Fundei a Software Tailor em 2006. Dezenove anos depois, a empresa passou por quatro ciclos econômicos distintos, seis clientes da Fortune Global 500 nos setores farmacêutico, financeiro, governamental, jurídico, defesa e energia, e zero falhas em projetos desde 2007. Esse último número é o que investidores e revisores de compras mais perguntam, e é o único que precisa de explicação. Aqui estão as quatro regras de engenharia que sustentam esse recorde.

Regra 1: Um modelo de entrega, sem confusão entre serviço e produto

Todo projeto da Software Tailor segue o mesmo modelo de entrega — uma fase piloto bem delimitada que entrega software funcional, seguida por uma expansão que o cliente escolhe financiar (ou não) com base no que foi entregue. Não operamos uma prática separada de “serviços” que entrega conforme documentos de requisitos e outra prática de “produto” que entrega conforme roteiros. As duas entrariam em conflito; uma sempre subsidiaria a outra.

O modelo único significa que todo engenheiro sabe como é o “pronto” antes de começar. Essa é a condição para não falhar.

Regra 2: Disciplina no grupo de clientes — apenas clientes para os quais podemos entregar

Nosso grupo de clientes é selecionado — não oportunista. Seis clientes da Fortune Global 500 em 19 anos não indicam um pipeline de vendas lento; indicam um critério de seleção deliberado. Todo cliente que aceitamos deve passar por três testes antes do início: seu problema é um que já resolvemos antes, seu patrocinador interno é a pessoa que usará o software (não uma camada de intermediários), e seu ambiente de hardware/dados nos permite entregar sem um desvio de seis meses em compras.

Um cliente que falha em qualquer desses testes torna-se uma indicação para outra pessoa, não um projeto. Essa é a regra que mais nos custa receita. Também é a que não tem exceções em 19 anos.

Regra 3: Disciplina de engenharia mapeada para um framework reconhecido

Muito antes do gerenciamento de riscos em IA ter seu próprio framework, as regras de engenharia que codifiquei para a Software Tailor seguiam o mesmo padrão: governar o trabalho, mapear os riscos, medir os resultados, gerenciar as mudanças. O NIST AI RMF 1.0 [1] formalizou esse padrão para IA em 2023, e o perfil de Infraestrutura Crítica de abril de 2026 [1] o estendeu para indústrias reguladas. Ao ler esses documentos, nossa disciplina interna se encaixa perfeitamente nas quatro funções.

O que isso nos dá: todo projeto é auditável de ponta a ponta contra um framework externo, não apenas contra nossos próprios hábitos. Quando uma equipe de compras pergunta como o escopo da fase piloto é decidido, a resposta é a mesma que o NIST daria para gerenciamento de riscos — e a própria equipe de conformidade do cliente já internalizou esse vocabulário.

Regra 4: Registrável, recuperável, recriável

A quarta regra antecede o vocabulário de trilha de auditoria que agora usamos para AI Suite. Todo projeto da Software Tailor é executado em um estado onde qualquer decisão, qualquer artefato, qualquer versão do código pode ser recriada a partir de entradas controladas por versão. Isso não é incomum para engenharia de software em geral; o que é incomum é que aplicamos isso ao projetonão apenas a base de código. Decisões de sprint, mudanças de escopo, aprovações de clientes — tudo registrado, tudo recuperável.

A disciplina é o motivo pelo qual nosso logs de auditoria sem conteúdo abordagem para AI Suite foi entregue da forma como foi. O padrão de linha de auditoria é o mesmo padrão que já aplicamos a projetos. O vocabulário é emprestado de frameworks de conformidade; a prática é emprestada de como entregamos.

O que se manteve no AI Suite

A linha Local AI Suite + AI Admin Console — veja Por que entregamos AI como binários instaláveis, não SaaS na nuvem — é a mesma disciplina de engenharia aplicada a uma linha de produtos em vez de um projeto personalizado. Mesmo modelo único de entrega (instaladores para desktop com um piloto gratuito de 1 semana), mesma disciplina de coorte de clientes (indústrias reguladas com restrições claras de residência de dados), mesmo mapeamento de framework (NIST AI RMF + obrigações do implantador do EU AI Act), mesma postura de auditoria registrável-recuperável-recriável.

Zero falhas em projetos desde 2007 não é um slogan. É o resultado de um pequeno número de regras aplicadas sem exceção. As mesmas regras agora governam como o AI Suite é construído.

Referências

  1. NIST. "AI Risk Management Framework (AI RMF 1.0)." https://www.nist.gov/itl/ai-risk-management-framework. Acesso em 15-07-2026.