O Jira da sua operação de legado já registra o que modernizar, e a maioria usa isso como fila de chamado

Guilherme Matos • October 1, 2026

Toda operação de sistemas legados gera trabalho: incidente que reabre, ajuste que volta, mudança de configuração, acesso a revogar. Na maioria das empresas esse trabalho mora no Jira e é tratado como fila a esvaziar. O registro que se acumula ali, quem pede o quê, com que frequência e em qual sistema, é a evidência mais honesta que existe sobre o custo e o risco do seu legado, e quase sempre é descartada assim que o chamado fecha. Uma consultoria Jira madura desenha o Jira do legado para que esse registro vire decisão, e não só atendimento. Uma consultoria Databricks transforma o mesmo registro em leitura de portfólio, cruzando volume de demanda com o que cada sistema representa para o negócio.


E as licenças Jira são a primeira economia que esse desenho costuma pagar, porque param de ser compradas por quem pode fazer login e passam a seguir quem realmente opera o legado.

O chamado que fecha e a decisão que se perde


A cena se repete toda semana e por isso não vira evento. Um sistema antigo apresenta o mesmo erro pela terceira vez no mês. Abre-se o chamado, alguém do time de sustentação aplica a correção conhecida, o item fecha dentro do SLA e o indicador de atendimento fica verde. Do ponto de vista da fila, foi um sucesso: pedido resolvido, prazo cumprido.


O que se perdeu nesse sucesso foi a informação de que aquele sistema falhou três vezes no mês, que a correção é sempre a mesma e que o custo real não está em cada atendimento, está na repetição que ninguém soma. O chamado fechado responde se o time atendeu. Ele não responde se aquele sistema deveria continuar existindo. Essa segunda pergunta, que é a que importa para a diretoria, está escrita no registro, e o registro está sendo usado só para medir se a fila andou.


A tese deste guia: na operação de sistemas legados, o Jira é a sua base de evidência sobre o que modernizar, sustentar ou desligar, e a maioria das empresas o trata como fila de chamado e descarta a decisão que ele poderia sustentar. Quem opera o legado só como atendimento paga a conta duas vezes: no esforço repetido e na modernização adiada por falta de evidência para priorizá-la.


O que o Jira do legado registra, e o que a maioria descarta


O registro de uma operação de legado guarda quatro sinais que, somados, descrevem o estado real do parque. Tratado como fila, o Jira mostra só o primeiro. Desenhado como evidência, ele entrega os quatro, e cada um responde a uma decisão diferente de portfólio.

Nenhum desses sinais exige ferramenta nova. Todos já estão sendo gerados a cada chamado. O que falta não é dado, é desenho da instância para que o dado saia da fila e chegue à decisão.

This is a subtitle for your new post

Como a consultoria Jira transforma fila em evidência?


A consultoria Jira transforma fila em evidência amarrando cada item de trabalho ao sistema legado que o gerou e ao tipo de demanda que ele representa, com campos padronizados em vez de texto livre. Sem isso, o volume por sistema é impossível de somar, porque o mesmo sistema aparece escrito de cinco formas diferentes no campo de descrição. Com isso, a pergunta sobre qual sistema consome mais esforço deixa de depender de memória e vira relatório.


Há uma disciplina de configuração que essa camada exige, e ela também é parte do serviço. Campos personalizados sem governança viram o próprio ruído que impede a leitura. A Atlassian passou a aplicar limites de campos personalizados por espaço no Jira Cloud a partir de março de 2026, com restrições adicionais anunciadas para setembro de 2026, justamente para conter a proliferação que degrada performance e relatório. Uma consultoria Jira que só abre campo sob demanda entrega o problema que esses limites tentam corrigir. Uma que governa desenha o conjunto mínimo de campos que torna o legado mensurável e cabe dentro do limite.


O Jira Service Management acrescenta a esse desenho o fluxo de solicitação, aprovação e histórico de transições, que é o que dá rastro à quarta linha da tabela, a de acesso e mudança. Operação de legado sem esse rastro não tem como responder quem alterou o quê quando a auditoria pergunta, e no legado a auditoria pergunta.


Onde entra a consultoria Databricks: ler o legado como portfólio


O Jira responde o que acontece em cada sistema. A leitura de portfólio exige cruzar esse registro com o que cada sistema representa em criticidade, receita e dependência, e esse cruzamento vive na plataforma de dados. É aí que entra a consultoria Databricks: levar o registro do Jira para um ambiente onde ele se junta a outras fontes e vira decisão comparável entre sistemas.


