Evite retrabalho caro: o checklist que todo projeto de migração precisa

Romildo Burguez • August 5, 2025

Evite retrabalho caro: o checklist que todo projeto de migração precisa 

Em projetos de modernização de legados, boa parte dos custos não aparece no contrato inicial. Surge depois, em forma de retrabalho. Retrabalho é aquela despesa que ninguém planeja, mas todos pagam: reescrever código porque as permissões não foram definidas direito, reconfigurar redes porque a latência explodiu, fazer horas e horas de auditoria adicional porque ninguém juntou evidências de conformidade ao longo do processo. A boa notícia? Essas surpresas têm um padrão. E, como todo padrão, podem ser previstas e evitadas. 


Nesse post, você verá por que toda migração precisa de um checklist prático, e qual é o passo a passo que garante segurança, desempenho e visibilidade de custos sem exigir uma grande quantidade de profissionais ou meses de análise.  


Se a sua meta é modernizar sistemas críticos sem estourar prazos nem orçamento, continue a leitura! 


Por que as migrações falham (e como isso afeta o bolso) 


Antes de mergulhar no checklist, vale entender de onde nascem as falhas que mais geram retrabalho. Em cerca de quinze anos acompanhando programas de transformação em setores como energia, logística e finanças, três padrões se repetem: 


Pressa para mostrar resultado 


Quando o board aprova a migração, a pressão por “vitórias rápidas” costuma levar os times a acelerar o re-hosting: levantar máquinas virtuais idênticas às do data center no provedor de nuvem, copiar as bases e declarar missão cumprida. É tentador, mas perigoso. Sem rever arquitetura nem dependências, o que era um monólito caro em on-premise vira um monólito caro em nuvem — agora com conta de tráfego de saída e picos de latência. 


Segurança opcional 


Em empresas reguladas, segurança não é diferencial, é obrigação. Mesmo assim, é comum ver ambientes criados sem política de rotação de chaves, inventário de segredos ou segregação de funções. O motivo? “Vamos resolver quando tudo estiver rodando”. Resultado: retrabalho para reconfigurar criptografia, refazer permissões e, às vezes, justificar multas ao regulador. 


Observabilidade tardia 


Migrar sem habilitar coleta de logs, métricas e rastreamento distribuído é como trocar o motor do avião em voo, vendando o piloto. Sem visibilidade, qualquer instabilidade vira caça ao tesouro: gasta-se mais tempo encontrando a causa do que resolvendo. No pós-migração, falta histórico para comprovar desempenho e justificar investimentos, gerando desconfiança nas áreas de negócio. 


Esses padrões geram custos diretos (horas de trabalho, multas, instâncias ociosas) e, principalmente, custos de oportunidade: O tempo gasto apagando incêndio não gera valor novo. Felizmente, o caminho para evitar essas armadilhas é claro — e cabe em oito checkpoints essenciais. 


O checklist “sem retrabalho” que você vai querer colar na parede 


Abaixo, apresentamos cada item do checklist em linguagem direta, sem jargões desnecessários. Em vez de uma lista seca de requisitos, explicamos o porquê por trás de cada ponto, para que você possa vender a ideia internamente e mobilizar as áreas envolvidas. 


Classifique seus sistemas antes de mover 


Decidir, para cada aplicação, se ela será simplesmente transferida (re-host), ajustada (re-platform) ou reescrita (re-architect). Sem essa tag de destino definida no “sprint zero”, você começa com a falsa sensação de velocidade — e descobre tarde que o banco relacional não escala no modelo de cobrança atual ou que aquela integração via arquivo batch não conversa bem com APIs em nuvem. Classificar evita surpresas de performance e licenciamento. 


Segurança by-design, não "by-remendo"


Inventariar segredos, definir política de chaves criptográficas e criar funções de acesso mínimo antes do primeiro deploy. Remendar segurança depois de a aplicação estar no ar é como trocar fechaduras com a porta aberta. Sai caro, gera downtime e não acalma o auditor. Embutir controle de chaves e permissões desde o início evita refazer infraestrutura e garante evidências de conformidade. 


