 |
| Bellacosa Mainframe e o ms copilot para devs cobol |
☕ Um Café no Bellacosa Mainframe
Stargate Copilot — O dia em que o programador COBOL atravessou o portal da IA corporativa
Ou: você entrou achando que Microsoft Copilot era um sujeito que resumiria sua reunião no Teams e descobriu do outro lado do portal agentes, Graph, Fabric, APIs, identidade, governança, Power Automate e um velho programa COBOL esperando tranquilamente no CICS
Imagine a cena.
Você é um jovem programador COBOL.
Ainda está naquele estágio saudável da carreira em que olha para:
IDENTIFICATION DIVISION.
PROGRAM-ID. XPTO001.
e sente uma mistura de respeito, curiosidade e uma pequena vontade de perguntar:
— Mas por que diabos isso começa com um parágrafo dizendo o nome do programa se eu já sei o nome do programa?
Calma.
Você ainda verá coisas muito mais estranhas.
Um belo dia alguém da arquitetura chega com uma imagem gigantesca chamada:
MICROSOFT COPILOT ECOSYSTEM
Na imagem aparecem Power Platform, Power BI, Copilot Studio, Entra ID, Purview, Defender, Dynamics, OneDrive, SharePoint, Teams, Microsoft Fabric, OneLake, Azure AI, GitHub Copilot, Azure DevOps, Bing, Edge, Logic Apps, Functions, SQL e uma quantidade de logotipos suficiente para fazer um programador COBOL procurar discretamente a tecla PF3.
Não aperte PF3 ainda.
Porque existe uma maneira curiosamente simples de entender tudo isso.
E, ironicamente, quem conhece mainframe talvez tenha mais facilidade do que muita gente imagina.
Pegue um café.
Ative o chevron.
Hoje vamos atravessar o Stargate da IA corporativa.
🌌 1. O primeiro erro: achar que Copilot é “o ChatGPT da Microsoft”
Foi assim que muita gente conheceu a coisa.
Abriu o Word:
“Copilot, melhore este texto.”
Abriu o Outlook:
“Resuma esta conversa.”
Entrou no Teams:
“O que aconteceu na reunião enquanto eu estava fingindo que prestava atenção?”
Abriu o PowerPoint:
“Crie uma apresentação.”
Muito útil.
Mas isso corresponde apenas à primeira camada.
Podemos representar assim:
USUÁRIO
|
v
COPILOT
|
v
RESPOSTA
Você pergunta.
Ele responde.
Fim.
É o equivalente cognitivo de um programa batch extremamente simples:
INPUT
|
PROCESS
|
OUTPUT
Para uma primeira experiência é ótimo.
Mas a Microsoft está construindo algo muito maior ao redor dessa ideia.
O ponto central é:
Copilot não deve ser entendido apenas como um produto. Ele está se transformando numa interface para um ecossistema empresarial de IA.
E isso muda completamente a arquitetura.
🌀 2. Chevron 1 locked: produtividade
No primeiro planeta encontramos o Microsoft 365 Copilot.
Word.
Excel.
PowerPoint.
Outlook.
Teams.
SharePoint.
OneDrive.
É o planeta mais confortável porque o humano continua no comando.
Ele pergunta:
“Resuma os emails de hoje.”
O sistema procura contexto.
Um modelo gera uma resposta.
E o humano decide o que fazer.
A lógica ainda é:
HUMANO
|
v
PERGUNTA
|
v
IA
|
v
RESPOSTA
|
v
HUMANO EXECUTA
Isso é produtividade assistida.
Pode economizar cinco minutos.
Pode economizar meia hora.
Pode economizar algumas horas por semana.
Excelente.
Mas ainda não transformamos o processo.
Mudamos apenas a produtividade de uma etapa.
É a diferença entre colocar um compilador COBOL mais rápido e redesenhar toda a cadeia de processamento.
🧠 3. O Microsoft Graph: o MALP enviado antes da equipe
Quem assistia a Stargate SG-1 lembra do MALP.
Antes de mandar O’Neill, Carter, Daniel Jackson e Teal’c atravessarem alegremente um buraco de minhoca para um planeta onde poderia haver Goa’uld esperando do outro lado, enviava-se uma pequena máquina.
Ela verificava o terreno.
Atmosfera.
Ambiente.
Imagens.
Possíveis problemas.
O Microsoft Graph cumpre uma função vagamente comparável dentro da história do Copilot: ajuda a fornecer contexto organizacional.
