Software sem tela é software sem cérebro

Em 30 segundos

1. Para Mike Cannon-Brookes, CEO da Atlassian, a eficiência da IA trava nas pessoas e nas telas, não na tecnologia.
2. O que deixa o agente mais barato e mais certeiro é contexto organizado e a memória das sessões anteriores.
3. Na visão dele, a IA muda mais a natureza dos empregos do que o número deles.

Os modelos de IA avançam rápido, mas a eficiência prometida ainda não aparece nas empresas. Falta mudar duas coisas ao mesmo tempo: o jeito como as pessoas pensam o trabalho e as telas em que elas trabalham com agentes. A tese é de Mike Cannon-Brookes, cofundador e CEO da Atlassian, entrevistado ao vivo por Alex Kantrowitz, do Big Technology Podcast, no Web Summit Lisboa 2026.

01O ganho trava nas pessoas e na tela

Cannon-Brookes admite que os agentes ainda rendem menos do que as empresas gostariam. A aposta da Atlassian, que ele mesmo chamou de enviesada, é o Agentic Multiplayer Protocol (AMP), lançado há cerca de um mês. É um conjunto de padrões técnicos que ligam agentes e sistemas (como MCP e A2A), embutido nas telas que as equipes já usam: Jira, Confluence, Loom e Service Collection.

Ele explica três jeitos de trabalhar com agente usando a imagem de uma mesa de reunião. Na conversa, pessoa e agente sentam em lados opostos e trocam perguntas e respostas. Na delegação, o agente vai à reunião no lugar da pessoa, com instruções, e conta depois o que fez. No pareamento, os dois sentam do mesmo lado e escrevem juntos um único resultado, como nos recursos novos do Loom. No Confluence, o comum é editar o documento a várias mãos, com pessoas e agentes de fornecedores diferentes.

O trabalho passa a ser definir o resultado, não executar a tarefa. Num modelo financeiro, a IA sempre devolve uma resposta; o profissional precisa de um jeito de conferir se ela está certa. Em design, contam gosto e julgamento. Com agentes, a pessoa define que tipo de resposta quer e deixa o agente rodar várias rodadas, que melhoram até chegar lá. Quase ninguém vai pensar assim no dia a dia, como um engenheiro especialista em IA; por isso, esse jeito de trabalhar tem de vir pronto dentro dos aplicativos.

02Contexto barateia o agente; o modelo pesa menos

O Teamwork Graph é a base de contexto da Atlassian: uma camada abaixo dos aplicativos que liga tudo o que a empresa sabe. Está em construção há cerca de oito anos, e a equipe passou de cinco para cerca de 1.000 pessoas. Reúne documentos, planilhas, projetos, metas, email, agenda, transcrições de reunião, código, bens físicos e bases de dados, como Databricks e Tableau.

As respostas saem para pessoas, em busca e chat, ou para agentes, por conexões feitas para eles. Um agente ligado a essa base acerta mais. Isso significa gastar menos tokens, a unidade em que se paga o uso da IA, com custo menor e resultado mais rápido. A Atlassian passou também a guardar as sessões de agentes: tira de cada uma as lembranças e os aprendizados e os devolve na sessão seguinte. O ganho se acumula e, disse ele, é a resposta para o diretor financeiro que pergunta pela conta.

Kantrowitz notou que Cannon-Brookes não citou nenhum modelo de IA e defendeu que eles estão virando mercadoria igual, lembrando serviços como o OpenRouter. O CEO discordou: os modelos seguirão com pontos fortes e custos muito diferentes por tarefa, embora importem menos do que se pensa. Pular sempre para o modelo mais novo sai caro, muitas vezes é mais lento e nem sempre dá resultado melhor. A Atlassian escolhe qual modelo responde melhor a cada pergunta, o que chama de model blending. Em cima disso vêm as outras camadas: o programa que comanda o modelo, o contexto, o AMP, as telas e os aplicativos.

03Emprego: a função muda antes de sumir

Para Cannon-Brookes, reestruturação descreve o momento melhor do que substituição, e no saldo a IA vai criar bem mais empregos do que muda. O paralelo dele são as agências bancárias: nos anos 2000, previa-se o fim delas com o banco online e pelo celular. Segundo ele, elas cresceram nos últimos dez anos na Austrália e nos Estados Unidos porque passaram a fazer outro trabalho, centrado no atendimento ao cliente.

Desenvolvedores, designers, profissionais de marketing e de finanças continuam existindo, mas não vão trabalhar daqui a cinco anos como trabalhavam cinco anos atrás. A proporção entre as funções pode mudar: ele ouviu um gerente de produto prever mais gerentes de produto, e um engenheiro prever mais engenheiros. A conclusão dele: veremos. Kantrowitz, que no livro 'Always Day One' mostrou funcionários da Amazon trocando a precificação automatizada por funções mais criativas, disse não saber se essa premissa ainda vale.

A pergunta que ele propõe às empresas é como mudar as funções que já existem antes que outra empresa faça melhor o mesmo trabalho com IA. Mudar convicções antigas das pessoas, disse, é desafio de talento mais do que de tecnologia. Ele também recusa o rótulo de vendedor de IA: a Atlassian vende produtos que fazem os processos da empresa andar, e a IA é um ingrediente novo, como foram o celular e a internet. Por isso, prevê, as empresas com .ai no nome vão desaparecer.

