Disponível para projetos
Do log à causa raiz. Do problema à arquitetura.
Analista de Sistemas N3, Arquiteto de Soluções e Especialista de Alto Impacto. Há mais de 10 anos unindo operação crítica e engenharia, da infraestrutura à IA aplicada: diagnostico o que trava e construo o que falta.
O ponto focal entre a operação e a engenharia
Toda empresa de software que cresce abre um gap perigoso entre quem enfrenta o sistema com o cliente e quem o constrói. Esse gap tem custo: a engenharia queima ciclos com bugs mal documentados, o suporte escala o que daria para resolver, e o produto se degrada em silêncio. O que eu faço é tornar esse gap invisível.
Passei mais de 10 anos nos dois lados desse gap: comecei estagiário no Tribunal de Justiça do Espírito Santo, em 2013, passando cabos entre salas, dando suporte de infraestrutura e preparando o ambiente para quem usava a tecnologia. De lá ao diagnóstico de sistemas em produção hoje; do atendimento N1 à arquitetura de painéis de observabilidade com IA. Não aprendi isso num bootcamp. Aprendi diagnosticando falha de autenticação às 2h da manhã, com o cliente na linha e o faturamento parado. Por isso meu trabalho começa na evidência: diante de uma anomalia, vou à causa-raiz, não ao sintoma, com logs correlacionados, queries diretas no PostgreSQL e telemetria. A resposta quase nunca está onde o erro aparece.
Sou Analista N3 e Ponto Focal do Backoffice Técnico: o filtro entre o suporte e a Engenharia de Software no ecossistema Webposto, um ERP de alta volumetria. Como ponto focal e mentor, reduzi os escalonamentos indevidos à engenharia de mais de 45 para 10 a 15 por dia, cerca de 70% menos ruído chegando ao time de desenvolvimento. Cada bug que passa vira documentação técnica acionável no Jira, e a cultura Shift-Left aproxima a solução do cliente para deixar a engenharia trabalhar sem ruído.
E quando a ferramenta necessária não existe, eu a construo. Foi assim com o Aura Finance, assistente de finanças integrado ao Open Finance, e com o Command Station, o painel cognitivo de operação. No meu fluxo, a IA é membro ativo da equipe: agentes aceleram, validam arquitetura e aplicam testes, mas o rigor e a segurança do que vai para produção continuam sendo meus. A IA acelera; não decide.
Ferramentas que eu construí porque precisavam existir
A segunda mente que transforma conhecimento em vantagem
Cada ponto é uma ideia; cada linha, uma conexão entre elas. Isto é uma memória viva construída com RAG (Retrieval-Augmented Generation): uma IA que aprende com tudo que se produz, costura o que parecia solto e devolve o contexto certo na hora exata. Para uma pessoa, é uma segunda mente que nunca esquece. Para um negócio, é o fim do conhecimento que evapora quando alguém sai: decisões, documentação e histórico viram um organismo consultável em linguagem natural. Abaixo você pode ver a minha em crescimento.
Para além das bolinhas: uma wiki que responde
O grafo é só a casca. Por baixo, uma wiki com RAG transforma a sua base de conhecimento em respostas confiáveis, em quatro passos:
-
01
Alimenta a base
Notas, docs e decisões entram na wiki. Cada uma vira um nó, ligado ao que já existe.
-
02
Pergunta em linguagem natural
Sem caçar arquivo: você pergunta como falaria com um colega que lembra de tudo.
-
03
Recupera o relevante Retrieval
O RAG varre a base e traz só os trechos que importam para a pergunta, guiado pelas conexões.
-
04
Responde com fundamento Generation
A IA gera a resposta apoiada nas suas fontes reais, com referências, sem alucinar.
na prática, como no Obsidian: notas se ligam por [[wikilinks]], e o RAG lê essa teia para responder.
Renovamos o contrato da [[Atlas]] após risco de [[churn]]. A causa foram [[atrasos-no-suporte]] durante a [[migração-de-plano]]. Contornado com [[reunião-trimestral]] e revisão do [[SLA]].