Quando você pergunta:
“O que ficou decidido sobre o Projeto X?”
a resposta pode depender de:
emails;
documentos;
reuniões;
calendários;
arquivos;
conversas;
conteúdo no SharePoint;
informações disponíveis ao usuário.
O Microsoft 365 Copilot usa grounding e o Microsoft Graph para enriquecer a solicitação com contexto relevante. E há uma regra fundamental: o acesso continua limitado às permissões do usuário autenticado.
Isso merece atenção.
Copilot não significa:
SELECT *
FROM EMPRESA;
Significa algo mais parecido com:
SELECT INFORMACAO
FROM ORGANIZACAO
WHERE USUARIO_TEM_PERMISSAO = TRUE;
Pelo menos conceitualmente.
E o jovem COBOL pode reconhecer imediatamente a importância disso.
Porque uma coisa é saber responder.
Outra completamente diferente é saber a que dados você pode ter acesso para responder.
🔎 4. Grounding: evitando mandar a IA explorar Abydos com um mapa de Marte
Um modelo de linguagem possui conhecimento geral.
Mas a sua empresa possui conhecimento específico.
Imagine perguntar:
“Qual foi a decisão sobre o projeto Phoenix?”
Para um modelo genérico isso significa aproximadamente nada.
Phoenix pode ser:
projeto de software;
cliente;
sistema interno;
codinome;
tabela;
incidente;
nome do gato do diretor.
O grounding adiciona contexto.
Conceitualmente:
PROMPT ORIGINAL
"Qual foi a decisão sobre Phoenix?"
|
v
RECUPERAÇÃO DE CONTEXTO
|
+--> email
+--> Teams
+--> documento
+--> reunião
|
v
PROMPT ENRIQUECIDO
|
v
LLM
|
v
RESPOSTA CONTEXTUAL
É uma diferença enorme.
Sem grounding:
IA sabe coisas.
Com grounding:
IA sabe coisas e consegue relacionar sua pergunta ao contexto autorizado da organização.
Esse é um dos pilares da IA corporativa.
📚 5. A grande biblioteca onde ninguém sabe onde guardou nada
Toda empresa grande possui uma versão da mesma tragédia.
Existe um documento importante.
Em algum lugar.
Talvez no SharePoint.
Talvez no OneDrive.
Talvez num email.
Talvez numa pasta chamada:
FINAL
dentro de:
FINAL_V2
dentro de:
FINAL_V2_AGORA_VAI
dentro de:
FINAL_V2_AGORA_VAI_CORRIGIDO_JOSE_3
A IA empresarial tenta transformar esse caos documental em conhecimento pesquisável.
Daí entram recursos de pesquisa semântica, Graph, índices e sistemas de recuperação.
Pesquisa tradicional pergunta:
“Onde aparece exatamente a palavra XPTO?”
Pesquisa semântica tenta chegar mais perto de:
“Que documentos estão falando aproximadamente sobre aquilo que o usuário quer saber?”
Para um programador COBOL isso é uma mudança semelhante a sair de:
SEARCH STRING
para:
SEARCH MEANING
Não é mágica.
É recuperação de informação + representação semântica + contexto + ranking + segurança.
Mas para o usuário parece mágica.
☠️ 6. A armadilha: Copilot também encontra sua bagunça mais depressa
Agora entra uma das melhores pegadinhas dessa arquitetura.
Considere:
CONTRATO_CONFIDENCIAL.PDF
Por algum erro histórico, José possui acesso.
José jamais descobriu isso.
O documento está enterrado em um SharePoint de 2017.
Logo:
falha existe
+
ninguém percebe
=
aparente tranquilidade
Então chega uma IA capaz de pesquisar profundamente os dados aos quais José já possui acesso.
José pergunta:
“Quais contratos mencionam aquisição da Empresa Y?”
E aparece justamente aquilo.
O Copilot não necessariamente criou o problema.
O problema já existia.
A IA simplesmente colocou um holofote em cima dele.
Por isso uma frase merece entrar na parede do datacenter:
IA transforma dívida de governança em dívida operacional visível.
Purview, políticas de dados, classificação de informação e revisão de permissões deixam de ser acessórios.
Viraram pré-requisitos.
A própria arquitetura Microsoft reforça que o Copilot respeita o escopo de acesso do usuário e que serviços como Purview e controles do SharePoint fazem parte da estratégia de segurança e governança.