Redes desenhadas para o tráfego real 


Planejar topologia de redes virtuais, faixas de IP e regras de segmentação ajustadas ao padrão de comunicação entre sistemas internos e externos. Ignorar fluxos de dados leva a gargalos de latência e conta inesperada de tráfego. Um mapa de fluxos bem feito permite balancear segurança e desempenho, além de ajudar a antecipar custos de transferência de dados. 


Observabilidade full-stack ainda em homologação 


Habilitar logs, métricas e rastreamento distribuído no ambiente de testes, com alertas básicos configurados. Reunir histórico de performance antes do go-live permite comparar “antes e depois” e detectar regressões. Mais que isso: evita que incidentes iniciais virem sessões intermináveis de “achismo”, reduzindo tempo médio de solução. 


Guard-rails de custos desde o dia 1 


Definir alertas de orçamento, políticas de desligamento automático e, no início, usar instâncias sob demanda até entender o perfil de uso. Comprar reservas de capacidade cedo demais cria ociosidade cara. Já controlar orçamento em tempo real dá conforto financeiro para a diretoria e evita a manchete interna: “conta de nuvem dobra em 30 dias”. 


Governo dos dados sem drama 


Planejar verificação de integridade no corte de bases, versionar esquemas e manter rollback possível caso algo fuja do script. A integridade de dados é o oxigênio dos processos críticos. Descobrir divergência de saldo no fechamento do mês sai infinitamente mais caro do que rodar checksums e testes de consistência na migração. 


Inteligência artificial responsável 


Se parte do legado envolve modelos de decisão ou scripts automatizados, revise vieses e critérios de explicabilidade antes de recarregar o mesmo algoritmo em novo ambiente. Um modelo que recomendava crédito de forma aceitável em 2019 pode ser considerado discriminatório em 2025. Modernizar sem revisar governança de IA traz risco reputacional, regulatório e financeiro. 


Capacitação e suporte prontos para assumir a operação 


Treinar quem vai operar, documentar runbooks e alinhar expectativas de suporte antes de transferir responsabilidade. Times de suporte que não conhecem as novas ferramentas abrem mais tickets do que resolvem. Um hand-over bem feito reduz curva de aprendizado e libera especialistas para inovar, não para apagar incêndio. 


Como colocar o checklist em prática com equipes enxutas 


Você pode estar se perguntando: “Ok, mas como executar tudo isso sem duplicar minha equipe?”. A resposta está em três estratégias de orquestração que observamos funcionar em empresas com times enxutos. 


Sprint 0 bem definido 


Reserve uma ou duas semanas para alinhar classificação de workloads, premissas de segurança e topologia de redes. Nessa fase, a equipe de arquitetura trabalha em conjunto com segurança e redes, evitando retrabalho em loops posteriores. Cada decisão vira história no backlog com responsável e data. 


Métricas de valor, não de vaidade 


Em vez de monitorar volume de linhas de código migradas, acompanhe indicadores que importam para o negócio: tempo de diagnóstico de incidentes, redução de custos de infraestrutura, tempo de fechamento contábil. Esses números mostram valor real à diretoria e ajudam a manter o projeto prioritário. 


Parcerias cirúrgicas em vez de terceirização massiva 


Trazer especialistas externos não significa entregar as chaves do cofre. Mapear lacunas de conhecimento (por exemplo, FinOps ou Responsible AI) e contratar workshops de curta duração — ou consultoria pontual — costuma sair mais barato do que ampliar headcount permanente. O segredo é ter um gerente de programa interno que orquestre e garanta transferência de conhecimento. 


O que dá errado quando o checklist é ignorado 


Nada ilustra melhor a importância de cada item do que histórias de fracasso, e como elas foram evitadas com o checklist. 


Latência surpresa em empresa logística 


Uma transportadora nacional migrou seu sistema de roteirização para nuvem em 45 dias. A pressa ignorou redes; pacotes viajaram de São Paulo a Miami para chegar a Curitiba, elevando de 90 ms para 450 ms o tempo de resposta. Resultado? Caminhões esperando ordem de rota e multas por atraso. O retrabalho envolveu redesenhar VPCs e mover bancos para região correta — custo adicional: R$ 380 mil. Se o item 3 tivesse sido seguido, a latência-alvo teria sido detectada no sprint 0. 


