SambaTalks T09E11 com Denis Vieira, CIO da Alelo

https://www.youtube.com/watch?v=SVKvFHhMpNE

Todo dia, ao meio-dia, acontece uma Black Friday. Não numa data marcada no calendário, com semanas de preparação e campanha, mas todo santo dia, quando milhões de pessoas saem para almoçar e passam o cartão de benefício ao mesmo tempo. Para quem opera esse sistema, o pico que um grande e-commerce enfrenta uma vez por ano é a rotina de qualquer terça.

A Alelo processa 55 milhões de transações por mês, e boa parte delas se concentra nesses picos diários. Por trás de cada aprovação instantânea existe uma infraestrutura que precisa se dimensionar para não cair no horário mais movimentado, um histórico de dados que decide em tempo real se aquela compra é fraude, e três tipos de cliente completamente diferentes que precisam ter uma boa experiência ao mesmo tempo. É o tipo de complexidade que ninguém vê, e é exatamente onde a tecnologia deixou de ser coadjuvante.

No novo episódio do SambaTalks, Gustavo Caetano e Pedro Filizzola recebem Denis Vieira, CIO da Alelo, que lidera as áreas de tecnologia, produto e operação. A conversa passa pela evolução do papel da tecnologia dentro das empresas, pela disciplina de dados que sustenta qualquer IA, pelo modelo que junta tecnologia e produto sob a mesma liderança, e pela discussão mais provocativa do momento: o que sobra para o profissional de tecnologia quando qualquer pessoa consegue clonar uma interface em poucos dias.

Denis viveu de dentro as transições que moldaram a internet brasileira. Começou nos anos 90 implementando um dos primeiros projetos de Internet Banking do país, passou pela distribuição de mídia em escala quando transmitir vídeo para milhões de pessoas ainda era um problema técnico sem solução pronta, atravessou o e-commerce e a engenharia de canais digitais de um grande banco, e há quatro anos está na Alelo. Essa trajetória por segmentos tão distintos aparece na forma como ele fala: sempre voltando ao mesmo eixo, o de que tecnologia só importa quando resolve um problema real de quem está do outro lado.

De sala do CPD a corresponsável pelo negócio

O primeiro ponto que Denis desenvolve é como o próprio lugar da tecnologia mudou dentro das empresas.

Houve um tempo em que a área de tecnologia era uma sala isolada. Se algo quebrava, alguém ligava para o pessoal do CPD, reclamava, e esperava o servidor voltar. A tecnologia era reativa, acionada só quando havia problema, e vivia à parte do resto do negócio, às vezes literalmente em outro prédio.

Isso se inverteu. À medida que os produtos, os serviços e a própria escala passaram a depender de tecnologia para existir, ela deixou de ser reativa e virou parte da operação diária. E não só parte: passou a ser cobrada pela continuidade, pela velocidade, pela disponibilidade do negócio.

Hoje a tecnologia é responsabilizada pelo próprio negócio. Pela perenidade, pela velocidade, pela continuidade quando acontece algum tipo de desastre. Se isso não foi pensado antes, a continuidade vira um problema enorme.

Essa mudança tem uma consequência prática que Denis faz questão de marcar. Todo negócio hoje é, de algum jeito, um negócio de tecnologia embutida. Não no sentido de precisar de um departamento de TI, mas no sentido de que a tecnologia precisa estar dentro do produto, dentro da operação, dentro da decisão. A separação antiga, com produto num prédio e tecnologia em outro, deixou de fazer sentido.

Sua IA só é tão boa quanto os dados que a sustentam

Se a tecnologia virou parte do negócio, os dados viraram o coração dela. E aqui Denis desfaz um mal-entendido comum sobre o momento atual.

Machine learning não caiu do céu com a IA generativa. Existe há décadas no mundo acadêmico. O que aconteceu nos últimos anos foi a chegada da IA generativa ao dia a dia das pessoas, um choque de curtíssimo prazo para quem estava distante de tecnologia. Mas a disciplina que sustenta tudo isso é bem mais antiga, e é sobre ela que a maioria das empresas ainda tropeça.

