Referências e trilhas de aprofundamento

Todas as fontes foram consultadas em 1º de novembro de 2026. Datas de publicação e de coleta de dados são distinguidas quando relevantes. Páginas de documentação sem data explícita são identificadas como documentação corrente. Os identificadores [F01] a [F39] são links para as fontes originais.

17.1. Premissa e atribuição

• F01 Butler, Bart — “Proton’s AI manifesto for software engineering”. Proton, 01/11/2026. Fonte pública do manifesto fornecido pelo usuário. Texto de posicionamento e orientação organizacional; não é estudo de produtividade.
• F02 Proton — “Bart Butler”. Página oficial do autor, corrente. Verificação da atribuição e do cargo de CTO.

17.2. Mudança do trabalho, produtividade e organização

• F03 DeBellis, Storer, Harvey e colaboradores — “DORA 2025 State of AI-assisted Software Development Report”. DORA/Google, 2025. Pesquisa qualitativa e survey sobre IA e desenvolvimento.
• F04 Storer e DeBellis — “Introducing the DORA AI Capabilities Model”. Google Cloud, 23/09/2025. Apresentação pelos pesquisadores das capacidades organizacionais associadas aos resultados.
• F05 Baolin e Harvey — “Balancing AI tensions: Moving from AI adoption to effective SDLC use”. DORA, 10/03/2026. Análise temática de respostas de engenheiros; útil para investigar deslocamento de esforço.
• F06 Lopopolo, Ryan — “Harness engineering: leveraging Codex in an agent-first world”. OpenAI, 11/02/2026. Relato de engenharia do fornecedor sobre execução com agentes e preparação do ambiente.
• F07 Rajasekaran, Prithvi — “Harness design for long-running application development”. Anthropic, 24/03/2026. Experiência de desenvolvimento com planejamento, geração e avaliação.
• F08 Anthropic Economics — “Agentic coding and persistent returns to expertise”. 16/06/2026. Estudo observacional de sessões; útil para entender domínio e divisão de trabalho.
• F09 Cui, Demirer, Jaffe, Musolff, Peng e Salz — “The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers”. Junho de 2025. Experimentos de campo apresentados pelos autores em Microsoft Research.
• F10 Becker e colaboradores — “We are Changing our Developer Productivity Experiment Design”. METR, 24/02/2026. Atualização metodológica sobre seleção, medição e trabalho simultâneo com agentes.
• F11 Forsgren e colaboradores — “The SPACE of Developer Productivity: There’s more to it than you think”. ACM Queue, fevereiro de 2021. Framework de produtividade multidimensional; página dos autores em Microsoft Research.
• F12 Noda e Tacho — “Applying the DevEx framework”. 01/03/2024. Orientação dos autores sobre aplicação. Complementa o artigo original “DevEx: What Actually Drives Productivity”, de Noda, Storey, Forsgren e Greiler, publicado em 03/05/2023.
• F13 Houck e colaboradores — “The SPACE of AI: Real-World Lessons on AI’s Impact on Developers”. Microsoft Research, agosto de 2025. Estudo de métodos mistos sobre experiência, produtividade e adoção em equipe.
• F38 Harvey, Nathen — “DORA’s software delivery performance metrics”. DORA, documentação corrente. Definições oficiais das cinco métricas e orientação de uso contextualizado.
• F39 Anthropic Engineering — “Redesigning source control at Anthropic”. 13/10/2026, atualizado em 15/10/2026. Relato sobre infraestrutura e controle de versões em uma carga excepcional de trabalho com IA.

17.3. Formação, fundamentos e julgamento

• F14 ACM, IEEE Computer Society e AAAI — “Generative AI and the Curriculum”, seção de CS2023. Janeiro de 2024. Orientação curricular sobre mudança das atividades e permanência dos fundamentos.
• F15 Anthropic — “How AI assistance impacts the formation of coding skills”. 29/01/2026. Divulgação do experimento de Shen e Tamkin sobre aprendizagem imediata com assistência de IA.
• F16 Lee e colaboradores — “The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers”. CHI, abril de 2025. Survey correlacional sobre esforço crítico e confiança.
• F35 Winters, Titus — “What Is Software Engineering?”. Em Software Engineering at Google, 2020. Referência sobre tempo, escala e escolhas de engenharia.
• F36 Chen e Barolak — “Knowledge Sharing”. Em Software Engineering at Google, 2020. Referência sobre aprendizagem coletiva, documentação e distribuição de expertise.
• F37 Rodden, Hutchinson e Fu — “Measuring the User Experience on a Large Scale: User-Centered Metrics for Web Applications”. CHI, 2010. Apresentação do framework HEART e de métricas orientadas ao usuário.

