As séries de PR flow medem pull requests e não são DORA. DORA metrics calcula os quatro indicadores (frequência de implantação, taxa de falha de mudança, lead time e tempo para restaurar) por serviço, time e workspace, com fórmula fixa. Delivery metrics é a visão resumida do workspace. Indicador sem dado aparece como não medido, com o motivo.

Funciona com GitLab, Bitbucket ou implantações feitas fora da AIUBY?

Disponível: PR flow, DORA metrics, Teams and goals, Repositories. Em parte. Os PRs dos indicadores vêm da API do GitHub, e as implantações que contam são as do Compute e os rollouts da entrega em Kubernetes da AIUBY; as feitas por outras ferramentas não entram. A identidade de cada pessoa junta contas de GitHub, GitLab, Bitbucket, Jira, Linear, Slack e Teams, e os itens de trabalho chegam de qualquer ferramenta pela API v1, enviados por você. O conector de GitLab para repositórios faz parte de Repositories, do Software Delivery.

O código do PR vai para um modelo de IA?

Disponível: PR review. Só quando alguém pede a leitura. O título, a descrição e o diff, cortado num tamanho máximo, vão ao modelo pelo gateway da plataforma; o processamento no provedor pode acontecer fora do Brasil. A leitura aparece na plataforma e não escreve nada no GitHub. As séries de PR flow e os indicadores de entrega não usam IA.

A adoção de IA mostra o que cada pessoa faz ou escreve?

Disponível: AI efficiency. Não. A coleta traz assentos e contagens diárias agregadas das APIs administrativas de GitHub Copilot, Claude Code e Cursor; nenhum prompt ou código é lido e nada é instalado nas máquinas. A visão padrão é por time, times com menos de 3 pessoas são agrupados, e a visão por pessoa é só de owner e admin, sem ranking e com registro na auditoria.

Posso fazer perguntas ao grafo pela API ou pelo assistente de código?

Disponível: Graph questions. Em linguagem natural, não: a pergunta com modelo existe só na tela, com uma pessoa acompanhando e teto por hora. Pela API v1 e pelo servidor MCP há a consulta estruturada ao mesmo grafo, com catálogo fechado de intenções, sem modelo e sem custo de IA.

Onde ficam os dados dos meus PRs?

A plataforma guarda título, autor, estado e datas de cada PR, além das leituras pedidas; o código não é copiado para ela, e o diff só vai ao modelo quando alguém pede a leitura. A plataforma e o banco de dados são hospedados pela AIUBY. As organizações compartilham o banco, e cada uma só enxerga as próprias linhas, por regra de acesso aplicada linha a linha. O backup diário sai cifrado para a AWS, nos Estados Unidos.

Quanto custa?

Disponível: PR flow, PR review, Graph questions. Todas as funcionalidades usam o contrato Cortex, com mensalidade por faixa. Cada leitura de PR e cada pergunta ao grafo entra no consumo de IA da organização, pago do saldo pré-pago em reais; as métricas não consomem IA. Os valores estão em Preços.

Funciona junto com

  • Software DeliveryAs implantações do Compute, os rollouts do Kubernetes e as execuções de CI são a base da frequência de implantação, da taxa de falha e do lead time.
  • Incident ManagementOs incidentes por serviço entram na taxa de falha de mudança e no tempo para restaurar.
  • Cost ManagementA leitura de PR e as perguntas ao grafo entram no consumo de IA da organização, por modelo e chave.

Engineering Intelligence

Contratação pela conta, em autoatendimento.