Engenheiro de DevOps / engenheiro de plataforma / SRE

A Google a descrever as suas próprias operações e não a vender a outrem: assinam um Distinguished Software Engineer e um Distinguished Site Reliability Engineer, e sai no blogue da empresa. O que afirma no passado ou no presente é a metade que merece ser registada: a equipa de SRE desenvolveu agentes que vigiam e melhoram os playbooks a partir da sua utilização durante os incidentes, e que conseguem gerar playbooks novos a partir deles; um agente de alertas que as agrupa, pré-processa e enriquece antes de serem entregues a tratadores autónomos; agentes que consolidam os espaços de conversa, os vídeos e os documentos de acompanhamento usados durante um incidente, criam documentos de passagem entre SRE, redigem rascunhos de postmortem e gerem a comunicação interna e externa do incidente; agentes criados para investigar incidentes e, nas palavras do texto, nalguns casos para os mitigar de forma autónoma; e o AI Insights, um sistema que revê incidentes passados e devolve o que extrai a esses agentes. O resto do texto são planos e não é registado. Três limites, e o primeiro é o maior. Não há um único número: nem que proporção de incidentes tocam, nem quantos agentes estão a correr, nem um antes e um depois, nem quanta gente está na escala. Segundo, o interesse é directo e o enquadramento na primeira pessoa não o esconde: cada componente citado por baixo é um produto da Google (Gemini, o Agent Development Kit, a Gemini Enterprise Agent Platform, MCP sobre a infra-estrutura de API da Google), pelo que o texto é também uma arquitectura de referência daquilo que o editor vende. Terceiro, é um único operador, e pouco comum: uma organização com vinte anos de disciplina própria de fiabilidade não substitui uma equipa de quatro a revezar-se no pager. O que faz disto prova sobre esta tarefa e não sobre ferramentas é onde os agentes se sentam: o trabalho à volta da decisão das três da manhã — reunir o contexto, passar o turno, dizer às pessoas o que se passa, escrever depois — é a parte que se moveu, e o texto diz que uma abordagem com agentes não implica necessariamente tirar as pessoas do processo nos serviços de maior risco.

Uma empresa pô-lo em produção. Pode mover a linha de base, ponderado pela escala e por quanto esse contexto se parece com o teu.

Uma empresa, um router de fronteira em Miami, 25 minutos (20:25–20:50 UTC). O que importa é o que a automação escreveu: uma alteração introduzida pela plataforma de automação de políticas da Cloudflare removeu as referências a listas de prefixos e deixou um termo de política tão permissivo que marcou como anunciável todo o prefixo do tipo interno. A reversão foi feita por uma pessoa e a automação foi suspensa nesse router. Regista-se como implantação e não como restrição porque a adoção não foi travada: a correção que a Cloudflare enuncia é acrescentar avaliação automática de políticas de encaminhamento às suas pipelines de CI/CD — uma máquina a verificar a máquina, não um controlo humano. Estabelece que, num grande operador de rede, os engenheiros fazem as alterações de política de encaminhamento através de uma plataforma de automação que gera e aplica a configuração em produção; não diz que proporção da configuração desse operador é escrita por máquinas, e um incidente num fornecedor não é uma medida do setor.

Uma empresa pô-lo em produção. Pode mover a linha de base, ponderado pela escala e por quanto esse contexto se parece com o teu.

Um inquérito a profissionais, pelo que esses 90% são uso declarado por quem responde e não uso medido, e o «80% acredita que aumentou a sua produtividade» que o acompanha é uma crença e tem de ser lido como tal: este sítio tem um ensaio aleatorizado em que programadores experientes ficaram 19% mais lentos enquanto acreditavam estar 20% mais rápidos, pelo que aquilo que alguém acredita sobre a própria velocidade não é prova sobre a sua velocidade. O que não é declaração sobre o próprio desempenho é a correlação que os investigadores calculam entre quem responde, e é essa a parte útil: a adoção relaciona-se positivamente com o débito do processo e com o desempenho do produto, e negativamente com a estabilidade da entrega. O mecanismo que os autores dão é concreto: sem testes automatizados sólidos, controlo de versões maduro e ciclos de retorno rápidos, um maior volume de alterações produz instabilidade, e as equipas com arquiteturas pouco acopladas veem ganhos enquanto as muito acopladas veem poucos ou nenhuns. Quem publica isto é a Google Cloud, que vende as ferramentas por que pergunta.

