Dentro da engenharia da Anthropic - o laboratório de IA continua a praticar "dogfooding", discretamente

O The Pragmatic Engineer publica um « deepdive » sobre a engenharia interna da Anthropic. A leitura surpreendente: « ever more » revisão de código e testes por IA, mas as *two-pizza teams* resistem. Suavização, não virada.

Em termos simples - A análise aprofundada do engenheiro pragmático sobre a engenharia da Anthropic diz que o laboratório de IA está realizando "cada vez mais" revisão de código e testes com IA, enquanto as equipes "two-pizza" continuam muito ativas. Menos surpresas do que o hype implica — e esse é o ponto interessante.

Contexto

O The Pragmatic Engineer publicou em 28 de julho de 2026 uma "análise aprofundada" sobre as práticas internas de engenharia da Anthropic. O interesse é duplo: a Anthropic é a fornecedora do modelo de IA mais utilizado no desenvolvimento de ferramentas para desenvolvedores (Claude Code nativo, Cursor via API, Windsurf, etc.), e é uma das poucas fontes confiáveis sobre "como realmente é uma organização que entrega seu produto usando seu próprio LLM como dogfood".

Os dados

O artigo (newsletter.pragmaticengineer.com) relata os principais pontos, resumidos pelo autor:

• Cada vez mais revisão de código e testes são feitos por IA.
• Equipes "two-pizza" muito vivas — a estrutura ágil clássica permanece.
• Detalhes organizacionais e de processo além da caricatura de "laboratório de pesquisa pura".

Por baixo do capô

A expressão "ever more" ("cada vez mais") é mais interessante do que parece: indica uma adoção progressiva e medida, não uma mudança radical. A Anthropic — que constrói o modelo — não substituiu seus engenheiros por agentes, nem eliminou as revisões de código humanas: as duas camadas coexistem, e a IA ganha espaço gradualmente.

Análise

Três ensinamentos. Cadência: a adoção interna de LLMs é um alisamento, não um "big bang" — coerente com o Google (Amplified Engineer), Shopify (mandato de IA). Estrutura: as equipes "two-pizza" persistem porque são um formalismo organizacional, não técnico — a IA muda o output do desenvolvimento, não o tamanho ideal de uma equipe. Auto-dogfood: a Anthropic vende o Claude Code para engenheiros profissionais; que a Anthropic o use (e melhore) internamente é um "moat" implícito frente à OpenAI, cuja stack Codex foi integrada mais tarde ao ChatGPT (veja thread openai-super-app).

Cenários (12 meses)

• 60% — Outros laboratórios de IA (OpenAI, Google DeepMind) publicam suas práticas internas, pressionados pela transparência no desenvolvimento de ferramentas.
• 25% — Métricas internas da Anthropic (tempo de revisão, taxa de bugs pós-merge) acabam vazando.
• 15% — Retrocesso parcial: reintrodução de salvaguardas humanas em certas classes de código (criptografia, segurança, sistemas distribuídos).

Implicações para o praticante

Para um líder de engenharia: a leitura fornece referências concretas para justificar a adoção de LLMs para a gestão — a Anthropic não quebrou suas equipes. Para um arquiteto: não redefina sua estrutura para "acolher" a IA; deixe-a se integrar aos papéis existentes. Para um CTO: o verdadeiro diferencial não é "qual IA", mas "em qual nível do ciclo" (revisão, teste, deploy).

A se observar

A continuação da série The Pragmatic Engineer. O lançamento de um Anthropic Engineering Blog dedicado. Um primeiro post-mortem público de um incidente onde a IA teria deixado passar um erro.