Números da palestra

1.000 pessoasEquipe atual do Teamwork Graph; eram cerca de 5 no início

8 anosTempo de construção do Teamwork Graph, a base de contexto da Atlassian

15 anosPermanência média no S&P 500 hoje; eram 67 no século passado

04Sem tela, o software morre

Kantrowitz perguntou se os laboratórios de IA, que agora lançam aplicativos próprios e veem como as empresas usam os modelos, vão criar produtos concorrentes. Cannon-Brookes respondeu que preocupado não é a palavra: nos anos 90 o medo era a Microsoft; depois, Google e Amazon. Toda empresa tem limites de foco e de especialidade. Entregar resultado em grande escala, com as exigências legais e cuidado contínuo com o design, é problema de arte e criatividade, não de algoritmo. Mas, disse, nunca diga nunca.

Contra a tese de que todo software vai sair de graça, feito por qualquer um com ajuda da IA (o chamado vibe coding), Cannon-Brookes usa o mesmo raciocínio ao contrário. O custo de escrever código caiu também para os fornecedores, e o avanço dos modelos está disponível a todos. Isso deixa o jogo mais equilibrado. A decisão que sobra para quem faz software é até onde colocar o produto dentro de um agente.

Headless (sem cabeça, em inglês) é o software sem tela própria, usado só por agentes. Para ele, parar de investir em design por supor que o uso virá todo assim é caminho para a morte. A Atlassian investe nas conexões para agentes, mas sustenta que usar os sistemas da empresa digitando comandos é ineficiente; uma pesquisa recente, disse, mostrou que as pessoas detestam esse jeito de trabalhar. Há protótipos internos de telas criadas pela IA, com um limite: tela diferente a cada acesso desorienta. Tratar todo software como um banco de dados sem tela é, para ele, uma ideia interessante, mas veremos.

A própria ideia de ser headless implica que você não tem cérebro.

Para levar

1. Antes de trocar de modelo, descubra quem organiza o contexto da operação para os agentes.
2. Escolha o modelo de IA por tarefa e por custo, não pela novidade.
3. Abrir sistemas a agentes não autoriza cortar o investimento em tela e experiência.

Três ângulos para as empresas

Estratégia

Se o avanço dos modelos chega igual a todos, a defesa de uma empresa passa a ser o que ela executa bem em grande escala: processo, exigências legais e experiência do cliente. Vale mapear quais sistemas internos guardam esse conhecimento antes de decidir o que refazer com IA.

Pessoas

Pedir resultado em vez de tarefa exige que cada área saiba dizer como confere se a resposta do agente está certa. Sem esse critério escrito, a equipe só troca execução por confiança cega.

Operação

Os três modos (conversa, delegação, pareamento) servem de mapa para redesenhar processos. Em cada etapa, alguém precisa responder pelo que o agente fez em nome de uma pessoa.

Contraponto

Cannon-Brookes vende exatamente o que defende: tela, base de contexto e protocolo próprio, e admitiu no palco ser enviesado.

A economia de tokens com o Teamwork Graph veio sem número. A pesquisa sobre a rejeição ao trabalho por comandos veio sem nome nem fonte. A afirmação de que a Atlassian tem um dos servidores MCP (a porta de conexão para agentes) mais usados do mundo ficou sem medida, e a analogia das agências bancárias também não trouxe dado.

A previsão de que a IA criará mais empregos do que muda convive com o alerta dele contra quem promete saber o que vem em cinco anos. Este texto cobre 26 dos 30 minutos da sessão.

Leitura FFX

A conversa prometia discutir a morte do software e entregou um critério para decidir onde investir em IA.

O dinheiro costuma ir para o modelo, a camada que Cannon-Brookes considera menos decisiva e mais parecida entre concorrentes. As camadas em que ele vê diferença são outras: o contexto (documentos, decisões, código e histórico reunidos num lugar que o agente consulta), a memória (o que cada sessão de agente aprendeu e passa para a próxima) e a tela em que pessoas e agentes dividem o trabalho. Há um motivo prático para cobrar números dessa tese: segundo levantamento da FFX, a Atlassian passa a cobrar por uso a partir de 3 de dezembro de 2026, e a promessa de gastar menos por resposta certa vira cláusula de contrato, quando no palco veio sem medida. A outra decisão é fazer em casa ou comprar.

A Centauro, do Grupo SBF, comprou de parceiros a base da sua plataforma de agentes e desenvolve dentro de casa as aplicações de cada área. Dos mais de 900 agentes em produção, cerca de 310 são usados todo dia, depois de mais de 2.300 pessoas treinadas (Exame, 2026). Para o varejo brasileiro, a conta é essa: comprar o que o fornecedor entrega igual para todos, construir só o que carrega um processo que só a empresa conhece e medir o uso diário antes de contar agentes.

Retrato da empresa

Atlassian

Empresa de software de colaboração e gestão de trabalho (Jira, Confluence, Loom, Trello), com a camada de IA Rovo e o Teamwork Graph.

• Receita do ano fiscal 2026: US$ 6,572 bilhões, alta de 26% (comunicado de resultados, SEC, 06/08/2026)
• Receita de nuvem no 4º trimestre fiscal 2026: US$ 1,213 bilhão, alta de 31% (TNW, 06/08/2026)
• Teamwork Graph com mais de 200 bilhões de objetos e conexões (carta aos acionistas, SEC, 06/08/2026)
• Corte de cerca de 1.600 vagas, 10% do quadro, em março de 2026 (TechRepublic, 11/03/2026)
• Projeção de crescimento de receita de 13% para o ano fiscal 2027 (comunicado de resultados, SEC, 06/08/2026)

Provocação FFX

Na sua empresa, o freio da IA é a tecnologia ou o jeito de pensar das pessoas?