🔐 7. Entra ID: “Jaffa, kree!” mas com autenticação multifator
Agora chegamos à identidade.
Em sistemas empresariais você jamais deveria começar perguntando:
“O que esta aplicação consegue fazer?”
Primeiro pergunte:
“Quem é você?”
Depois:
“O que você tem autorização para fazer?”
Entra ID ocupa parte importante dessa função no ecossistema Microsoft.
Tradicionalmente pensávamos em identidades como:
HUMANOS
APLICAÇÕES
SERVICE ACCOUNTS
WORKLOADS
Mas agentes de IA criaram uma nova criatura.
AGENT
Se um agente puder:
consultar dados;
chamar uma API;
alterar CRM;
criar um pedido;
acionar outro agente;
executar um workflow;
então precisamos responder:
Quem é ele?
Quem criou?
Quem é responsável?
O que pode acessar?
Em nome de quem trabalha?
Quando sua autorização termina?
Como auditamos tudo?
A Microsoft já possui Microsoft Entra Agent ID para autenticação, autorização, governança e auditoria de identidades de agentes.
Aqui começa algo fascinante:
EMPRESA DE 2030?
40.000 humanos
3.000 aplicações
1.000 service accounts
70.000 agentes
Não sei se os números serão exatamente esses.
Mas a direção arquitetural é essa:
agentes tornam-se uma nova população digital corporativa.
🤖 8. Chevron 2: de Copilot para Agent
Aqui atravessamos a fronteira importante.
Copilot clássico:
HUMANO
|
v
PROMPT
|
v
RESPOSTA
Agente:
OBJETIVO
|
v
AGENT
|
+--> consulta conhecimento
|
+--> escolhe ferramenta
|
+--> executa ação
|
+--> interpreta resultado
|
+--> continua
E agente autônomo adiciona outra diferença:
não precisa necessariamente esperar uma pergunta.
Pode existir um evento.
Por exemplo:
FATURA VENCIDA
|
v
TRIGGER
|
v
AGENTE
A documentação atual do Copilot Studio descreve agentes autônomos capazes de reagir a eventos, decidir e executar tarefas dentro de permissões, limites e guardrails definidos.
Portanto passamos de:
Prompt-driven AI
para:
Event-driven AI
Programador COBOL veterano neste momento começa a sorrir.
Porque evento disparando processamento?
Isso não parece inteiramente extraterrestre.
⚙️ 9. Power Automate: o braço mecânico do robô
Imagine uma inteligência fabulosa que diz:
“Descobri que precisamos bloquear o cartão.”
Excelente.
Agora bloqueie.
Silêncio.
O modelo sabe o que deveria acontecer, mas não necessariamente possui uma operação capaz de fazer aquilo.
É aí que entram ferramentas, flows, conectores, APIs e automações.
No Copilot Studio, agent flows podem ser usados como ferramentas que agentes chamam durante execução para recuperar informações ou realizar ações. Esses fluxos podem ser disparados manualmente, por eventos, agentes ou agenda.
Exemplo:
AGENT
|
| "preciso verificar crédito"
v
FLOW
|
+--> GET CUSTOMER
+--> CHECK CREDIT
+--> GET DEBT
+--> UPDATE CRM
+--> SEND NOTIFICATION
Agora o agente ganhou mãos.
🧮 10. A lição mais importante para o COBOLero: não deixe o LLM fazer o trabalho do programa
Esta vale ouro.
Imagine:
“Calcule os juros desta operação financeira de R$ 72 milhões conforme regra contratual XYZ.”
Você pode pedir ao modelo para improvisar.
Ou pode ser um adulto responsável.
A arquitetura correta tende a separar:
LLM
|
| interpreta intenção
|
v
FUNÇÃO DETERMINÍSTICA
|
| calcula
|
v
RESULTADO
Algo como:
AGENT:
"Precisamos calcular juros."
|
v
CALCULAR-JUROS
|
v
COBOL / JAVA / FUNCTION / API
|
v
VALOR EXATO
Isso é particularmente bonito porque agent flows são apresentados pela Microsoft como determinísticos: regras definidas, caminho previsível, entradas iguais produzindo o mesmo comportamento esperado.
Então guarde:
LLM interpreta. Programa calcula.
Claro que existem exceções.
Mas como regra mental para iniciante, é excelente.
Você não substitui determinismo por probabilidade só porque probabilidade virou moda.
