Agentes de IA em produção e o mito do engenheiro 100x da Cloudflare

A Cloudflare acaba de cortar 20% da equipe e atribuiu a decisão aos ganhos de produtividade da IA — de “duas vezes a cem vezes”. Para quem avalia agentes de IA em produção, a ideia do engenheiro 100x está prestes a desencadear uma onda de decisões estruturalmente ruins sobre quadro de pessoal.

O que a Cloudflare realmente disse no Q1 de 2026

A fala da conferência com investidores que ganhou mais repercussão foi a de Prince: segundo ele, a IA fez certas funções produzirem “duas vezes, dez vezes, até cem vezes” mais do que antes. TechCrunch comprou a narrativa. CNBC também. The Register fez o mesmo. Todas as matérias trataram essa premissa como uma verdade evidente e foram direto para o número de empregos eliminados.

O contexto completo: os 1,100 cortes da Cloudflare atingem áreas que, segundo Prince, agora têm seu trabalho executado por IA. A implicação é que as pessoas antes responsáveis por essas tarefas eram o gargalo — e que a IA eliminou esse gargalo. A receita subiu 34%. O quadro caiu 20%. A narrativa para investidores praticamente se escreve sozinha: a mesma produção, menos gente e margens maiores.

O que ninguém perguntou nessas conferências — e nenhuma cobertura examinou — é se “produtividade 100x” sequer faz sentido como unidade de análise quando um agente passa a executar um processo do início ao fim. Afinal, há uma diferença entre um engenheiro humano que se torna 100x mais produtivo com a ajuda da IA e um processo retirado por completo da coluna de trabalho humano. Não são a mesma coisa. E essa distinção pesa muito quando é o fundador quem decide quem fica.

O que estou fazendo de verdade nesta semana

Estou operando o sistema de publicação deste blog em Workers e Durable Objects. São seis agentes: ManualIntake, Discovery, Editorial, Writer, Distribution e Maintenance. No mês passado, eles publicaram 24 artigos. Participei diretamente de talvez quatro. A conta está logo abaixo.

Quanto custam 6 agentes de IA em produção no Workers

Esta é a fatura real da Cloudflare de abril de 2026 para o sistema de publicação com seis agentes.

O processamento no Workers custou $11.40. As leituras e gravações no banco D1 — memória operacional dos agentes, filas de tarefas, rascunhos de artigos e metadados de conteúdo — somaram $3.20. O armazenamento no R2 para ativos de mídia e exportações de arquivo ficou em $0.84. O Vectorize, usado na busca semântica do acervo de artigos, custou $1.10. Por fim, o Agents SDK e a camada de orquestração Workflows responderam por $2.60 em cobranças por requisições e duração. Total da infraestrutura Cloudflare: $19.14 no mês.

A inferência é cobrada à parte, pelo provedor dos modelos. Em abril, considerando os seis agentes rodando com Claude Sonnet 4.5 e Haiku 3.5 conforme a complexidade da tarefa, o custo chegou a $214 no mês. Custo total do sistema de IA, somando infraestrutura e inferência: $233.14.

Os volumes de abril foram estes: o ManualIntake processou 31 solicitações de conteúdo. O Discovery executou 188 tarefas de pesquisa e apuração de fontes. O Editorial produziu 47 briefings e ciclos de revisão. O Writer gerou 24 rascunhos publicados. O Distribution cuidou de 96 tarefas de distribuição e redes sociais. O Maintenance rodou 240 verificações agendadas de integridade, auditorias de links e atualizações de índice. Ao todo, foram 626 tarefas de agentes em um mês, a um custo completo de aproximadamente $0.37 por tarefa.

O sistema roda em uma máquina Hetzner CX22 de €4.42/mês para uma pequena camada de coordenação. Nada além disso.

Quanto custaria contratar uma pessoa para realizar 626 tarefas por mês com a mesma qualidade e vazão desses agentes? Em um mercado ocidental, um profissional de nível intermediário em operações de conteúdo custa entre $6,500 e $9,000 por mês, considerando todos os encargos. Os agentes executam uma parcela significativa desse trabalho por $233. Essa conta é real, e não vou fingir que não é.

Mas há um detalhe: ainda dedico cerca de 12 horas por semana a esse sistema. Não para fazer as tarefas dos agentes, e sim para fazer outro tipo de trabalho. É justamente isso que a ideia do 100x deixa escapar.

Por que o conceito de engenheiro 100x não funciona

A tese do engenheiro 100x pressupõe que existe um engenheiro e que a IA o torna 100 vezes mais produtivo. A unidade continua sendo o engenheiro. Só seriam necessárias menos pessoas para cada unidade produzida.

Não é isso que acontece em uma implantação real de agentes. O que ocorre é a retirada completa de um processo da coluna de trabalho humano. O agente Discovery não torna um pesquisador 100x mais produtivo. Não há pesquisador. O processo de pesquisa roda em uma agenda cron, chama um conjunto de APIs e modelos, grava uma saída estruturada no D1 e aciona o agente Editorial. O processo continua existindo. A função humana que era responsável por ele, não.