A arquitetura medalhão, documentada pela Databricks, preserva na camada bronze o dado bruto exatamente como chegou da fonte, o que mantém o histórico de chamados íntegro para reprocessamento quando a regra de leitura mudar. A linhagem no Unity Catalog, capturada automaticamente em tempo de execução com granularidade até o nível de coluna, e a linhagem externa, que registra origens e ferramentas fora da plataforma, respondem de que outros sistemas um legado depende antes de qualquer decisão de desligá-lo. Do lado da ingestão, o Lakeflow Connect oferece um conector de Jira, em Beta na data de verificação desta publicação, que traz tabelas como issues, comentários e worklogs com leitura incremental.


volume por sistema + criticidade de negócio
                               
       +------ cruzamento no Databricks ------+
                         
       legado caro e pouco crítico -> candidato a desligar
        legado caro e muito crítico -> candidato a modernizar
        legado barato e estável     -> sustentar como está


A matriz acima é formulação editorial da CSP Tech para ilustrar a leitura, construída a partir das capacidades documentadas, e não um modelo oficial da Databricks. O ponto técnico é que sem preservar o bruto e sem linhagem, a decisão de modernização continua sendo opinião sobre qual sistema incomoda mais, em vez de leitura sobre qual sistema custa mais e sustenta o quê.


O que isso faz com a sua conta de licenças Jira?


A economia aparece porque o registro revela quem de fato opera o legado. O licenciamento do Jira é por usuário, e a conta se paga por quem pode fazer login, não por quem trabalha. Numa operação de legado, isso enche a instância de aprovadores eventuais e observadores que consomem licença paga e raramente agem. Quando o desenho da instância separa quem opera de quem só acompanha, dá para mover acompanhamento para os papéis apropriados e dimensionar a licença para a operação real.


Este texto trata a licença como consequência do desenho, não como o tema central. O caso completo de desperdício de licença em legado, com o modelo de cobrança em detalhe, está no artigo dedicado a licenças Jira, que este aponta nos links internos. Aqui o ponto é mais simples: o mesmo registro que decide o que modernizar também mostra por quem você está pagando sem retorno.


Sinais de que o seu Jira de legado é só fila


•  Ninguém soma chamados por sistema legado. Se a resposta sobre qual sistema consome mais esforço depende de impressão, o sistema que dói não é necessariamente o que custa, e a modernização está sendo priorizada no escuro.

•  O sistema legado vai em campo de texto livre. Quando o mesmo sistema aparece escrito de várias formas, o volume por sistema é incontável por construção, e o relatório que decidiria o portfólio não existe.

•  Correção repetida fecha como incidente novo toda vez. Problema recorrente tratado como evento isolado esconde dívida técnica que seria óbvia se a recorrência fosse somada.

•  Você paga licença Jira por gente que só aprova de vez em quando. Acompanhante com licença de operador é o desperdício mais comum e o primeiro que o registro expõe.


Quando esse rigor é desproporcional


•  Parque pequeno e estável. Se há poucos sistemas e o volume de chamado é baixo, a leitura cabe na cabeça de quem opera, e o desenho formal de evidência rende pouco no curto prazo.

•  Legado já com desligamento decidido. Se a decisão de aposentar o sistema já foi tomada, instrumentar o registro dele para decidir o que já está decidido é esforço mal alocado.

•  Operação sem plataforma de dados nem plano para ela. Se não há para onde levar o registro, o esforço deve ir primeiro para a higiene da instância Jira, que tem retorno próprio e é pré-requisito de qualquer leitura de portfólio futura.


Próximo passo


Há um teste de dez minutos que vale fazer hoje: tente gerar, no seu Jira, um relatório de chamados agrupados por sistema legado nos últimos doze meses. Se o campo que identifica o sistema for texto livre, ou não existir, você acabou de descobrir por que a sua priorização de modernização é opinião e não evidência. Solicite um diagnóstico do seu Jira de legado e do que ele revela sobre modernização com a CSP Tech e receba o mapa do seu caso: quais sistemas concentram esforço, o que o registro já permite decidir e o que precisa entrar na instância para que o legado vire decisão, do atendimento ao portfólio.