🧱 11. Aqui o jovem programador percebe que COBOL não morreu outra vez
Agora chegamos ao portal favorito do Bellacosa Mainframe.
Um gerente entra no Teams e pergunta:
“Por que a operação do cliente ABC foi recusada?”
Vamos montar um cenário possível.
MICROSOFT TEAMS
|
v
COPILOT
|
v
AGENT
|
+--> CRM
|
+--> SharePoint
|
+--> Fabric
|
v
POWER AUTOMATE / API
|
v
API MANAGEMENT
|
v
z/OS CONNECT
|
v
CICS
|
v
COBOL
|
v
Db2
Observe cuidadosamente.
O mainframe não desapareceu.
O COBOL não desapareceu.
O CICS não desapareceu.
O Db2 não desapareceu.
Eles mudaram de posição na experiência.
O usuário talvez nunca veja uma tela 3270.
Mas lá embaixo:
EXEC CICS LINK
continua trabalhando tranquilamente.
Essa é a grande lição para quem está começando em COBOL:
Modernização não significa necessariamente substituição. Muitas vezes significa exposição, integração e composição.
O velho programa pode virar uma capacidade empresarial acessível através de API.
🏛️ 12. System of Engagement versus System of Record
Essa distinção ajuda demais.
Imagine:
Teams
Copilot
Web
Mobile
como systems of engagement.
São os lugares nos quais humanos interagem.
E:
CICS
IMS
Db2
Core banking
ERP
como systems of record.
São lugares onde a transação séria acontece.
Então:
EXPERIENCE
|
v
INTELLIGENCE
|
v
ORCHESTRATION
|
v
INTEGRATION
|
v
SYSTEM OF RECORD
Essa arquitetura não elimina legado.
Ela transforma legado em serviço consumível.
🧵 13. Microsoft Fabric: o planeta dos dados
Agora entra Fabric.
A organização possui dados espalhados:
CRM
ERP
financeiro
produção
telemetria
logs
vendas
clientes
estoque
Durante décadas construímos algo parecido:
DADOS
|
v
ETL
|
v
DATA WAREHOUSE
|
v
BI
|
v
DASHBOARD
|
v
HUMANO
Apareceu uma bolinha vermelha.
O analista observa.
Liga para alguém.
Abre ticket.
Manda email.
Esperamos.
Com agentes, podemos começar a pensar:
DADOS
|
v
FABRIC
|
v
MODELO SEMÂNTICO
|
v
INSIGHT
|
v
AGENTE
|
v
INVESTIGA
|
v
PROPÕE AÇÃO
|
v
APROVAÇÃO
|
v
EXECUTA
O dashboard deixa de ser necessariamente o último ponto do processo.
Vira um sensor.
🚨 14. Power BI vê fumaça; agente chama os bombeiros
Exemplo simples.
Um dashboard detecta:
VENDAS -35%
REGIÃO SUL
PRODUTO XPTO
No modelo tradicional:
alerta
|
v
gerente vê amanhã
|
v
manda email
|
v
analista investiga
Modelo agentic possível:
ALERTA
|
v
AGENT
|
+--> consulta estoque
+--> consulta preço
+--> consulta incidentes
+--> consulta campanhas
|
v
"causa provável:
erro de preço após atualização"
|
v
cria incidente
|
v
notifica responsável
Se a política permitir:
solicita correção
Se a política não permitir:
AGUARDA HUMANO
A diferença é brutal.
🧯 15. Nunca confunda inteligência com autoridade
Aqui está uma regra fundamental.
PODE PENSAR
!=
PODE LER
PODE LER
!=
PODE ALTERAR
PODE ALTERAR
!=
PODE APROVAR
PODE APROVAR
!=
PODE EXECUTAR QUALQUER COISA
Um agente pode concluir:
“A melhor ação seria estornar R$ 2 milhões.”
Isso não significa que deveria poder executar:
ESTORNAR 2000000
sozinho.
Arquitetura madura:
AGENTE RACIOCINA
|
v
POLÍTICA
|
v
VALIDAÇÃO DETERMINÍSTICA
|
v
APROVAÇÃO HUMANA
|
v
TRANSAÇÃO
|
v
AUDITORIA
O objetivo não é construir um Goa’uld financeiro com acesso irrestrito ao core banking.
👮 16. Purview, Defender e segurança: porque os Replicators também automatizavam muito bem
Há algo que todo fã de Stargate deveria respeitar.