17.4. Contexto, ferramentas, agentes e avaliação

• F17 Anthropic — “Effective context engineering for AI agents”. 29/09/2025. Práticas de organização e manutenção do contexto durante a execução.
• F18 Anthropic — “Writing effective tools for agents — with agents”. 11/09/2025. Projeto e avaliação de interfaces de ferramentas.
• F19 Anthropic — “Equipping agents for the real world with Agent Skills”. 16/10/2025, com atualização em 18/12/2025. Organização de instruções, recursos e scripts reutilizáveis.
• F20 Anthropic — “Demystifying evals for AI agents”. 09/01/2026. Metodologia de avaliação de tarefas, execuções, trajetórias e resultados.
• F21 Kim e colaboradores — “Towards a Science of Scaling Agent Systems”. arXiv, versão 3, 08/04/2026. Preprint experimental sobre coordenação e alinhamento entre arquitetura e estrutura da tarefa. A versão citada evita misturar números de revisões anteriores.
• F22 Carlini, Nicholas — “Building a C compiler with a team of parallel Claudes”. Anthropic, 05/02/2026. Experimento de capacidade e relato sobre testes, ambiente e divisão de trabalho.
• F27 Delimarsky, Den — “Spec-driven development with AI: Get started with a new open source toolkit”. GitHub, 02/09/2025. Proposta metodológica e apresentação do Spec Kit.

17.5. Segurança e limites operacionais

• F23 Anthropic — “How we contain Claude across products”. 25/05/2026. Relato de segurança sobre isolamento, limites de acesso e contenção.
• F24 OWASP GenAI Security Project — “OWASP Top 10 for Agentic Applications for 2026”. 09/12/2025. Framework de especialistas. Foram consultados a apresentação e o documento disponível para download.
• F25 Model Context Protocol — “Security Best Practices”. Documentação da versão 2026-07-28. Orientação técnica sobre identidade, autorização e riscos de integração.
• F26 GitHub Docs — “Customizing or disabling the firewall for GitHub Copilot”. Documentação corrente. Exemplo concreto de limites e cobertura de um controle de saída de rede.

17.6. Dados, confiabilidade e operação

• F28 PostgreSQL — “Transaction Isolation”. Documentação da versão 16, seção 13.2. Semântica de isolamento e operações concorrentes usada no exemplo técnico. A referência é explicitamente a essa versão.
• F29 Featonby, Malcolm — “Making retries safe with idempotent APIs”. Amazon Builders’ Library, sem data explícita. Experiência de projeto de contratos de repetição e identificação de intenção.
• F30 AWS Prescriptive Guidance — “Transactional outbox pattern”. Documentação corrente. Fronteira entre escrita no banco e publicação, com considerações sobre duplicatas.
• F31 OpenTelemetry — “Signals”. Documentação corrente. Referência para traces, métricas, logs e sinais de observação.
• F32 Ewaschuk, Rob — “Monitoring Distributed Systems”. Em Site Reliability Engineering, Google, 2016. Fundamentos de monitoramento e interpretação de sinais.
• F33 Google — “Canarying Releases”. Em The Site Reliability Workbook, 2018. Automação de releases e implantação gradual com avaliação.
• F34 Google — “Eliminating Toil”. Em The Site Reliability Workbook, 2018. Identificação e redução de trabalho operacional repetitivo.

17.7. Trilhas sugeridas de aprofundamento

Para mudar a própria prática: manifesto F01, contexto F17, especificação F27 e avaliação F20. Acompanhe a leitura com uma entrega real.

Para ampliar a capacidade da equipe: DORA F03 F04, métricas F38, DevEx F12 e compartilhamento de conhecimento F36. Escolha um gargalo e acompanhe seu efeito.

Para exercer julgamento técnico: currículo F14, formação de habilidades F15 e fontes de fundamentos pertinentes ao seu sistema, como F28 F29 F32. Resolva variantes e investigue falhas.

Para aumentar autonomia com controle: segurança de agentes F23 F24, integração F25 e arquitetura de coordenação F21. Avalie o ambiente concreto antes de ampliar permissões.