Perguntas frequentes


O que é consultoria Jira para sistemas legados?

É o serviço especializado que desenha o Jira de uma operação de legado para que o registro de chamados, mudanças e acessos vire evidência de decisão, e não apenas fila de atendimento. Na prática, isso significa amarrar cada item ao sistema legado que o gerou e ao tipo de demanda, com campos padronizados e governados, e usar o Jira Service Management para dar rastro a solicitação, aprovação e mudança. O resultado é poder somar esforço por sistema e priorizar modernização com dado.


Como o Jira ajuda a decidir o que modernizar no legado?

O Jira registra, a cada chamado, quatro sinais: volume por sistema, recorrência do problema, tipo de demanda e histórico de acesso e mudança. Somados, eles mostram qual sistema concentra esforço, qual tem dívida técnica paga em parcelas e qual está em deterioração. Essa é a base de evidência para decidir o que modernizar, o que sustentar e o que desligar, desde que a instância esteja desenhada para que esses sinais saiam da fila e cheguem ao relatório.


O que a consultoria Databricks acrescenta à operação de legado?

A consultoria Databricks leva o registro do Jira para a plataforma de dados e o cruza com criticidade, receita e dependência de cada sistema, o que transforma a leitura de um sistema isolado em decisão comparável de portfólio. A arquitetura medalhão preserva o histórico bruto para reprocessamento, e a linhagem do Unity Catalog, inclusive a externa, responde de que outros sistemas um legado depende antes de qualquer decisão de desligá-lo. Fonte: documentação Databricks, acesso set/2026.


Como reduzir licenças Jira numa operação de legado?

O licenciamento do Jira é por usuário e se paga por quem pode fazer login, não por quem trabalha. Numa operação de legado, a economia aparece ao separar, no desenho da instância, quem opera de quem apenas aprova ou acompanha, movendo o acompanhamento para papéis apropriados e dimensionando a licença para a operação real. O registro do próprio Jira é o que expõe por quem a empresa paga sem retorno. O caso completo está no artigo dedicado a licenças Jira.

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, 34 anos de mercado, produto próprio Power BI for Jira no Atlassian Marketplace).


Fontes (oficiais, acesso set/2026): Atlassian, documentação e notas do Jira Cloud quanto aos limites de campos personalizados por espaço, aplicados a partir de março de 2026 e com restrições adicionais anunciadas para setembro de 2026 (atlassian.com). Atlassian, documentação do Jira Service Management quanto a tipos de item, campos, fluxo de aprovação e histórico de transições (atlassian.com). Atlassian, documentação de cobrança e assinatura quanto ao modelo de licenciamento por usuário do Jira (atlassian.com). Databricks Documentation (docs.databricks.com), quanto à arquitetura medalhão e à camada bronze como dado bruto preservado no formato da fonte; à linhagem no Unity Catalog capturada automaticamente com granularidade de coluna e à linhagem externa; e ao Lakeflow Connect, incluindo o conector de Jira, cujo status de Beta corresponde à data de verificação e pode ter evoluído. A leitura do legado como matriz de custo versus criticidade, os quatro sinais do registro e a tese do Jira como base de evidência são formulação editorial da CSP Tech, organizadas a partir das capacidades documentadas acima, e não constituem norma ou padrão de mercado. Nenhum percentual, prazo ou custo foi citado por ausência de fonte primária verificável.

Fale com a CSP Tech

.