Automação sem controle pode escalar uma pequena bobagem até ela começar a comer a galáxia.
Os Replicators eram, afinal, extremamente eficientes.
O mesmo vale para agentes.
Um humano pode levar quinze minutos para cometer um erro.
Um agente pode realizar centenas de ações antes de alguém dizer:
“Espera. Quem autorizou isso?”
Por isso precisamos:
identidade;
least privilege;
auditoria;
classificação;
políticas;
segregação de funções;
limites;
human-in-the-loop;
observabilidade.
A velocidade da automação multiplica tanto o benefício quanto o erro.
🛰️ 17. Observabilidade: precisamos inventar o SMF dos agentes
E aqui o mainframeiro encontra terreno conhecido.
No z/OS nós gostamos de registros.
SMF.
RMF.
JES.
SYSLOG.
CICS logs.
Db2 traces.
Porque quando alguém pergunta:
“O que aconteceu às 03:17?”
não podemos responder:
“A máquina teve um sentimento.”
Precisamos reconstruir o ocorrido.
Agora imagine:
AGENT A
|
v
AGENT B
|
v
FLOW
|
v
API
|
v
CICS
|
v
DB2
Algo saiu errado.
Precisamos saber:
qual evento iniciou?
qual contexto foi recuperado?
qual modelo respondeu?
qual ferramenta foi escolhida?
quais parâmetros foram enviados?
qual identidade executou?
qual permissão foi usada?
qual API foi chamada?
qual RC voltou?
o agente tentou novamente?
qual decisão final tomou?
Pronto.
Nasceu o conceito:
SMF para agentes.
Não precisa ser literalmente SMF.
Mas filosoficamente é exatamente isso.
O livro-caixa da atividade digital.
💥 18. O S0C7 cognitivo
O velho COBOL conhece:
S0C7
S0C4
Uxxxx
SQLCODE
RESP
RESP2
RETURN-CODE
Agora chegam novos primos:
GROUNDING FAILURE
TOOL NOT FOUND
PERMISSION DENIED
TIMEOUT
HALLUCINATED PARAMETER
AGENT LOOP
CONTEXT OVERFLOW
POLICY VIOLATION
CONNECTOR FAILURE
A produção não deixou de ser produção porque colocamos IA nela.
Ao contrário.
Ficou mais interessante.
E talvez mais perigosa.
🛠️ 19. GitHub Copilot: não é só completar MOVE
Outro erro comum:
“GitHub Copilot serve para escrever código mais depressa.”
Serve.
Mas isso é apenas a camada superficial.
Imagine o SDLC:
REQUISITO
|
v
DESIGN
|
v
CÓDIGO
|
v
TESTE
|
v
REVIEW
|
v
SECURITY
|
v
CI/CD
|
v
PRODUÇÃO
|
v
OPERAÇÃO
Se você mede somente:
linhas geradas por IA
está olhando um pedaço pequeno.
Perguntas melhores:
Quanto caiu o tempo para implementar mudança?
Quantos defeitos chegam à produção?
Quanto aumentou cobertura de teste?
Quanto tempo leva code review?
Quanto conhecimento de sistema legado pode ser recuperado?
Agora imagine um programa COBOL de 9.000 linhas sem documentação.
Um assistente pode ajudar a:
explicar parágrafos;
sugerir testes;
encontrar possíveis dependências;
gerar documentação inicial;
explicar copybooks;
comparar versões;
criar exemplos de chamada.
Mas nunca esqueça:
a IA pode ajudar a ler o programa; não significa que compreendeu perfeitamente quarenta anos de regra de negócio escondida ali.
O comentário:
* CALCULA TAXA ESPECIAL
talvez tenha sido escrito em 1998 por alguém que já se aposentou.
E “especial” pode significar absolutamente qualquer coisa.
🧪 20. Laboratório para o jovem COBOLero
Vamos montar mentalmente um pequeno projeto.
Objetivo:
usuário pergunta o saldo de uma conta através de um agente.
Temos um programa legado:
IDENTIFICATION DIVISION.
PROGRAM-ID. GETSALDO.
DATA DIVISION.
WORKING-STORAGE SECTION.
01 WS-SALDO PIC S9(11)V99 COMP-3.
PROCEDURE DIVISION.
PERFORM CONSULTAR-CONTA
GOBACK.
Obviamente simplificado.
Queremos chegar a:
"Qual o saldo da conta 123?"
