Em um cenário onde o conhecimento limitado do código legado e a natureza repetitiva das implementações de analytics representavam um desafio significativo, implementamos uma solução baseada em agentes de IA que não somente superou essas limitações, como também antecipou os resultados de negócio para uma importante seguradora. A combinação de interpretação inteligente de código, análise automatizada e planejamento assistido por IA acelerou o processo de implementação, otimizou recursos e melhorou a qualidade das entregas.

Nosso cliente era uma seguradora com mais de 800 funcionários e atuação tanto no ramo comercial quanto pessoal, com foco em serviços personalizados e acessíveis. Sua necessidade era clara: conhecer o comportamento de seus usuários no seu aplicativo, informação crucial para guiar sua estratégia digital, priorizar desenvolvimentos futuros e habilitar comparações competitivas com o mercado.

O problema é que, devido a uma ausência de documentação adequada, não havia um conhecimento sobre o código existente no nível exigido, uma vez que projetos de analytics dependem de análises profundas para a determinação e implementação dos eventos que possibilitarão as análises desejadas. Nesse cenário, utilizar o processo tradicional de implementação seria lento e propenso a erros.

Era necessário habilitar análises estratégicas de comportamento de usuários por meio da implementação de um sistema completo de analytics no aplicativo de uma seguradora com a inserção do acompanhamento de eventos relevantes na base de código, em tempo reduzido e sem introduzir erros, mesmo em um cenário de pouco conhecimento do código legado.
Frente a esse cenário, nossa estratégia foi reinventar o processo tradicional de implementação de analytics através da integração de agentes de IA em cada etapa do desenvolvimento. Utilizamos o Cursor como ferramenta principal, aplicando-o em três frentes estratégicas. Em primeiro lugar, na realização do refinamento técnico, que identificou com precisão os locais ideais para inserção de eventos no código legado. Em segundo lugar, na automação da geração de descrições técnicas para Pull Requests, uma etapa técnica importante no processo de desenvolvimento, agilizando significativamente o processo de aprovação. Por fim, na otimização do planejamento das tarefas de desenvolvimento e no auxílio direto às alterações de código necessárias.

Na prática, isso se deu por meio da criação de três agentes de IA no Cursor, cada um relacionado a uma frente estratégica:

– Agente de análise de código – examina a base de código legada para identificar automaticamente os pontos ideais para inserção de eventos de analytics, mapeando fluxos de interação do usuário sem necessidade de conhecimento prévio da aplicação.
– Assistente de documentação técnica – gera descrições detalhadas e padronizadas para Pull Requests. Isso facilita a comunicação com o cliente e acelera o processo de aprovação de código.
– Planejador de desenvolvimento – organiza e prioriza tarefas de implementação, identificando dependências e otimizando o fluxo de trabalho. Isso a fim de garantir a máxima eficiência na inserção dos eventos de analytics.

Esta abordagem integrada permitiu que o time pudesse navegar eficientemente pela base de código, identificar padrões de interação do usuário e implementar os eventos de analytics de forma consistente e abrangente.

O projeto atingiu plenamente seus objetivos com a inserção de eventos que mapeiam corretamente o comportamento dos usuários na aplicação, permitindo que agora o cliente tenha dados cruciais para sua operação e estratégia.

Além do resultado de eficiência, o projeto atingiu plenamente seus objetivos com a inserção de eventos que mapeiam corretamente o comportamento dos usuários na aplicação, permitindo que agora o cliente tenha dados cruciais para sua operação e estratégia.

Além disso, a abordagem escolhida com a implementação de IA no processo de desenvolvimento não somente superou os riscos de erros inerentes ao projeto como gerou uma redução de 33,3% no tempo de desenvolvimento, entregando em apenas 4 semanas o que estava previsto para ser entregue em 6 semanas na abordagem tradicional.

A aplicação de IA em projetos de analytics permite automatizar etapas críticas do desenvolvimento, como análise de código e inserção de eventos, reduzindo o tempo e os erros humanos. No case da seguradora, o uso de agentes inteligentes no Cursor IDE acelerou em 33% a implementação de analytics, garantindo precisão nos dados e insights estratégicos sobre o comportamento dos usuários. Essa abordagem combina velocidade, qualidade técnica e geração de valor real para o negócio.