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.
Por Guilherme Matos • 4 de novembro de 2026
Só 19% dos bancos percebiam retorno da IA em 2025. Veja os cinco pontos que travam a escala, o que a regulação já exige e por que a resposta passa pela governança de dados.
Por Guilherme Matos • 3 de novembro de 2026
A CSP Tech participou do Inovatech Executive Summit 2026, realizado em 27 de outubro no WTC São Paulo, como patrocinadora do encontro. Às 9h50, no Plenário, Lúcio Matias, Head de IA da CSP Tech , apresentou a palestra “O orçamento de inovação está preso no legado”, sobre um problema que aparece em quase toda conversa com CIOs: uma parte relevante do orçamento de TI já tem destino antes de qualquer decisão, porque precisa manter funcionando o que já existe. A mensagem central foi que a IA generativa acelera tudo, inclusive o erro, quando não conhece o sistema em que vai mexer. Por isso, a ordem de uso importa: primeiro usar a IA para entender o legado, com evidência registrada , e só depois para alterá-lo com governança e custo sob controle . No mesmo dia, a CSP Tech recebeu lideranças de tecnologia em um Almoço Executivo. Um marco para a CSP Tech: levar o debate para quem decide o orçamento Em 38 anos de mercado, a CSP Tech acumulou projetos de desenvolvimento, modernização, dados e plataformas Atlassian e Microsoft em empresas onde o sistema mais crítico costuma ser também o mais antigo. Levar essa experiência ao palco de um encontro de lideranças de tecnologia tem um peso especial para a empresa, porque coloca a discussão técnica diante de quem aprova o orçamento e responde pelo resultado dele. O Inovatech Executive Summit 2026 se propôs a discutir o que 2027 vai exigir da liderança de tecnologia, com palestras, painéis e casos sobre alocação de capital, IA, agentes, segurança e orçamento. A palestra da CSP Tech entrou nessa agenda com um recorte prático: antes de discutir quanto investir em IA, vale descobrir quanto do orçamento já está comprometido e por quê. A CSP Tech agradece a presença de todas as lideranças que participaram do Almoço Executivo e das conversas ao longo do dia. Foram trocas francas sobre o que funciona e o que ainda trava a adoção de IA nas empresas, e boa parte do que está neste texto nasceu delas. Tese da CSP Tech: o orçamento fica preso no legado quando a empresa perde o entendimento do próprio sistema, porque toda decisão sobre ele passa a ser tomada sem evidência e com margem de segurança cara. A ordem de uso da IA decide se ela libera ou consome orçamento: primeiro reconstruir o entendimento do sistema, com registro auditável e sem alterar código; só então mudar o código, com o contexto certo, modelo escolhido por tarefa e custo medido por entrega. O que preocupa as lideranças de tecnologia presentes no Summit A lista de participantes do evento trazia uma pergunta aberta: quais têm sido os maiores desafios para tecnologia e inovação nos tempos atuais. Quase metade das respostas cita IA, seja na adoção, na escala, no uso de agentes ou na IA generativa. Governança, segurança, risco e regulação aparecem em segundo plano, assim como custo, ROI, investimento e valor gerado. Na prática, a IA raramente aparece sozinha nas respostas. Ela aparece amarrada a governança, a segurança e à pergunta sobre retorno. Até 40% do orçamento com destino definido: o que esse número quer dizer A descrição oficial da palestra na agenda do evento parte da constatação de que até 40% do gasto de TI ainda vai para manter os sistemas existentes. Faixas próximas aparecem nas pesquisas da McKinsey com CIOs, com uma diferença de base que vale entender antes de usar o número em uma apresentação ao conselho. Em outubro de 2020, a McKinsey relatou que CIOs estimam a dívida técnica em 20% a 40% do valor de todo o seu parque tecnológico antes da depreciação, e que de 10% a 20% do orçamento de tecnologia destinado a novos produtos acaba desviado para resolver problemas ligados a essa dívida. Em abril de 2023, a consultoria voltou ao tema para argumentar que separar de 15% a 20% do orçamento de TI para tratar a dívida técnica é insuficiente quando a empresa não muda a forma como ela é gerada e priorizada. Os números medem coisas diferentes, valor do parque em um caso e orçamento no outro, mas apontam na mesma direção da palestra. A leitura prática para o gestor é que o número exato varia por empresa e por método de medição, mas o mecanismo é o mesmo: cada projeto novo paga um pedágio para conviver com o que já existe. O primeiro passo para reduzir esse pedágio é medi-lo no próprio parque, por sistema, em vez de importar uma média de mercado. Por que a IA sem contexto acelera o erro no legado Na síntese que a CSP Tech publicou sobre a palestra, a ideia aparece de forma direta: sem contexto, a