A qualidade da IA depende diretamente da qualidade dos dados. E o cuidado tem que estar no momento em que o dado é gerado, não num retrabalho de limpeza feito lá na frente.

Esse é o ponto menos óbvio e mais valioso da fala. Dado bom não se conserta depois; se faz na origem. As empresas que entenderam isso cedo, que trataram a geração do dado com cuidado desde o começo, largaram na frente, porque construíram uma base sólida para tomar decisão e criar produtos. As que deixaram o dado bagunçado colecionam retrabalho e, agora, uma IA que não funciona como deveria.

Na Alelo, os dados sustentam coisas concretas: o dimensionamento de infraestrutura que segura os picos do meio-dia, os fluxos de prevenção à fraude que avaliam cada transação em tempo real, e produtos que são feitos inteiramente de dado, como o Mais Clientes, que permite a um restaurante ou supermercado criar campanhas de cashback e fidelidade para os clientes que já têm recorrência ali.

O cliente que é três clientes ao mesmo tempo

Talvez a sacada mais original do episódio seja a forma como Denis descreve a complexidade do negócio de benefícios. A Alelo não atende um cliente, atende três, e às vezes os três são a mesma pessoa.

Ele usa um exemplo que ilumina tudo. Pense num profissional de RH de um restaurante. De manhã, ele é o RH que contrata o benefício para os funcionários. No almoço, tira o cartão do bolso e vira o consumidor que faz a transação. À tarde, como o restaurante recebe pagamentos via Alelo, ele é o estabelecimento que precisa acompanhar o que entrou. E no fim do dia, ainda olha a etapa de liquidação. Quatro relações diferentes com a mesma empresa, sobre o mesmo CNPJ, no mesmo dia.

Se a gente não olhar para esse cliente com muito cuidado, ele tem relação com três empresas distintas dentro da mesma companhia. E todos os três momentos precisam de uma boa experiência.

A resposta da Alelo a isso é organizacional. Em vez de squads separados por tipo de cliente, a empresa organiza o trabalho por etapas da jornada, com times dedicados a otimizar cada momento, do primeiro contato ao uso recorrente, independentemente de quem seja o cliente daquela ponta. O consumidor não quer saber quantos sistemas existem por trás, e Denis defende que essa complexidade tem que ser completamente abstraída de quem usa. Um detalhe simples como um login único, que evita a pessoa ter três senhas para três interações, é o tipo de cuidado que essa estrutura protege.

Produtech: quem lidera a tecnologia responde pelo produto

Como uma empresa desse tamanho decide o que priorizar e como leva IA para dentro sem se perder? A resposta de Denis é um modelo que ele chama de Produtech.

A ideia parte de uma recusa: não existe tecnologia pela tecnologia. A Alelo não vende tecnologia, vende serviço através dela, e Denis considera fácil demais perder esse fio, se empolgar com a ferramenta que acabou de sair em beta e querer usá-la sem um problema de negócio por trás.

A pergunta certa não é qual tecnologia eu quero usar, é qual problema de negócio eu quero resolver. A partir do problema é que se define a tecnologia.

Para garantir isso na prática, as lideranças de tecnologia são as mesmas que respondem por produto. É isso o Produtech: uma estrutura que equilibra as duas perguntas, o problema a resolver e a tecnologia adequada para resolvê-lo, sob a mesma responsabilidade. Assim a tecnologia é cobrada pelo sucesso do negócio, não só por manter os sistemas no ar.

Esse equilíbrio fica mais crítico com IA. Denis é direto sobre um risco que muita empresa grande já sentiu na pele: o custo de inferência dos tokens na escala de milhões de clientes. Quando se distribuem agentes de IA sem governança, cada um consumindo tokens livremente, a conta explode. Ele compara ao começo da nuvem, quando bastava esquecer um servidor ligado para receber uma fatura assustadora. Por isso, na Alelo, um time especialista em IA e dados trabalha junto com os desenvolvedores para que uma boa ideia técnica não vire um problema orçamentário. Um produto que fatura 100 e custa 150 para operar não para em pé, por mais inteligente que seja.