Pode parecer uma diferença apenas semântica. Não é. Ela muda por inteiro a lógica das decisões sobre equipe.

Quando o enquadramento é “engenheiro 100x”, a pergunta feita ao olhar para a área de engenharia é: quais dez pessoas podem ficar para substituir as cem? A prioridade passa a ser reter quem entrega mais e cortar o restante.

Quando o enquadramento correto é adotado — um processo transferido para a automação — surgem outras perguntas. Quais processos da empresa podem ser automatizados por completo? Quais dependem de um julgamento humano que os agentes não conseguem reproduzir? Que nova função é necessária para gerenciar, auditar e ampliar a frota de agentes? As respostas levam a pessoas diferentes.

A função para a qual quase ninguém contrata ainda é o que eu chamaria de líder de Operações de Agentes. Não é um engenheiro de prompts. Não é um engenheiro de ML. É alguém que conhece o processo de negócio a fundo o bastante para especificar o que o agente deve fazer, consegue ler o log de estado de um Durable Object para depurar um workflow travado, percebe quando a qualidade da saída começa a se desviar do aceitável e sabe ampliar o sistema conforme a empresa muda. As 12 horas semanais que dedico ao sistema de publicação correspondem, aproximadamente, a essa função. Não é um trabalho de baixa qualificação. É uma atividade de alta alavancagem que exige conhecimento do processo e fluência técnica suficiente para operar o sistema.

É quase certo que essa função já exista dentro da Cloudflare, embora ainda não tenha um cargo formal. Se os cortes deixarem apenas uma equipe mínima sem que essa competência seja construída, a frota de agentes se deteriorará em até seis meses.

A automação cria trabalho — só não cria o mesmo trabalho
Cada agente em produção que opero gera aproximadamente 3 a 5 problemas por mês que exigem intervenção humana. Corrupção de estado, saída do modelo reprovada em um critério de qualidade, mudança de schema em uma API downstream, tarefa em deadlock porque dois agentes gravaram simultaneamente na mesma linha do D1. Nada disso é catastrófico. Tudo exige alguém que conheça o sistema. Cortar pessoas sem preservar a capacidade de Operações de Agentes faz esses problemas se acumularem sem solução.

Também existe uma categoria de trabalho que a automação cria, em vez de eliminar. O agente Editorial produz 47 briefings por mês. Agora, um editor humano os revisa e aprova. Antes do agente, talvez fossem escritos 15 briefings. O agente não substituiu o editor. Ele ampliou o alcance dessa pessoa e elevou o nível do trabalho que ela precisa realizar. Algumas funções próximas a uma frota de agentes são potencializadas, não eliminadas. Fundadores que não fizerem esse mapeamento com cuidado cortarão justamente as funções ampliadas e depois tentarão entender por que a vazão caiu.

Como avaliar agentes de IA no planejamento de H2 2026

Se o plano de contratações para o H2 estiver sendo montado com base na narrativa da Cloudflare, este é o método que eu usaria.

Comece separando os processos em duas colunas: candidatos à substituição de processo e candidatos à substituição de função.

Candidatos à substituição de processo são workflows em grande parte determinísticos, que podem ser especificados por completo e cuja qualidade de saída pode ser medida automaticamente. Manutenção de pipelines de dados, produção de conteúdo em escala, triagem de suporte ao cliente, geração de testes de QA, atualização de documentação e processamento de faturas. Nesses casos, a pergunta não é “a IA pode ajudar uma pessoa a fazer isso mais rápido?”, mas “posso retirar totalmente este processo da coluna de trabalho humano nos próximos 90 dias?”. Rode um teste de quatro semanas com um agente antes de mexer no quadro de pessoal.

Candidatos à substituição de função são diferentes — e muito mais raros. São situações em que uma função humana existe principalmente para executar com habilidade uma tarefa bem definida, essa tarefa já pode ser automatizada e não há ao redor dela decisões ou relacionamentos que dependam daquela pessoa. Essas funções correm, sim, um risco real. Mas formam uma categoria menor do que sugere a narrativa da Cloudflare, porque a maioria dos cargos é um conjunto de tarefas, não uma tarefa isolada. Um engenheiro que escreve código, revisa PRs, define o escopo do trabalho, orienta profissionais juniores e conversa com clientes não pode ser substituído por um agente de programação. A parte de programação talvez possa.

A conta de quadro de pessoal que se sustenta diante do conselho de uma empresa entre as séries A e C é esta: pegue o custo completo atual de um processo, subtraia o custo completo projetado para operar a frota que o substituirá — infraestrutura, inferência e esforço de Operações de Agentes — e apresente a diferença. Com $233 por mês para 626 tarefas, a matemática é obviamente atraente para os processos certos. Quando se trata de uma função que reúne tarefas dependentes de julgamento, a vantagem desaparece rapidamente.

