Subsidiária da Amazon
Um processo de entrada de dados levava de 15-20 min (34% de erro). Com IA Generativa, passou para 40-50 segundos, reduzindo o custo de milhares de dólares para centavos.
De 10 a 14/08, você resolve o caso TransactCo: um e-commerce onde os relatórios mentem em silêncio. Você constrói o sistema que detecta isso, com prompt, validado contra um gabarito lacrado.
[ 10–14/08 ]
[ R$97 ]
E-commerce de alto volume. Loja e relatórios rodam no mesmo banco.
Query pesada trava pedido. Coluna renomeada quebra pipeline sem avisar. Pagamento duplicado infla receita. Por dias, tudo parece normal – mas os dados estão mentindo.
Você vai construir, prompt por prompt, um sistema de agentes pra investigar esse cenário. Sem automação mágica. Na mão.
Você sai com:
Todo processo que você executa manualmente hoje, validar dados, corrigir erro, repetir a mesma tarefa em três sistemas diferentes, tem um custo.
Não é só tempo. É atenção que sai da parte do trabalho que realmente importa.
Engenharia Agêntica é a disciplina de projetar agentes de IA que fazem essa parte por você: decidem, executam e corrigem sozinhos, dentro de regras que você define.
O resultado não é só rapidez. É menos erro, porque o agente segue o processo sempre da mesma forma: sem cansaço, sem distração, sem pular etapa.
É outro nível de trabalho, e é o que separa quem vai continuar relevante daqui a dois anos de quem vai ficar competindo por tarefa manual com uma IA que faz mais rápido e mais barato.
Pra quem já sabe que IA não é só chatbot mais inteligente e quer sair do prompt solto — entender como agente entra no trabalho real: contexto, execução, validação, incidente.
Não é pra quem quer só assistir palestra, espera sair com fábrica autônoma pronta em 5 dias, ou quer terceirizar julgamento técnico.
Luan Moreno é mentor de mais de 15 mil profissionais na área de dados e atua na interseção entre AI Engineering, agentes inteligentes e arquiteturas modernas de dados.
Mais do que falar sobre IA, Luan tem aplicado essa nova forma de construir tecnologia em problemas reais de engenharia, automação e dados.
Um processo de entrada de dados levava de 15-20 min (34% de erro). Com IA Generativa, passou para 40-50 segundos, reduzindo o custo de milhares de dólares para centavos.
Arquitetou uma solução completa sem escrever código. O que levaria um ano inteiro com Spark e Airflow foi entregue do zero em tempo recorde.
Refatorou pipelines de dados com agentes de IA. Um processo estimado em dois meses foi entregue em apenas 8 horas.