IA ganha velocidade na direção errada, e o contexto da empresa mora no legado, raramente na documentação. Em sistemas antigos, a documentação costuma estar desatualizada ou não existir, quem construiu já saiu e as dependências entre módulos ficam invisíveis. O código passa a ser o único registro confiável das regras de negócio. Quando um time joga arquivos inteiros desse código em um assistente de IA e pede uma alteração, três coisas acontecem ao mesmo tempo. O modelo tenta inferir relações que não enxerga, e a entrega pode quebrar outra parte do sistema. O consumo de tokens cresce sem relação com o valor entregue, porque o modelo recebe muito texto irrelevante. E, sem registro, ninguém consegue reconstituir depois qual contexto foi usado, qual modelo respondeu e quanto custou. Cada um desses sintomas tem um efeito direto no orçamento e uma pergunta que o gestor pode fazer ao time ainda hoje. O contexto incompleto vira retrabalho e incidente depois da entrega, e a pergunta é se a IA recebeu as dependências reais do trecho alterado. O envio de arquivos inteiros faz a fatura de IA crescer sem relação com o resultado, o que leva a perguntar quanto custou cada entrega feita com IA em cada projeto. O uso de ferramentas sem aprovação, o chamado shadow AI, coloca risco de vazamento e custo fora do radar, e pede um inventário de quais ferramentas e modelos estão em uso e por quem. Por fim, a falta de trilha torna a auditoria cara e as decisões difíceis de defender, porque ninguém consegue mostrar a um auditor o que foi gerado e com qual base. Esse retrato conversa diretamente com o que as lideranças escreveram no formulário do evento. A preocupação com governança de IA e com retorno é a mesma preocupação vista de dois lados: sem controle do contexto e do custo, nenhuma das duas pode ser demonstrada. A ordem que a CSP Tech defendeu no palco: entender antes de alterar A abordagem apresentada por Lúcio Matias organiza o uso da IA sobre o legado em uma sequência. Cada etapa entrega valor por si e prepara a seguinte, então a empresa decide até onde ir. 1. Reconstruir o conhecimento do sistema, sem alterar o código O ponto de partida é uma engenharia reversa assistida por IA. Em vez de tratar o código como texto, a análise lê a estrutura real dele (funções, classes, chamadas e dependências, extraídas da árvore sintática do código) e monta um mapa de relações. Sobre esse mapa, a IA ajuda a documentar fluxos, regras de negócio, riscos e dívida técnica. Nada é alterado no sistema nessa etapa, o que reduz o risco e permite começar mesmo em ambientes críticos. 2. Decidir com evidência entre manter, evoluir, modernizar ou reescrever Com o sistema mapeado, a decisão que costuma ser adiada por falta de dados passa a ter base, e cada caminho tem um momento em que faz sentido e um risco que precisa ser conhecido antes da escolha. Manter faz sentido quando o sistema é estável, muda pouco e o custo de sustentação está medido e aceito pela empresa, com o cuidado de acompanhar a obsolescência da tecnologia e a saída de quem ainda conhece o sistema. Evoluir é o caminho quando o negócio pede mudanças frequentes e o núcleo do sistema ainda atende, desde que cada alteração parta de um mapa de dependências, para não quebrar outra parte. Modernizar se justifica quando a plataforma limita escala, segurança ou integração, mas as regras de negócio continuam valendo, e o risco principal está em perder alguma dessas regras na migração se não houver rastreabilidade do sistema antigo para o novo. Reescrever só se sustenta quando a arquitetura impede o que o negócio precisa e as regras já estão documentadas, porque reescrever sem conhecer o que o sistema guarda costuma repetir o problema em uma tecnologia nova. 3. Executar com IA governada Quando chega a hora de alterar o código, a IA recebe apenas o recorte do mapa relevante para a tarefa, e não o sistema inteiro. O modelo é escolhido conforme a complexidade da tarefa e o orçamento definido, o resultado é validado contra critérios de aceite antes de entrar no código e cada chamada deixa um registro. O desenvolvedor continua na ferramenta que já usa; o controle fica na camada por trás dela. Esse registro funciona como a memória da operação. Para cada uso da IA, ele guarda em qual projeto e em qual tarefa ela foi acionada, quais partes do sistema entraram no contexto, qual modelo respondeu e por qual política foi escolhido, quantos tokens foram enviados, quanto aquilo custou, se o resultado passou nos critérios de aceite e quem foi o responsável. Com essas informações, a pergunta sobre quanto custou uma entrega feita com IA deixa de depender de estimativa. 