Antes de cortar alguém, eu faria o seguinte teste: mantenha o agente e a pessoa trabalhando em paralelo por 60 dias. Avalie a qualidade da saída com os mesmos critérios aplicados ao trabalho humano. Meça a taxa de falhas e a frequência de intervenções. Calcule o custo real, em horas de alguém, do esforço de Operações de Agentes. Se o agente atingir o nível de qualidade exigido a 30% do custo humano, já incluindo a sobrecarga operacional, há um caso concreto. Se as falhas exigirem mais horas de intervenção do que as horas humanas poupadas, não há.

Esse teste em condições reais não é complexo. A maioria dos fundadores o ignora porque a narrativa da Cloudflare faz com que pareça desnecessário. A promessa do 100x é sedutora. Mas falo da perspectiva de quem opera uma implantação em produção na mesma stack: o número importante não é o multiplicador de produtividade, e sim o custo por tarefa com qualidade aceitável, incluindo o custo operacional. Faça o teste antes de colocar o número na apresentação ao conselho.

P: O custo mensal de $233 cresce de forma linear à medida que adiciono agentes?

Em linhas gerais, sim para a inferência. Os custos da infraestrutura Cloudflare crescem devagar porque Workers e Durable Objects são eficientes em escala. A inferência é minha principal variável. Ao dobrar o volume de tarefas dos agentes, espere que o custo de inferência praticamente dobre. A infraestrutura talvez aumente 20-30%. A sobrecarga operacional cresce abaixo do ritmo linear porque o que se gerencia são sistemas, não tarefas individuais.

P: Quais produtos da Cloudflare são realmente essenciais em uma frota de agentes em produção?

Durable Objects é o componente que carrega a maior parte do peso. São máquinas de estado persistentes que coordenam tarefas de longa duração dos agentes entre execuções do Workers, sem exigir um banco de dados externo para a coordenação. O D1 é o banco relacional dos dados de negócio. O R2 armazena objetos. O Vectorize armazena embeddings. O Agents SDK é uma camada de orquestração relativamente fina sobre Durable Objects. Para quem avalia essa stack, Durable Objects é a peça central da arquitetura.

P: Como é, na prática, o dia a dia de Operações de Agentes?

No meu caso, são 30 minutos a cada manhã para revisar os logs de tarefas em busca de falhas ou desvios de qualidade, cerca de duas horas semanais para depurar ou ampliar workflows de agentes e uma revisão fixa, toda segunda-feira, da qualidade da produção da semana anterior. O restante é reativo: algo quebra, e eu conserto. Em uma frota maior atendendo uma equipe de 20+, isso provavelmente seria uma função de meio período, não uma atividade para as horas vagas.

O que acompanhar nos próximos 30 dias

A narrativa apresentada nos resultados da Cloudflare vai se espalhar. É provável que pelo menos outras três a cinco empresas públicas de tecnologia usem “ganhos de produtividade com IA” para justificar cortes de pessoal antes do fim da temporada de resultados do Q2. Vale observar os fundadores que anunciarem cortes acompanhados de detalhes concretos sobre a implantação de agentes, em vez de alegações vagas de produtividade. Isso seria um sinal real. Promessas genéricas sem stack, volume de tarefas ou custo por tarefa são apenas teatro para o conselho.

Na própria stack da Cloudflare, o Agents SDK está amadurecendo rápido. O preço da hibernação de Durable Objects mudou no início deste ano e agora é bem mais favorável para agentes sempre ativos. Se essa arquitetura estava em avaliação, mas a adoção foi adiada, a curva de custo passou a jogar a favor. A complexidade operacional não desapareceu, porém é administrável na escala de que a maioria das empresas entre as séries A e C realmente precisa.

O mercado de contratação para Operações de Agentes deve surgir como categoria profissional própria nos próximos 12 meses. A melhor forma de se antecipar é definir como essa função se encaixa na empresa antes que o cargo exista no LinkedIn.

Para quem pretende auditar processos antes de fechar o plano de H2, o checklist de auditoria de workflows que uso na DVNC.dev se encaixa diretamente neste método.

Resumo

• No Q1 de 2026, os resultados da Cloudflare combinaram $639.8M em receita, 1,100 demissões e uma alegação de ganhos de produtividade com IA de “2x a 100x”.
• Operar 6 agentes de IA em produção com Cloudflare Workers, Durable Objects, D1 e Agents SDK custa $233/mês no total para 626 tarefas — aproximadamente $0.37 por tarefa, incluindo inferência.
• O conceito de engenheiro 100x está errado. A mudança real é retirar processos inteiros da coluna de trabalho humano, não multiplicar a produção de uma pessoa.
• A função para a qual quase ninguém contrata ainda é Operações de Agentes: quem gerencia, audita e amplia a frota. Se os cortes deixarem apenas uma equipe mínima sem essa competência, a frota de agentes se deteriorará.
• Antes de levar o número ao conselho, rode um teste paralelo de 60 dias: agente e pessoa lado a lado, os mesmos critérios de qualidade e a sobrecarga operacional real medida. A conta muitas vezes é atraente. Nem sempre corresponde ao que a narrativa sugere.
• A variável decisiva é o custo por tarefa com qualidade aceitável, incluindo a sobrecarga operacional — não um multiplicador de produtividade.