Arquitetura:
COPILOT
|
v
AGENT
|
v
GET-ACCOUNT-BALANCE TOOL
|
v
API
|
v
z/OS CONNECT
|
v
CICS
|
v
GETSALDO
|
v
DB2
A resposta volta:
DB2
|
v
COBOL
|
v
API
|
v
AGENT
|
v
"Saldo disponível: R$ 4.327,18"
Agora acrescente segurança:
USER
|
v
ENTRA
|
v
AUTHORIZATION
|
v
AGENT
Depois governança:
Pode consultar saldo? SIM
Pode transferir? NÃO
Pode consultar outra conta? DEPENDE
Depois auditoria:
WHO
WHEN
WHAT
ACCOUNT
ACTION
RESULT
Pronto.
Você acabou de atravessar boa parte do ecossistema sem precisar decorar 47 logotipos.
📐 21. Pense em camadas, não em produtos
Essa é uma das melhores dicas deste artigo.
Não tente memorizar:
Power alguma coisa, Fabric alguma coisa, Copilot não sei o quê.
Pense em função arquitetural.
┌─────────────────────────────┐
│ EXPERIÊNCIA │
│ Teams / Word / Outlook │
├─────────────────────────────┤
│ IA / AGENTES │
│ Copilot / Copilot Studio │
├─────────────────────────────┤
│ ORQUESTRAÇÃO / AUTOMAÇÃO │
│ Power Automate / Logic Apps │
├─────────────────────────────┤
│ CONHECIMENTO / DADOS │
│ Graph / Fabric / Search │
├─────────────────────────────┤
│ INTEGRAÇÃO │
│ APIs / Connectors │
├─────────────────────────────┤
│ SYSTEMS OF RECORD │
│ CICS / IMS / Db2 / ERP │
└─────────────────────────────┘
IDENTIDADE → Entra
GOVERNANÇA → Purview
SEGURANÇA → Defender
AUDITORIA → Logs / telemetry
Os produtos mudarão.
Os nomes mudarão.
Marketing inventará mais três nomes antes de você terminar o café.
As funções arquiteturais permanecem muito mais estáveis.
📈 22. Cinco níveis de maturidade
Uma forma prática de analisar empresas:
Nível 1 — Assistente
HUMANO → COPILOT → RESPOSTA
Exemplo:
“Resuma esta reunião.”
Nível 2 — Conhecimento
HUMANO
|
COPILOT
|
DADOS ORGANIZACIONAIS
Exemplo:
“O que decidimos sobre o Cliente XPTO?”
Nível 3 — Ação
HUMANO
|
AGENT
|
TOOL
|
SISTEMA
Exemplo:
“Abra um chamado.”
Nível 4 — Orquestração
AGENT
|
+--> FINANCE AGENT
+--> CRM AGENT
+--> LEGAL AGENT
+--> ERP AGENT
Exemplo:
“Prepare o onboarding do fornecedor.”
Nível 5 — Processo autônomo controlado
EVENT
|
v
AGENT
|
v
DECISION
|
v
TOOLS
|
v
POLICY
|
v
HUMAN APPROVAL WHEN REQUIRED
|
v
TRANSACTION
|
v
AUDIT
Nesse ponto não estamos mais discutindo “um chatbot”.
Estamos falando de:
um processo empresarial instrumentado por IA.
💰 23. ROI: pare de contar emails escritos
Organizações no nível 1 perguntam:
“Quantos minutos economizamos escrevendo emails?”
Não está errado.
Mas é limitado.
Em níveis maiores procure:
TIME TO RESOLUTION
PROCESS CYCLE TIME
HUMAN TOUCHES
ERROR RATE
COST PER TRANSACTION
ESCALATION RATE
STRAIGHT-THROUGH PROCESSING
AGENT SUCCESS RATE
Imagine um processo.
Antes:
4 horas
Depois do Copilot:
3h40
Legal.
Mas automação agentic talvez permita:
4 horas
|
v
40 minutos
|
v
8 minutos
|
v
2 minutos
Aí já estamos falando de economia do processo.
Não de digitação.
🧟 24. O job zumbi também atravessou o Stargate
Toda empresa possui processos que ninguém sabe por que existem.
No mainframe:
JOBXPTO
roda todo domingo às 02:00 desde 1987.
Ninguém sabe exatamente por quê.
Mas ninguém tem coragem de desligar.
Agora imagine transformar processos ruins em agentes.
