Empreendedor em Residência da @Esade, Membro do Conselho Consultivo da iHealth Labs, Conselheiro, Mentor e Coach no Martin Trust Center for MIT Entrepreneurship, Investidor Anjo, e Chefe de Produto @Google Edu, Fundador, CPO e CEO da BrightBytes (Adquirida pelo Google), Membro do Conselho da iEARN-USA, Mentor e Coach - Big Ideas na Universidade da Califórnia, Berkeley Hisham Anwar, Empreendedor - Tecnólogo - Investidor Anjo O maior desafio na construção de agentes prontos para empresas não é a capacidade da IA de codificar, mas sim a Lacuna de Contexto. Assistentes de IA tradicionais muitas vezes perdem a visão geral à medida que as sessões crescem. Eles esquecem os padrões arquitetônicos, as peculiaridades da pilha tecnológica específica e o roadmap do projeto a longo prazo. Em um ambiente empresarial, isso (amnésia) leva a retrabalho e código inconsistente. Eu tenho mergulhado profundamente na estrutura GSD (Get Shit Done) para Claude Code, e é um divisor de águas para fluxos de trabalho agentes: Memória Persistente: Utiliza um planejamento/ diretório estruturado para dar a Claude uma memória a longo prazo, garantindo que ele nunca perca de vista os objetivos do projeto. Engenharia de Contexto Automatizada: Com comandos como /gsd:map-codebase, ele não apenas lê o código; ele constrói um modelo mental de toda a sua arquitetura. Roadmaps Verificáveis: Força um ciclo "Planejar > Executar > Verificar" que espelha os fluxos de trabalho de engenharia sênior, reduzindo a necessidade de supervisão constante. O que isso resolve: - Reduz a descoberta de semanas para dias - Extrai modelos de domínio implícitos de sistemas existentes - Gera fundações de camada semântica a partir de código de produção - Documenta fluxos de dados reais vs. arquitetura pretendida A chave insight: Sua lógica de negócios já codifica seu modelo de domínio. O GSD nos permite extraí-lo programaticamente em vez de reconstruí-lo manualmente através de entrevistas com partes interessadas. Esta não é uma solução completa para a lacuna de contexto, você ainda precisa de expertise humana em domínio, governança de dados e validação. Mas é um poderoso acelerador para a fase de descoberta. ...