Auditoria de dados em banco regional 


Um banco intermediário precisou refazer parte da migração porque as evidências de segregação de funções não foram arquivadas. O regulador exigiu log completo da movimentação de chaves. Refazer auditoria envolveu baixar ambientes de produção, recriar acessos e contratar suporte premium. O checklist, item 2, teria salvado pelo menos duas semanas de trabalho e evitado multa. 


Superservidor ocioso em indústria de manufatura 


Na ânsia de aproveitar desconto, a equipe comprou instâncias reservadas de alta capacidade para previsão de demanda. O modelo era executado três vezes por dia e não manteve as máquinas ocupadas. Cinco meses depois, ociosidade de 40% e custo inesperado de R$ 120 mil. Guard-rails de custosteriam indicado uso real antes da compra. 


Para que você possa se aprofundar ainda mais, recomendamos também a leitura dos artigos abaixo:     


Do legado à nuvem: modernize os sistemas core sem parar sua operação 


Como desenvolver software em ambientes legados com segurança e eficiência 


Sistemas Core: Como projetos estruturantes transformam a eficiência operacional 


Conclusão 


Migrar um sistema legado não precisa ser uma saga de retrabalho. Ao aplicar os oito checkpoints descritos, da classificação inicial à capacitação final, sua empresa reduz custo total de propriedade, protege a reputação diante de reguladores e libera a TI para inovar. 


Lembre-se: o serviço de Modernização de Legados não é só uma troca de tecnologia; é uma oportunidade de repensar processos, fortalecer a governança e preparar sua organização para futuras integrações de inteligência artificial, IoT ou qualquer inovação que o mercado exigir. 


Esperamos que você tenha gostado do conteúdo desse post!  


Caso você tenha ficado com alguma dúvida, entre em contato conosco, clicando aqui! Nossos especialistas estarão à sua disposição para ajudar a sua empresa a revisar o seu plano de migração, identificar riscos, priorizar ganhos e alcançar grandes resultados! 

 

Para saber mais sobre as soluções que a CSP Tech oferece, acesse: www.csptech.com.br. 

Fale com a CSP Tech

.