A cadeia serializada de desenvolvimento morreu

Um dos trechos mais úteis para quem lidera times de tecnologia é quando Denis descreve o que mudou no jeito de construir software.

O modelo antigo era uma corrida de revezamento. Alguém de negócio tinha uma ideia, passava para produto, que estruturava e passava para engenharia, que programava e passava para o QA, que encontrava problemas e devolvia, e no fim a infraestrutura fazia o deploy. Cada etapa esperava a anterior, e o resultado às vezes chegava tarde demais, ou chegava e não gerava valor nenhum para o cliente.

Essa serialização de etapas para colocar algo em produção morreu. Hoje o produto senta junto com a tecnologia, pensa em algo rápido, prova a tese, e só então pensa em escala.

A inversão é importante. A escala deixou de ser o ponto de partida e virou

consequência. Primeiro se constrói um MVP que prova a hipótese com um grupo de clientes; depois, com a engenharia embarcada, pensa-se em como escalar aquilo que já mostrou fazer sentido. É uma forma de evitar o desperdício de construir por meses algo que ninguém vai usar.

O futuro do desenvolvedor: repertório, não sintaxe

O fechamento do episódio entra na discussão que mais mexe com quem trabalha com tecnologia hoje: se a IA escreve código, o que sobra para o programador?

Denis não foge da provocação. Ele reconhece que a produtividade explodiu e que ferramentas de vibe coding permitem colocar uma aplicação no ar em horas, sem escrever uma linha de código. Mas faz uma distinção que separa o hype da realidade. Qualquer um consegue gerar uma interface; quase ninguém consegue gerar o que está por trás dela.

Você cria o app do Uber em três dias. Mas o diferencial do Uber não é o app, é a rede, são os dados, é o ecossistema. A interface se copia. O ecossistema, não.

E há um segundo filtro, tão importante quanto. A IA sem contexto entrega código frágil, um emaranhado que funciona no protótipo e desaba na escala. Quem tem repertório técnico sabe pedir arquitetura distribuída, sabe proteger uma chave de API, sabe o que não pode ir para produção. Quem não tem coloca no ar uma aplicação que parece pronta e é invadida em minutos, como no caso, que viralizou, do desenvolvedor iniciante que subiu um site com IA, comemorou as primeiras vendas e, duas horas depois, voltou pedindo socorro porque a base de dados havia sumido.

O recado para quem está se formando é esse: o valor não está mais em escrever a sintaxe, que a IA faz, mas em ter o repertório para comandá-la e o entendimento do cliente para saber o que construir. O desenvolvedor que se diferencia é o que levanta da cadeira e entende o que mexe com quem usa o produto.

O que fica do episódio

A conversa com Denis mostra uma tecnologia que saiu da sala isolada e sentou à mesa da estratégia. Ela é cobrada pelo resultado do negócio, depende de uma base de dados bem construída para qualquer coisa funcionar, e só entrega valor quando parte de um problema real em vez da ferramenta da moda.

O episódio deixa três coisas para quem lidera. Para quem trabalha com dados e IA, o lembrete de que nenhum modelo compensa uma base mal construída, e que o cuidado começa na origem do dado. Para quem estrutura times, o modelo Produtech, que junta tecnologia e produto sob a mesma responsabilidade para que uma nunca ande sem a outra. E para quem se preocupa com o futuro do trabalho, a certeza de que o diferencial deixou de ser a sintaxe e passou a ser o repertório, o ecossistema que não se copia e o entendimento de quem está do outro lado.

🎧 Quer mais insights como esses? Confira todos os episódios do SambaTalks no Spotify e descubra como líderes de grandes empresas estão aplicando inovação e IA nos negócios.

🚀 E se fosse no seu negócio? Na Samba, ajudamos empresas a aplicar IA de forma prática. Fale com nossos consultores.