Você pode criar:
um agente zumbi.
Ele executa automaticamente uma regra sem sentido em velocidade fantástica.
Moral:
Automatizar porcaria produz porcaria automatizada.
Antes de agentificar um processo:
descubra por que existe;
elimine passos inúteis;
documente regras;
defina ownership;
estabeleça controles;
só então automatize.
Nunca coloque warp drive num carrinho com roda quadrada.
Sim, misturei Star Trek dentro de Stargate.
Esse é o Easter egg número dois.
🥷 25. Uma regra Bellacosa para começar
Para cada automação com IA faça seis perguntas:
1. QUEM?
2. O QUÊ?
3. COM QUAIS DADOS?
4. COM QUAL AUTORIDADE?
5. O QUE ACONTECE SE DER ERRADO?
6. ONDE ESTÁ O LOG?
Se alguém não conseguir responder uma delas, ainda não terminou a arquitetura.
Especialmente:
Onde está o log?
Porque a frase:
“A IA decidiu”
não serve como análise de incidente.
🧠 26. Curiosidade: estamos reinventando muita coisa velha
Toda nova onda tecnológica chega anunciando que tudo mudou.
E muda muita coisa mesmo.
Mas também reencontra problemas antigos.
Agentes precisam de:
fila;
prioridade;
identidade;
autorização;
isolamento;
timeout;
retries;
transação;
recuperação;
logs;
métricas;
governança;
capacity planning.
Um mainframeiro de 1985 observa a discussão moderna sobre agentes e pensa:
“Muito bonito. Agora me diga qual é o RC.”
Essa talvez seja a ponte cultural mais interessante entre mainframe e IA.
A tecnologia é nova.
Os problemas operacionais frequentemente não são.
🔁 27. Retry não pode significar “tente eternamente”
Imagine:
AGENT
|
v
API FAIL
|
v
RETRY
|
v
FAIL
|
v
RETRY
|
v
FAIL
Se você não definir limite, nasce a famosa:
espiral da formiga digital.
O agente insiste porque ninguém lhe explicou quando parar.
Em produção precisamos de:
MAX RETRIES
BACKOFF
TIMEOUT
CIRCUIT BREAKER
ESCALATION
DEAD LETTER
O equivalente cognitivo de:
IF RETRY-COUNT > 3
PERFORM ABORT-PROCESS
END-IF
Persistência é virtude.
Loop infinito é incidente.
🧑✈️ 28. O’Neill pergunta a coisa simples que salva todo mundo
Samantha Carter pode explicar o wormhole.
Daniel Jackson traduz a inscrição.
Teal’c sabe que aquilo provavelmente é tecnologia Goa’uld.
Então Jack O’Neill pergunta:
“Isso explode?”
Todo projeto de IA precisa de alguém assim.
No meio de:
semantic grounding, multi-agent orchestration, autonomous workflow, vector retrieval...
alguém deve perguntar:
“Se o modelo responder errado, o que acontece?”
Essa pergunta vale mais que quinze slides.
Se a resposta for:
“Nada. O humano apenas recebe sugestão.”
Risco menor.
Se a resposta for:
“Ele transfere dinheiro.”
Temos outra conversa.
🧪 29. Passo a passo para estudar isso sem enlouquecer
Para o programador COBOL iniciante eu seguiria esta ordem:
Primeiro: domine o seu terreno.
Aprenda:
COBOL
JCL
Db2
CICS
VSAM
z/OS
Não abandone fundamento porque apareceu IA.
Segundo: aprenda HTTP e REST.
Entenda:
GET
POST
PUT
DELETE
JSON
status codes
authentication
É a ponte entre mundos.
Terceiro: aprenda APIs no z/OS.
Descubra como programas e transações podem ser expostos com segurança.
Quarto: entenda identidade.
OAuth.
Tokens.
Scopes.
Roles.
Least privilege.
Quinto: estude automação.
Flows.
Logic Apps.
Power Automate.
Mensageria.
Eventos.
Sexto: só então mergulhe em agentes.
Porque agente sem entender os sistemas abaixo vira mágica.
E engenheiro não pode operar produção baseado em mágica.
🗺️ 30. O mapa final do Stargate
Agora podemos desenhar tudo.