Por Guilherme Matos • 19 de novembro de 2026
Para usar agentes de IA sobre dados de sinistro sem expor dado pessoal do segurado, o agente precisa herdar a mesma regra de acesso do analista que faz a pergunta, aplicada no momento da consulta. No Databricks, isso depende de duas escolhas. A primeira é o modo de autorização do agente: na autorização por usuário , o agente consulta os dados com a identidade de quem pergunta, e o Unity Catalog aplica automaticamente filtros de linha e máscaras de coluna; na autorização do app, todos os usuários compartilham as permissões de uma conta técnica. A segunda é não contornar as máscaras com cópias de dados feitas para alimentar a busca vetorial. Em sinistros de vida, saúde e acidentes pessoais, parte desses dados é dado de saúde, que a LGPD trata como dado pessoal sensível. Por que o dado de sinistro pede um cuidado diferente Um processo de sinistro reúne dados de identificação do segurado e dos beneficiários, dados bancários para indenização, relatos do evento e, em vários ramos, laudos e informações médicas. A Lei Geral de Proteção de Dados define, no artigo 5º, inciso II, o dado referente à saúde como dado pessoal sensível, e o artigo 11 limita as hipóteses em que ele pode ser tratado. Entre elas estão o exercício regular de direitos, inclusive em contrato, e a garantia da prevenção à fraude. O artigo 6º, inciso III, acrescenta o princípio da necessidade: o tratamento deve se limitar ao mínimo necessário para a sua finalidade. Na operação, esse princípio já costuma estar refletido em perfis de acesso. O regulador de sinistro vê o processo que conduz, o time antifraude vê os sinais de que precisa, e o atendimento vê o status do pedido sem acessar o laudo. O risco do agente de IA é desfazer essa separação sem que ninguém perceba, porque ele responde em linguagem natural e não mostra de qual tabela, com qual permissão, tirou cada informação. Tese da CSP Tech: na seguradora, o agente de IA deve ver exatamente o que o analista que fez a pergunta veria, nem mais nem menos, e essa regra precisa ser aplicada no momento da consulta, pela plataforma de dados, e não por instruções no prompt. No Databricks, os dois pontos em que o dado do segurado costuma escapar são a escolha da autorização do agente e as cópias feitas para busca vetorial, e ambos se resolvem no desenho, antes do piloto. Os dois modos de autorização do agente Autorização do app Segundo a documentação da Databricks, atualizada em 23 de outubro de 2026, na autorização do app o agente se autentica com uma conta técnica criada automaticamente, e todos os usuários compartilham as mesmas permissões. É o modo mais simples de colocar um piloto no ar, e por isso é o mais comum. O efeito em um ambiente de sinistros é direto: se a conta técnica tem acesso ao laudo médico, qualquer pessoa que converse com o agente pode receber uma resposta baseada nele, ainda que o perfil dessa pessoa não permita abrir o laudo. Autorização por usuário Na autorização por usuário, antes chamada de on-behalf-of-user, o agente acessa os recursos com a identidade de quem faz a pergunta. A documentação lista como benefícios o acesso por usuário a dados sensíveis, os controles granulares do Unity Catalog, a trilha de auditoria por usuário e a aplicação automática de filtros de linha e máscaras de coluna. O recurso funciona com SQL Warehouse, Genie, Model Serving, índices de AI Search e tabelas do Unity Catalog, entre outros. Os dois modos podem ser combinados no mesmo agente, o que permite usar a conta técnica para recursos sem dado pessoal e a identidade do usuário para os que têm. Há três cuidados registrados pela própria Databricks. A autorização por usuário está em prévia pública e precisa ser habilitada por um administrador do workspace. As mudanças de escopo podem levar até cinco minutos para valer, por causa de caches. E, se o token do usuário não chegar ao agente, a função que deveria usar a identidade dele recorre à conta técnica sem gerar erro. Por isso a documentação recomenda testar o agente com uma ferramenta que devolva a identidade em uso antes de liberar o acesso. Filtros de linha e máscaras de coluna: a regra aplicada na consulta No Unity Catalog, filtros de linha e máscaras de coluna restringem, no momento da consulta, quais linhas e quais valores cada usuário consegue ver, segundo a documentação de filtros e máscaras , atualizada em 6 de novembro de 2026. O filtro de linha é uma função que exclui as linhas para as quais retorna falso, o que permite, por exemplo, que o regulador veja só os processos da sua carteira. A máscara de coluna é uma função que devolve o valor original ou uma versão mascarada, o que permite mostrar o diagnóstico ao time médico e um valor oculto ao atendimento. Para aplicar a mesma regra a muitas tabelas, a Databricks recomenda políticas baseadas em atributos, ligadas a tags no catálogo