O problema
Se você trabalha numa empresa com R&D no Brasil, que utiliza-se da Lei de Informática para conseguir benefícios fiscais, provavelmente sabe que cada empresa precisa escrever um relatório gigantesco das atividades realizadas durante o ano fiscal para justificar e provar o desenvolvimento de tecnologia. Caso esse relatório não seja entregue, ou não consiga provar o valor da pesquisa, os benefícios fiscais dados são revogados e a empresa precisa realizar pagamento retroativo do que não foi pago (e com reajuste). Portanto, é um relatório crítico (mesmo com impacto na produtividade).
Dito isto, geralmente (pelo menos nas empresas que trabalhei até hoje) é o próprio time de engenharia quem é responsável por escrever esse relatório para cada atividade concluída durante o ano. Como você deve imaginar, esta é uma tarefa metódica, chata e que consome um tempo considerável para ser feita. Principalmente durante a fase de revisão, que temos que revisitar esses relatórios e fechar alguns pontos em abertos e/ou melhorar o texto em geral.
Já vi diferentes formas de lidar com essa questão. Seja reservando um momento no final de cada sprint, para que os engenheiros escrevam o relatório das atividades fechadas durante a sprint, ou para o trimestre, ou até para o ano (aqui é uma loucura completa).
Nem sempre esse esquema de reservar um momento vai funcionar, seja por prioridade com outras atividades mais urgentes, ou por conflito de agendas, whatever. O ponto é: via de regra, essa é o tipo de atividade que vai acumular. Agora imagina você ter que escrever um relatório bem descritivo, dos motivos, desafios, aprendizados e resultados de uma atividade que você fechou há 3 meses? Em resumo: não é uma atividade trivial. Já vi times inteiros parar por DIAS para conseguir entregar o relatório dentro do prazo, o que é desastre para a produtividade do time.
Como resolvi esse problema? GenAI!
No momento em que escrevo esse post (em Junho de 2025), eu tenho passado as últimas semanas imerso em ferramentas de GenAI, tanto voltado para uso geral, quanto focado no ambiente de desenvolvimento. E, percebendo o poder que a GenAI traz para a mesa, principalmente com o advento do protocolo MCP e quão rápido as empresas adotaram essa tecnologia e implementaram MCP Servers para os seus produtos, eu percebi que com o prompt correto, eu poderia mitigar (ou até resolver de vez) essa dor que o time inteiro estava sentindo.
MCP Servers
Se você não sabe o que é MCP ou MCP servers, eu recomendo FORTEMENTE que você leia o artigo introdutório da Anthropic (empresa responsável pela definição do protocolo). Embora seja um tópico bem novo, já tem muito conteúdo sobre na internet e vídeos inteiros no YouTube explicando o seu funcionamento e como integrá-los no seu dia a dia.
De forma BEEEM resumida, você pode pensar nos MCP Servers como uma forma de integrar um serviço com uma LLM. Por exemplo:
Imagine que você pudesse integrar a sua conta da Netflix com o seu ChatGPT. E, de repente, você pudesse perguntar ao ChatGPT em qual episódio você parou de assistir aquela série, ou pedir para ele adicionar um filme na sua lista de “assistir mais tarde”, ou perguntar se um conteúdo está disponível ou não. Tudo isso diretamente no ChatGPT.
GenAI
Há essa altura do campeonato, imagino que praticamente todo ser humano, querendo ou não, já ouviu falar e sabe minimamente do que se trata IA Gerativa. Portanto, não vou me alongar aqui. O importante é saber que utilizando essa tecnologia, conseguimos gerar praticamente qualquer tipo de conteúdo que temos disponível hoje na internet. E os principais modelos disponíveis no mercado são especialistas em gerar texto.
A solução
Se você acompanhou o raciocínio, você já sacou a brincadeira. De um lado temos uma tecnologia que é especialista em gerar texto e do outro temos outra tecnologia que permite conectar a primeira com serviços terceiros. Para aqueles que ainda não pegaram:
E se eu usasse MCP Servers para conseguir buscas todas as informações relacionadas a uma atividade específica (Pull Requests, tíquetes no Jira, documentações, comentários, etc.) e pedir para uma LLM gerar o relatório da atividade?
Bingo!
Prompt Engineering
Se você tentar replicar isso, você vai perceber que toda a dificuldade do processo estará concentrada na definição do prompt, para garantir que ele gere o relatório no formato correto, usando as fontes corretas, respondendo as perguntas corretas, no tom correto. Isso pode parecer trivial, mas se você quiser um mínimo de padrão nas respostas e nos relatórios gerados para minimizar o trabalho de ajuste manual e facilitar a revisão, você precisará de um prompt bem redondo.
O resultado
Indo direto ao ponto:
Para escrever o relatório de uma atividade média que atingisse todos os critério do texto, um engenheiro poderia levar entre 7 e 10 minutos. Esse número pode ser ainda maior, dependendo do quão antiga e difusa for as informações necessárias para criar o relatório.
Utilizando a solução proposta usando MCP Servers e GenAI: 2 minutos. Tudo o que engenheiro precisa fazer é pegar os links necessários, rodar o prompt e revisar o resultado. Com o nível de maturidade atual do prompt, revisões (quando necessárias) são mínimas.
Claro, usar apenas um prompt ainda não é a melhor forma de resolver esse problema. Se você tem conhecimento de Agentes de IA, você já deve tá pensando que isso poderia ser facilmente uma malha de agentes, cada um responsável por parte da tarefa e no fim já ter isso gerado de forma totalmente automatizada. Sim, concordo, mas tudo é custo e tempo de implementar. Se você conseguir fazer algo parecido, me conta que quero saber!
Enfim…
O impacto que essa solução, relativamente simples, irá trazer a longo prazo na produtividade (e na moral) do time é gigantesco. E essa é apenas UMA das soluções que podemos implementar com esse tipo de tecnologia.
Se você, assim como eu, se interessa por esse tipo de conteúdo, me chama no LinkedIn e vamos trocar figurinhas!
Dê uma olhada também nos meus outros artigos!