Uma ferramenta é usada em grande escala em trabalho real e isso está medido, e quem decidiu usá-la foi a pessoa que trabalha, não quem emprega. É mais do que um registo de capacidade — o trabalho é real, não uma demonstração — e menos do que um de implementação, porque nenhum empregador a pôs em produção, nem a exigiu, nem construiu um processo à sua volta. Ponderada como `cautious`: `automating` significa que a máquina consegue fazer a tarefa E que há sinais de adoção, e isto é um sinal de adoção; mas o uso pode ser experimental, e boa parte da medição vem de uma parte com interesses, por isso um registo nunca chega e dois independentes chegam. Repara também em quem está a contar. A telemetria de um fornecedor vê isto diretamente e ao mesmo tempo vende a ferramenta, por isso um registo deste tipo declara esse interesse no seu âmbito; uma agência estatística que pergunta às empresas se os seus trabalhadores usam IA em tarefas vê o mesmo canal sem interesse nenhum, e onde exista é a melhor fonte.

O próprio relatório de incidente do fornecedor de nuvem sobre uma falha de várias horas em muitos dos seus serviços. Diz que a alteração na origem não tinha tratamento de erros adequado nem estava protegida por uma feature flag; que faltava ao serviço um recuo exponencial aleatorizado, pelo que a recuperação levou até cerca de 2 horas e 40 minutos numa região; e que as medidas corretivas incluem modularizar a arquitetura do serviço para que as funcionalidades fiquem isoladas e falhem em aberto, e propagar a replicação de dados de forma incremental, com tempo para validar. É o relato de uma empresa sobre a sua própria falha; a peça que falhou era código comum, não IA.

Uma falha, um recuo, uma regulação ou um custo estão a travar a adoção. Pode baixar uma avaliação ou alargar a sua incerteza.

A própria análise de causa raiz do fornecedor de segurança sobre a atualização de julho de 2024 que fez falhar máquinas Windows em todo o mundo. Conclui que o validador automático de conteúdos continha um erro de lógica; que, para os testes automáticos, foi selecionado um conjunto estático de 12 casos de teste; e que cada instância de modelo deveria ser implementada de forma faseada, tendo sido contratados dois fornecedores independentes de segurança de software para uma revisão adicional. É o relato da empresa sobre a sua própria falha; a automatização que falhou era um validador, não IA.

Uma falha, um recuo, uma regulação ou um custo estão a travar a adoção. Pode baixar uma avaliação ou alargar a sua incerteza.

Uma agência federal dos Estados Unidos. O estudo de caso, publicado pela General Services Administration com o CIO adjunto do OPM como contacto, diz que os gastos do OPM com a nuvem Azure cresceram mais de 2000% desde 2021, o que o levou a criar uma equipa dedicada à monitorização e gestão dos custos da nuvem; que a sua deteção de anomalias estabelece painéis para detetar, identificar e agir perante aumentos inesperados dos gastos com a nuvem; que usa uma matriz de decisão para cada grupo de decisões; e que a equipa acompanha decisões como compromissos de instâncias reservadas, redimensionamento, gestão orçamental e previsão. Não diz se a deteção usa inteligência artificial ou simples limiares. O progresso é relatado à data de março de 2024; datado do fim desse mês.

Uma empresa pô-lo em produção. Pode mover a linha de base, ponderado pela escala e por quanto esse contexto se parece com o teu.