USER
|
v
MICROSOFT 365
Teams / Outlook / Word
|
v
COPILOT / AGENT
|
+----------+----------+
| |
v v
KNOWLEDGE TOOLS
| |
Graph / Search Power Automate
Fabric / Data APIs / Flows
| |
+----------+----------+
|
v
INTEGRATION
|
v
ENTERPRISE SYSTEMS
SAP / CRM / MAINFRAME
|
v
CICS / IMS / Db2
|
v
COBOL
Ao redor de tudo:
==================================
IDENTITY = ENTRA
GOVERNANCE = PURVIEW
SECURITY = DEFENDER
OBSERVABILITY = LOGS
POLICY = GUARDRAILS
==================================
Agora aquela imagem gigantesca começa a parecer menos assustadora.
🏺 31. Easter egg — o programa que ninguém podia desligar
Existe uma antiga lenda no SGC.
Durante anos havia no mainframe um programa chamado:
SGC00042
Ninguém sabia quem escreveu.
Os comentários diziam apenas:
*> DO NOT REMOVE.
*> DANIEL SAYS IT IS IMPORTANT.
Toda madrugada:
//SGCJOB JOB ...
//STEP01 EXEC PGM=SGC00042
consumia 0,0001 MSU.
Um arquiteto decidiu modernizar.
Transformou em microserviço.
Colocou Kubernetes.
Service Mesh.
API Gateway.
Observabilidade.
Copilot.
Agente autônomo.
Vector Database.
O custo passou para US$ 17.000 por mês.
Depois de seis meses descobriram o que o programa fazia.
IF CHEVRON-COUNT = 7
MOVE 'OPEN' TO GATE-STATUS
END-IF.
O programa voltou para o mainframe.
Ninguém comentou.
No relatório oficial escreveram:
Strategic workload repatriation.
O velho operador apenas tomou café.
☕ 32. A grande conclusão
Quando alguém disser:
“Microsoft Copilot é uma ferramenta de produtividade”
responda:
Sim.
Mas parecida com dizer:
“CICS é uma tela verde.”
A frase descreve aquilo que o usuário vê.
Não o sistema inteiro.
O ecossistema de Copilot está evoluindo para conectar:
HUMANOS
+
CONHECIMENTO
+
DADOS
+
MODELOS
+
AGENTES
+
WORKFLOWS
+
APIs
+
SISTEMAS
+
IDENTIDADE
+
SEGURANÇA
+
GOVERNANÇA
A unidade fundamental deixa gradualmente de ser:
PROMPT
|
v
ANSWER
e passa a poder ser:
EVENT
|
v
CONTEXT
|
v
REASONING
|
v
POLICY
|
v
ACTION
|
v
TRANSACTION
|
v
AUDIT
|
v
FEEDBACK
E aqui está talvez a conclusão mais importante para quem está começando agora em COBOL:
você não chegou atrasado.
Na realidade, está entrando numa profissão no momento em que dois mundos começam a se encontrar.
De um lado:
COBOL
CICS
Db2
IMS
JCL
sistemas construídos para serem previsíveis, transacionais, auditáveis e confiáveis.
Do outro:
LLMs
Copilots
Agents
Semantic Search
Natural Language
sistemas construídos para interpretar contexto, intenção e linguagem.
O futuro empresarial provavelmente não pertence exclusivamente a nenhum deles.
Pertence à composição:
probabilidade na interpretação, determinismo na transação.
A IA pergunta:
“O que o humano está tentando fazer?”
O agente decide:
“Qual capacidade devo chamar?”
A política pergunta:
“Ele pode?”
O COBOL responde:
“Passe os parâmetros corretamente e eu executo.”
O Db2 grava.
O log registra.
O auditor dorme.
E em algum lugar do datacenter um velho programa que nasceu quando Stargate SG-1 ainda passava na televisão recebe uma chamada REST, processa quinze milhões de dólares em menos de um segundo e volta:
RETURN-CODE = 0
O jovem programador olha para aquilo.
Olha para o Copilot.
Olha novamente para o COBOL.
E finalmente entende:
o Stargate nunca serviu para destruir o planeta antigo.
Servia para conectá-lo a outros mundos.
Chevron seven...
locked.
☕🌀
E o batch continua rodando.
https://eljefemidnightlunch.blogspot.com/2026/08/dick-vigarista-ia-e-o-concurso-pay-to.html
https://eljefemidnightlunch.blogspot.com/2026/08/organizacoes-tabajara-mainframe-seus.html
https://eljefemidnightlunch.blogspot.com/2026/08/dick-vigarista-ia-e-o-concurso-pay-to.html