ou no esquema, que os donos das tabelas não conseguem remover. Combinadas com a autorização por usuário, essas regras fazem o agente herdar o perfil do analista sem nenhuma instrução no prompt. Uma instrução do tipo “não revele dados de saúde” pode ser contornada por uma pergunta bem formulada, enquanto a máscara aplicada pela plataforma impede que o dado chegue ao modelo. Onde o dado do segurado escapa A cópia para busca vetorial. A documentação informa que tabelas com filtros de linha ou máscaras de coluna não podem ser usadas para criar um índice do AI Search. Quando o time de dados quer que o agente pesquise documentos de sinistro, a saída mais rápida é criar uma cópia sem as proteções para indexar, e com isso o índice passa a conter o que as máscaras escondiam. O desenho seguro prepara uma tabela própria para o índice, já sem os campos sensíveis ou com eles transformados, e aplica a autorização por usuário ao índice. Os clones e as versões antigas. Clones de tabelas com filtros ou máscaras não são suportados, e a consulta a versões anteriores da tabela, o time travel, não funciona com filtros e máscaras em nível de tabela. Ambientes de teste montados com cópias de produção são um caminho conhecido para o dado sensível sair do perímetro. As views. Filtros e máscaras não podem ser aplicados diretamente a uma view. Se o agente consulta uma view construída sobre a tabela original, a proteção precisa estar na tabela de origem. O fallback silencioso. Quando o token do usuário não chega ao agente, a consulta passa a usar a conta técnica sem erro. O teste de identidade em uso precisa fazer parte da homologação e do monitoramento, e não só do primeiro deploy. O que a seguradora precisa decidir antes do piloto A plataforma aplica as regras, mas não as define. Antes de liberar o agente, a seguradora precisa classificar quais colunas de sinistro são dado pessoal e quais são dado de saúde, decidir quais perfis podem ver cada classe, registrar essas decisões como tags governadas no catálogo e escolher, recurso por recurso, se o agente usa a identidade do usuário ou a conta técnica. Essa classificação é o mesmo trabalho de governança de dados que a seguradora já precisaria fazer para a LGPD, agora aplicado a um consumidor novo, que responde a perguntas em vez de abrir telas. O caso de dados de conversa, com mascaramento de gravações e transcrições, está tratado no artigo “Governança de dados de conversa no Databricks” , publicado no blog. Aqui o foco é o agente que consulta o processo de sinistro. A camada regulatória, com a ressalva devida A LGPD exige, no artigo 46, medidas de segurança técnicas e administrativas aptas a proteger os dados pessoais de acessos não autorizados, e não prescreve ferramenta. No mercado de seguros, a Circular Susep 638/2021 trata de segurança cibernética e determina a comunicação de incidentes relevantes à autarquia. A leitura de que o agente de IA deve herdar a regra de acesso do analista é uma interpretação editorial da CSP Tech sobre como aplicar o princípio da necessidade a um novo tipo de consumidor de dados. A base legal de cada tratamento, a classificação dos dados e a avaliação de impacto cabem ao encarregado de dados e às áreas de compliance e jurídico da seguradora. Quando esse desenho é desproporcional Um agente que trabalha só com dados agregados ou anonimizados, como volume de sinistros por ramo e região, não precisa de autorização por usuário: a conta técnica com acesso apenas a essas tabelas resolve. O mesmo vale para um agente interno que responde sobre normas e procedimentos, sem acesso a processos de segurados. O cuidado descrito aqui é para o agente que consulta processos individuais. Perguntas frequentes Dado de sinistro é dado pessoal sensível? Parte dele é. A LGPD, no artigo 5º, inciso II, classifica o dado referente à saúde como dado pessoal sensível, e processos de sinistro de vida, saúde e acidentes pessoais costumam conter laudos e informações médicas. Dados de identificação e bancários do segurado são dados pessoais, ainda que não sensíveis. O que é autorização por usuário em agentes do Databricks? É o modo em que o agente acessa os dados com a identidade de quem faz a pergunta, antes chamado de on-behalf-of-user. Com ele, o Unity Catalog aplica automaticamente filtros de linha e máscaras de coluna. Segundo a documentação da Databricks de outubro de 2026, o recurso está em prévia pública e precisa ser habilitado por um administrador do workspace. Posso indexar no AI Search uma tabela com máscaras de coluna? Não. A documentação da Databricks informa que tabelas com filtros de linha ou máscaras de coluna não podem ser usadas para criar um índice do AI Search. O caminho seguro é preparar uma tabela própria para o índice, sem os campos sensíveis ou com eles transformados, em vez de copiar a tabela original sem proteção. Uma instrução no prompt