Um estudo setorial encomendado, não uma medição, e fica registado aqui porque aponta na direção contrária à maior parte do resto desta base. O mesmo documento que espera que o suporte autónomo encolha espera que o trabalho aterre neste posto: diz que a função de DevOps passará a supervisionar os acordos de nível de serviço e a desenvolver novos sistemas, e que a função de desenvolvimento passará a gerir e otimizar o desempenho do sistema, juntando desenvolvimento e operações para dar um suporte mais integral, e enumera os engenheiros de automatização e orquestração como um posto de baixo impacto para o qual os engenheiros de infraestruturas de alto impacto poderiam passar, sem dizer que a procura por ele esteja a crescer. Nomeia também o engenheiro de DevOps como o destino que considera um salto fácil ou moderado para os engenheiros de suporte cujo deslocamento espera. Nada disso é prova de que alguém tenha sido contratado, de que os efetivos tenham subido ou de que a transição tenha acontecido: é a expectativa de uma agência, publicada antes de a IA generativa chegar ao público, referida apenas a Singapura e construída a partir de entrevistas a partes interessadas e não de dados de emprego. O que estabelece é que o achado de deslocamento noutra parte do mesmo relatório não afirma que o trabalho desaparece.

Uma pessoa com nome e com posição reconhecida previu algo publicamente, numa data, numa declaração atribuível. É registado para que fique verificável quem disse o quê e quando, e nunca move a avaliação de uma tarefa, porque uma previsão não é uma observação. O seu valor chega depois: o registo fica na mesma página que a prova sobre essa profissão, portanto quem lê a previsão lê ao lado o registo do que aconteceu a seguir. É essa a prestação de contas; este sítio não publica veredicto nenhum sobre se uma previsão se cumpriu.

O degrau que antes contratava gente júnior, escrever e ligar configuração, é o que tem apontado o mecanismo mais claro, porque é código com um resultado verificável por máquina. O que isso deixa a quem começa é a prevenção, que é a parte mais dura e a que era suposto ganhar-se. Insiste em estar nas revisões de incidentes muito antes de entrares na escala.

A tua alavanca é a decisão de desenho e a chamada de incidente, e ambas são fatias pequenas da semana. O risco não é serem automatizadas, é as horas à volta delas serem adelgaçadas até um engenheiro cobrir serviços que nenhuma pessoa consegue ter na cabeça. Vigia os serviços por engenheiro como um empregado de mesa vigia os talheres por empregado.

Ficar e reforçar-te

Move-te para o desenho e afasta-te das ligações

A decisão de desenho não tem árbitro automático, que é exatamente por que nenhuma ferramenta consegue fechar o ciclo sobre ela, e é a parte do posto que se acumula.

Refazer o posto

Fica com a operabilidade daquilo que os outros constroem

Ser gerada mais configuração significa mais sistemas por que ninguém responde, e alguém tem de segurar o padrão do que pode correr em produção.

A metade da configuração está a mexer-se e depressa, porque o código de infraestrutura ou se aplica limpo ou dá erro, e um resultado verificável por máquina é o que permite a um modelo tentar de novo sem supervisão. A prevenção não, porque um incidente é por definição a falha que ninguém antecipou e a chamada é sobre dano aceitável e não sobre uma resposta certa. A forma provável não é a remoção mas o adelgaçamento: menos engenheiros a cobrir mais serviços, o que mantém todas as tarefas e piora a escala.

Nenhuma data. Dois números que consegues produzir sozinho dizem mais do que qualquer previsão: que parte da tua semana vai para trabalho em que aplicá-lo ou corre bem ou dá erro, e por quantos serviços responde agora cada engenheiro da tua escala. O primeiro é a tua exposição por tarefa; o segundo é a mudança que chega mesmo às pessoas neste posto, e mexe-se em silêncio depois de as ferramentas aterrarem.

Em geral não, e este é o caso mais claro do sítio de uma ferramenta que parece uma poupança e se comporta como uma dívida. Cada recurso criado é um recurso que alguém tem de manter, proteger e por fim apagar, por isso configurar mais depressa produz mais configuração em vez de menos trabalho: as horas passam de escrever para desemaranhar. Desemaranhar é invisível num plano, que é exatamente por que é orçamentado como uma poupança.

É a tarefa mais segura da ocupação e também a mais pequena. Se um desenho estava certo descobre-se muito depois de ser feito, o que significa que não há árbitro automático e portanto não há ciclo que uma ferramenta possa fechar; mas as decisões de desenho ocupam uma pequena parte das horas da maioria das equipas. Um posto pode estar seguro na sua tarefa mais sénior e ainda assim perder a maior parte das suas horas, e é essa distância que há a planear.