Durante anos, times de tecnologia utilizaram Story Points como uma forma de estimar esforço e organizar entregas. Esse modelo funcionava relativamente bem em um cenário onde praticamente toda implementação era realizada manualmente por desenvolvedores humanos. Mas o contexto mudou.

 

Com o crescimento de ferramentas de IA capazes de gerar código, revisar implementações, criar testes e acelerar entregas, parte significativa da execução técnica passou a ser assistida — ou até parcialmente executada — por IA. E isso muda uma pergunta fundamental da gestão de projetos.

 

“Quanto esforço isso exige?”

 

Agora, em muitos cenários, a pergunta passa a ser:

“Quanto controle e supervisão essa execução exige?”


É exatamente nesse contexto que surge o CIRK, uma proposta voltada para ambientes AI-Driven que substitui estimativas tradicionais por um modelo baseado em contexto, iteração, revisão e risco operacional. Mais do que medir esforço, o CIRK busca definir como uma tarefa deve ser executada e supervisionada em ambientes com IA.

Por que Story Points começam a perder força em ambientes com IA?

Story Points nasceram em uma realidade onde desenvolvimento significava necessariamente tempo humano de implementação.

Mas quando IA consegue:

  • Gerar estruturas completas; 
  • Criar testes; 
  • Sugerir correções; 
  • Acelerar refatorações; 
  • Automatizar partes da documentação;

O esforço bruto deixa de ser o principal indicador de complexidade. E é justamente aqui que o CIRK se torna relevante.

Uma tarefa pode ser implementada rapidamente por IA e ainda assim representar:

  • Alto risco operacional;
  • Necessidade crítica de revisão;
  • Grande dependência de contexto;
  • Impacto severo em produção.

Ou seja:

velocidade de implementação não significa segurança de execução.

O que o CIRK muda na Gestão de Projetos?

O ponto mais interessante do CIRK talvez não esteja apenas na engenharia de software, mas na forma como a gestão passa a operar.

A lógica deixa de ser apenas:

  • “Quanto tempo isso leva?”
  • “Quem vai desenvolver isso?”

E passa a incluir:

  • “Qual o nível seguro de autonomia da IA?”
  • “Quanto contexto essa execução exige?”
  • "Qual o nível necessário de supervisão?"
  • "Qual o impacto operacional dessa entrega?"

Isso muda diretamente a forma de planejar, distribuir e validar trabalho.

Context: complexidade nem sempre está no código

Nem toda tarefa difícil é tecnicamente complexa.

Muitas vezes, o problema está no contexto necessário para executar corretamente:

  • Regras de negócio;
  • Legado;
  • Integrações;
  • Dependências internas;
  • Decisões históricas da arquitetura.

Em gestão de projetos, isso ajuda a identificar tarefas que aparentemente parecem simples, mas carregam alto risco por dependerem de conhecimento profundo do sistema.

Iteration: projetos modernos vivem em refinamento contínuo

Em muitos projetos, requisitos não chegam completamente definidos.

Existem:

  • Mudanças de prioridade;
  • Refinamentos constantes;
  • Validações de produto;
  • Ciclos rápidos de feedback.

O conceito de iteração dentro do CIRK ajuda a reconhecer tarefas que exigem descoberta contínua, algo muito comum em produtos modernos e isso muda a gestão porque velocidade de execução deixa de ser o único foco e a capacidade de adaptação passa a ter peso operacional real.

Review: revisão vira mecanismo de governança

Com IA participando da execução, revisão deixa de significar apenas “code review”.

Ela passa a envolver:

  • Segurança;
  • Conformidade;
  • Aderência arquitetural;
  • Risco operacional;
  • Validação humana.

Quanto maior a autonomia da IA, maior a importância da supervisão correta e na prática, a gestão passa a administrar também níveis de confiança operacional.

Integration Risk: algumas tarefas são simples, mas perigosas

Existem mudanças relativamente simples de implementar, mas extremamente sensíveis de integrar:

  • Autenticação;
  • Billing;
  • Deploy;
  • Permissões;
  • Integrações externas;
  • Sincronização de dados.

Esse tipo de risco normalmente não aparece bem em modelos baseados apenas em esforço, e o CIRK ajuda justamente a adicionar uma camada mais próxima da realidade operacional do projeto.

CIRK não substitui Scrum ou Kanban

Esse é um ponto importante.

O CIRK não concorre com frameworks ágeis tradicionais.

Scrum e Kanban continuam organizando:

  • Fluxo;
  • Cadência;
  • Priorização;
  • Comunicação.

O CIRK atua em outra camada: a governança da execução em ambientes assistidos por IA.

Ou seja:

Scrum organiza trabalho humano.

CIRK ajuda a organizar execução híbrida entre humanos e IA.

 

Conclusão

A entrada da IA no desenvolvimento de software não muda apenas velocidade de entrega, ela muda a própria natureza da gestão de projetos. Durante anos, tentamos medir esforço humano, mas agora começamos a precisar medir:

  • Autonomia;
  • Contexto;
  • Supervisão;
  • Risco operacional;
  • Governança.

Nesse cenário, propostas como o CIRK começam a ganhar relevância porque refletem melhor a realidade de times modernos, onde humanos não apenas executam, mas também supervisionam sistemas capazes de produzir software junto com eles.