basta para o agente não revelar dados de saúde? Não é uma proteção confiável, porque pode ser contornada por perguntas bem formuladas. A forma mais segura é impedir que o dado chegue ao modelo, aplicando máscaras de coluna e filtros de linha na plataforma de dados e fazendo o agente consultar com a identidade do usuário. Próximo passo Faça um teste de dez minutos: no agente que sua equipe está testando sobre dados de sinistro, faça a mesma pergunta com dois usuários de perfis diferentes, um do atendimento e outro da regulação, e compare as respostas. Depois, verifique se o índice de busca do agente foi criado a partir de uma cópia da tabela original. Se as respostas forem iguais, ou se o índice veio de uma cópia sem máscaras, o agente está vendo mais do que o analista. Solicite um diagnóstico de dados da CSP Tech para desenhar a autorização e as máscaras antes de ampliar o piloto. Leituras relacionadas Governança de dados e IA Segurança de agentes de IA: por que permissão virou o novo perímetro (e como limitar o agente sem inutilizá-lo) Data lake ou pântano de dados: por que a IA não fracassa por falta de dado, e sim por não achar o dado certo MDM no Databricks: como construir gestão de dados mestres no Lakehouse (sem comprar mais uma plataforma) Por que 40% dos projetos de agentes de IA serão cancelados até 2027 (e o que a fundação de dados tem a ver com isso) Setor financeiro e seguros Agentes de IA não autorizados chegaram às contas bancárias dos EUA. Seus sistemas sabem quem está do outro lado? Empresa de intranet para banco, cooperativa ou seguradora: como comparar plataforma pronta, SharePoint e desenvolvimento sob medida “De onde veio esse número”? Rastreabilidade de dados para decisões mais confiáveis Autor: Guilherme Matos, estrategista de conteúdo e IA, certificado HubSpot, Google, Anthropic e Semrush. Revisão técnica por especialistas Atlassian e de dados da CSP Tech (Atlassian Gold Partner, parceira Databricks, Microsoft Gold Partner, participante do Anthropic Partner Network, 38 anos de mercado, produto próprio Power BI for Jira no Atlassian Marketplace). Fontes (acesso em 19/11/2026): Databricks Documentation, “Authentication for AI agents” (autorização do app e por usuário; prévia pública; fallback sem erro; recursos suportados), atualizada em 23/10/2026. Databricks Documentation, “Row filters and column masks” (avaliação em tempo de consulta, políticas ABAC, limitações com AI Search, clones, time travel e views), atualizada em 06/11/2026. Lei nº 13.709/2018 (LGPD) , arts. 5º (II), 6º (III), 11 e 46, texto compilado no Planalto. Circular Susep nº 638/2021 . A tese e as práticas de desenho são formulação editorial da CSP Tech. Este conteúdo não constitui aconselhamento jurídico ou regulatório.
Por Guilherme Matos • 18 de novembro de 2026
Scripts envenenados em quatro serviços web, DDoS contra a rede Tor: como cada ataque de novembro de 2026 funcionou e o que revisar em cada camada.
Por Guilherme Matos • 17 de novembro de 2026
Com o Pix funcionando 24 horas, a mudança segura em pagamentos é a que chega à janela com o caminho de volta testado e registrado. Veja como estruturar janela, aprovação e rollback.
Por Guilherme Matos • 16 de novembro de 2026
A linhagem do Unity Catalog mostra de onde veio cada coluna, mas tem limites documentados. Veja o que ela não cobre e o que a instituição financeira precisa somar para defender um número reportado.
Por Guilherme Matos • 13 de novembro de 2026
Em banco, seguradora ou cooperativa, um normativo interno vencido que continua acessível na intranet deixa de ser só conteúdo desatualizado e passa a ser instrução operacional errada. Com o Microsoft 365 Copilot, o risco cresce, porque o assistente usa todo o conteúdo que o colaborador tem permissão de ver, inclusive a
Por Guilherme Matos • 12 de novembro de 2026
Uma instância Jira por cooperativa ou uma para o sistema inteiro? Veja os três desenhos possíveis, os critérios de decisão e o que a Resolução 4.893 permite ao sistema cooperativo.
Por Guilherme Matos • 10 de novembro de 2026
Com IA, o gestor de banco pergunta ao dado em linguagem natural em vez de esperar o relatório. Veja o que muda no time de dados com o Genie do Databricks: curadoria, testes de precisão, revisão de respostas e o histórico de perguntas como fila de demanda.
Por Guilherme Matos • 9 de novembro de 2026
Banco, cooperativa e seguradora já usam mais IA do que a TI registrou. Veja o que um inventário de IA precisa conter para servir de evidência à auditoria e ao Banco Central, de onde vêm os itens e onde manter o registro vivo no Jira Service.
Por Guilherme Matos • 5 de novembro de 2026
A Resolução 4.893 pede que o Banco Central saiba onde os dados podem ser processados. No Databricks, os recursos de IA seguem a área geográfica do workspace, que pode ir além do Brasil. Veja o que mapear antes de contratar e como configurar.