Por atrasos recorrentes no suporte durante a migração de plano, que elevaram o risco de churn. Foi contornado com reuniões trimestrais e uma revisão do SLA.
o tipo de conhecimento que normalmente sai junto com a pessoa que cuidava da conta.
Hoje, em 2026, tratar documentação como páginas estáticas ou arquivos soltos (o modelo clássico do Notion, Confluence ou PDFs em pastas compartilhadas) é o equivalente corporativo a guardar dados em disquete. É obsoleto. Tornar a documentação de um negócio RAG-ready, estruturada como memória para IA, não é preciosismo técnico: é uma estratégia de sobrevivência e eficiência operacional massiva. Se olharmos para o mercado atual, a diferença entre o modelo antigo e o modelo baseado em Grafos de Conhecimento e RAG se resume a um fator: o custo e a velocidade do acesso ao conhecimento.
📉 O Modelo Tradicional: A Entropia do Conhecimento
Nas empresas tradicionais, a documentação sofre de degradação rápida:
- Cenário: O desenvolvedor cria um PDF em 2024. Em 2025, outro edita uma página no Confluence. Em 2026, as regras mudam em um canal do Discord.
- O Problema: Os dados estão isolados em silos. Quando um novo engenheiro entra na equipe ou a liderança precisa de uma resposta rápida, gasta-se horas caçando quem detém a informação.
- O RAG no Caos: Se você plugar uma IA em cima de uma pasta cheia de arquivos soltos e contraditórios, ela vai alucinar, recuperar dados obsoletos e gerar respostas perigosas... como o bug de stack que o meu próprio Cerberus identificou e barrou antes de ir ao ar.
📈 O Modelo RAG e Grafo: A Documentação Viva
Quando o negócio adota a mentalidade que aplico no Cerberus, fatiando a informação em notas atômicas, usando metadados (YAML) rígidos e links bidirecionais explícitos, a documentação ganha superpoderes:
- Consistência Única da Verdade: A IA consegue cruzar o conceito (regras de negócio) com a implementação (código e processo real) instantaneamente.
- Onboarding Instantâneo: Um novo colaborador não precisa ler 400 páginas de manuais. Ele simplesmente interage com o copiloto da empresa, que recupera o contexto exato em segundos.
- Auditoria de Impacto Automática: Se você altera uma regra de segurança ou uma API, o Grafo de Conhecimento mostra imediatamente quais outros processos, contratos ou squads serão afetados por aquela mudança.
💎 O Valor de Mercado para o Negócio
Para uma empresa ou projeto (como o Aura Finance), ter uma estrutura RAG-ready centralizada traz vantagens competitivas brutais:
| Aspecto | Documentação Tradicional (Solta) | Memória RAG (Estruturada) |
|---|---|---|
| Recuperação | Busca por palavra-chave burra (traz 50 arquivos irrelevantes). | Busca semântica por contexto (traz o bloco exato do problema). |
| Manutenção | Humana, manual e propensa a esquecimento. | Assistida por agentes que acusam lacunas e contradições. |
| Alavancagem | Apenas humanos consultam, lentamente. | Agentes de IA conseguem agir, codar e tomar decisões baseadas nela. |
🎯 Conclusão e Meu Posicionamento
Como eu atuo na vanguarda da arquitetura e orquestração de IA agêntica, defender e aplicar essa arquitetura de memória nos negócios onde coloco a mão é o meu maior diferencial de mercado. Não entrego só código: entrego uma operação blindada, documentada e automatizada, onde a IA trabalha com precisão cirúrgica porque a base de dados foi desenhada para ela. O Cerberus é o laboratório perfeito disso. No final das contas, o negócio que não criar a sua própria memória RAG vai gastar 80% do tempo de engenharia apenas tentando lembrar como o próprio sistema funciona.
Essa mesma inteligência pode viver no seu produto ou na sua operação. Quero uma memória viva no meu negócio
O que eu domino e o que estou expandindo
idiomas: pt-br nativo · en profissional
Como eu penso sobre tecnologia
O que dizem sobre trabalhar comigo
Esta seção está sendo construída em público, como o resto do site. Trabalhou ou estudou comigo? Seu relato inaugura este espaço.