Team Topologies: organize o time antes de escalar a IA

A pergunta mais cara de um projeto de IA raramente é técnica. É organizacional: quem cuida do quê. Quando cada time de produto tenta, por conta própria, montar seu runtime de agente, sua avaliação, seus guardrails e sua observabilidade, o resultado é retrabalho, erro multiplicado e gente sobrecarregada. Team Topologies, o modelo de Matthew Skelton e Manuel Pais, existe para resolver exatamente esse tipo de bagunça, e virou um dos guias mais úteis para quem precisa escalar IA sem afundar o time.

Os quatro tipos de time

O modelo de Skelton e Pais parte de uma ideia simples: em vez de dezenas de tipos de equipe ad hoc, quase toda organização de tecnologia se resolve com quatro. O time alinhado a fluxo é o protagonista, dono de uma fatia de valor para o cliente de ponta a ponta, do problema à entrega. Os outros três existem para desobstruir o caminho dele.

O time de plataforma oferece uma base interna como serviço, reduzindo o que os times de fluxo precisam saber sobre infraestrutura. O time capacitador ajuda os demais a adotar uma prática ou tecnologia nova, atuando por tempo limitado, como consultor interno. E o time de subsistema complicado cuida de uma parte que exige conhecimento especializado demais para ser diluída, como um mecanismo de avaliação de modelo ou um componente de baixa latência.

A régua que decide quem carrega o quê é a carga cognitiva. Um time só deve ser dono do que cabe na sua cabeça coletiva. Quando você empilha domínio de negócio, infraestrutura de IA, avaliação e operação no mesmo time pequeno, ele para de pensar direito. Team Topologies trata carga cognitiva como recurso finito, e desenha a organização para respeitá-la.

Os três modos de interação

Além dos tipos de time, o modelo define três formas de dois times trabalharem juntos, e insiste que a interação deve ser escolhida de propósito, não acontecer por acaso.

A colaboração é intensa e temporária: dois times trabalham lado a lado para descobrir algo novo, aceitando o custo de coordenação enquanto vale a pena. O modo serviço, ou X como serviço, é o oposto: um time consome o que o outro oferece com o mínimo de conversa, como quem usa uma API. E a facilitação é o modo do time capacitador, que ajuda outro a superar um obstáculo e depois sai de cena.

O ponto prático é saber quando usar cada um. Colaboração o tempo todo vira reunião infinita. Serviço cedo demais, antes de a plataforma amadurecer, entrega uma base furada que ninguém quer consumir. Ler o modo certo para o momento certo é metade do trabalho.

Como isso se aplica a colocar IA em produção

Aqui o modelo brilha, porque a IA em produção criou uma camada de infraestrutura nova, cara e traiçoeira. O runtime que segura o agente, o acesso aos modelos, os limites de segurança, a avaliação e a observabilidade formam um conjunto que é complexo demais para cada time de produto reconstruir do zero. É a mesma lição que tiramos ao ver o DeepSeek abrir o Harness como runtime desacoplado: o arnês ao redor do modelo é onde mora a dificuldade de produção.

Team Topologies dá o desenho. Concentre esse arnês num time de plataforma, que o oferece como serviço: um portal de acesso a modelos, ferramentas padronizadas, guardrails e logs prontos para consumir. Os times de fluxo, então, ficam livres para focar no problema do cliente, usando a plataforma sem precisar virar especialistas em infraestrutura de agente. Um time capacitador circula ajudando as equipes a adotar boas práticas de IA. E, se houver um componente muito especializado, como um sistema de avaliação sério, ele vira um subsistema complicado com dono claro.

Não é teoria. É exatamente o caminho que a Zalando descreveu ao relatar sua experiência com engenharia por agentes, que comentamos ao falar de como a IA amplia a prática que o time já tem: eles construíram plataformas para servir de portal de acesso a APIs e ferramentas, justamente para dar suporte a boas práticas de segurança e monitorar o uso dos modelos. Isso é um time de plataforma, no vocabulário de Skelton e Pais, resolvendo carga cognitiva.

Sem um time de plataforma, cada equipe reinventa o mesmo runtime, os mesmos guardrails e a mesma observabilidade, com qualidade desigual. A plataforma existe para que ninguém precise resolver de novo o que já foi resolvido.

A Lei de Conway, que você não escapa

Nenhuma conversa sobre topologia de times fecha sem a Lei de Conway: sistemas tendem a espelhar a estrutura de comunicação de quem os constrói. Skelton e Pais levam isso a sério e propõem a manobra inversa: desenhe os times de propósito, para que a arquitetura que você quer emerja naturalmente.

Para IA, a consequência é direta. Se você quer uma plataforma de IA coesa, reutilizável, precisa de um time responsável por ela. Se a responsabilidade estiver espalhada por seis equipes que mal conversam, o resultado vai ser seis meias plataformas incompatíveis, não importa quão boa seja a intenção. A estrutura dos times não é detalhe administrativo, é a planta baixa do sistema.

Por onde começar

Alguns passos concretos para um time que está escalando IA.

Nomeie o dono da plataforma. Mesmo que seja uma pessoa no começo, alguém precisa ser responsável pelo arnês comum: runtime, acesso a modelos, guardrails e observabilidade. Sem dono, vira terra de ninguém.

Proteja a carga cognitiva dos times de fluxo. Se uma equipe de produto está gastando metade do tempo cuidando de infraestrutura de agente, esse é o sinal de que falta plataforma. Mova essa carga para onde ela é serviço, não fardo.

Trate a plataforma como produto. Ela tem clientes internos, os times de fluxo, e precisa ser boa o bastante para eles quererem usar, não para serem obrigados. Plataforma imposta e ruim é a forma mais rápida de fazer todo mundo voltar a reinventar a roda. Vale medir a adoção com o mesmo rigor de uma métrica norteadora de resultado.

Use o time capacitador para difundir prática, não para tapar buraco. O papel dele é ensinar a pescar e sair, não virar suporte permanente.

O recado de Team Topologies, para quem coloca IA em produção, é que velocidade sustentável vem da estrutura, não do esforço heroico. Desenhe os times para que o arnês da IA seja construído uma vez e consumido por todos, e você troca o caos de cada equipe se virando sozinha por um fluxo que escala. A tecnologia da IA muda rápido. A boa notícia é que a forma de organizar quem a constrói já tem um mapa testado.

Se você quer desenhar seus times para escalar IA sem cada equipe reinventar o mesmo arnês, fale com a gente no WhatsApp para montar sua topologia de plataforma e fluxo.