4. Medir quanto do custo de sustentar virou capacidade de investir O fechamento da palestra foi sobre orçamento: o objetivo da sequência é transformar o custo de sustentar em capacidade de investir em inovação. Isso só pode ser demonstrado com medição antes e depois, por sistema, considerando horas de sustentação, incidentes, tempo de entrega e gasto com IA por entrega. Sem a linha de base levantada na primeira etapa, qualquer ganho vira estimativa. O que fica para o gestor de TI: antes de definir quanto investir em IA em 2027, vale definir em que ordem usá-la. Começar pelo entendimento do legado cria a evidência que falta para decidir e a linha de base que falta para provar retorno. A camada de governança, com a ressalva devida A preocupação com governança que gera preocupação nas lideranças. A norma ISO/IEC 42001, publicada em dezembro de 2023, estabelece requisitos para um sistema de gestão de inteligência artificial, com foco em uso responsável, gestão de riscos e transparência. Registrar contexto, modelo, custo e validação de cada uso de IA no desenvolvimento ajuda a gerar evidências para esse tipo de sistema de gestão e para auditorias de segurança da informação. Registrar evidência, porém, não equivale a estar em conformidade: a adequação a qualquer norma depende de escopo, processo e avaliação próprios, e não decorre do uso de uma ferramenta ou de um método. Quando essa abordagem é desproporcional Há cenários em que essa sequência custa mais do que resolve. Em um sistema pequeno, bem documentado e mantido por um time que o conhece, com dependências claras e mudanças raras, um mapeamento completo tende a ser desproporcional. Quando o sistema já tem data de desligamento definida e a substituição está contratada e próxima, o esforço rende mais se for para a migração dos dados e das regras críticas. E, se o uso de IA ainda é pontual e não toca código sensível, uma política clara de ferramentas permitidas e um inventário de uso resolvem a maior parte do risco antes de qualquer camada de controle. Perguntas frequentes O que foi o Inovatech Executive Summit 2026? Um encontro de lideranças de tecnologia e inovação realizado em 27 de outubro de 2026, no WTC São Paulo, com o tema do que 2027 vai exigir da liderança de tecnologia. A agenda reuniu palestras, painéis e casos sobre alocação de capital, IA, agentes, segurança e orçamento. Qual foi a participação da CSP Tech no Inovatech 2026? A CSP Tech foi patrocinadora do evento. Lúcio Matias, Head de IA da CSP Tech, apresentou a palestra “O orçamento de inovação está preso no legado”, sobre como usar a IA para entender sistemas legados antes de alterá-los e transformar custo de sustentação em capacidade de investir. A CSP Tech também recebeu lideranças de tecnologia em um Almoço Executivo durante o Summit. Por que a IA sem contexto aumenta o custo de manter sistemas legados? Porque o modelo não conhece as relações reais entre as partes de um sistema legado, que raramente estão documentadas. Ele infere essas relações, o que gera entregas que quebram outras partes e retrabalho. Enviar arquivos inteiros ao modelo também eleva o consumo de tokens sem ganho proporcional, e a falta de registro impede saber depois o que foi feito e quanto custou. Como começar a liberar orçamento preso no legado? Medindo antes de mudar. O primeiro passo é mapear o sistema e o custo de sustentação dele, sem alterar código, para ter evidência sobre dependências, riscos e dívida técnica. Com esse diagnóstico, a empresa decide entre manter, evoluir, modernizar ou reescrever, e passa a ter uma linha de base para provar o retorno de cada mudança, inclusive das feitas com IA. Próximo passo Faça um teste de dez minutos com o seu sistema mais crítico: quem hoje consegue explicar as regras de negócio dele sem abrir o código, quanto custou a sustentação dele no último ano e quanto do gasto com IA do time foi usado nele, com que contexto. Se alguma dessas respostas depende de uma pessoa ou de uma estimativa, o orçamento de 2027 desse sistema já está comprometido sem evidência. Receba um diagnóstico de legado da CSP Tech: um mapa do sistema, dos riscos e da dívida técnica, sem alteração no código, com a recomendação fundamentada entre manter, evoluir, modernizar ou reescrever. CSP Tech. Conectando pessoas, tecnologia e negócios. 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).
segurança do Rovo MCP; permissões do servidor MCP da Atlassian;
Por Romildo Burguez • 27 de outubro de 2026
Agentes de IA já escrevem no Jira. Veja os controles de segurança do Rovo MCP que o administrador precisa revisar antes de liberar a escrita.
agentes de IA não autorizados; como identificar agentes de IA em sistemas corporativos?
Por Romildo Burguez • 26 de outubro de 2026
Bancos dos EUA detectaram agentes de IA não autorizados em contas de clientes. Entenda o que o caso revela sobre identidade, permissões e controle.