Você contratou. Funcionou no teste. Quebrou em produção.

Não é má-fé de fornecedor e não é azar. É uma sequência de pontos cegos que todo projeto de software carrega, e que só aparecem quando o sistema encontra dado real, volume real e o terceiro que mudou a API no fim de semana.

Este post lista os quatro vetores mais comuns de falha em produção, com dados verificáveis, para que você saiba o que cobrar antes de assinar qualquer contrato novo.

1. O dado que o sistema não esperava

Funcionou no ambiente de testes porque o time usou dados limpos, formatados, sem campo vazio no lugar errado.

Em produção, o cliente digita o CPF com ponto e traço, o campo de valor vem como string em vez de número, a data chega no formato americano porque alguém trocou o Excel de máquina. A automação trava, ou pior: processa errado e ninguém percebe.

O custo desse problema é documentado. A Gartner estima que qualidade de dado ruim custa, em média, US$ 12,9 milhões por ano por organização. Pesquisa da MIT Sloan aponta que empresas perdem entre 15% e 25% da receita anual por falhas de qualidade de dados, incluindo automações com saída errada e decisões tomadas sobre informação que ninguém confia.

O que perguntar ao fornecedor antes de contratar:

  • Quais validações de formato e tipo existem na entrada dos dados?
  • O sistema trata campo nulo, campo vazio e campo com formato inesperado de formas diferentes?
  • Existe alerta quando um dado fora do padrão é recebido, ou o sistema simplesmente ignora?

2. A integração que mudou sem te avisar

O seu sistema depende de uma API externa: ERP, gateway de pagamento, CRM, plataforma de envio de mensagem. Enquanto o contrato com esse terceiro está ativo, você assume que a API é estável. Não é.

Segundo o relatório State of the API 2024, 52% dos desenvolvedores enfrentaram uma mudança retrocompatível quebrada, feita por um fornecedor externo, sem aviso prévio. O sistema cai às 3 da manhã, o time descobre na segunda-feira, e o diagnóstico leva dias porque o erro não está no código de ninguém: está no contrato implícito com um terceiro que não avisou nada.

A situação piorou com IA. No relatório da Nordic APIs cobrindo outubro de 2025 a fevereiro de 2026, APIs de IA e ML ficaram em último lugar em confiabilidade entre mais de 215 serviços monitorados. A OpenAI registrou um incidente a cada 2,5 dias em janeiro de 2026. A Anthropic teve múltiplos incidentes por semana no mesmo período, com um ciclo de resolução de 30 horas para o Claude Opus 4.5. Compare com a Stripe, que roda em torno de 99,99% de disponibilidade.

Iso significa que, se a sua automação depende de uma chamada de IA para funcionar, ela vai falhar com uma frequência muito maior do que a sua tolerância ao risco provavelmente assume.

O que perguntar ao fornecedor:

  • Existe um circuit breaker que interrompe o fluxo antes de processar dado inválido quando um terceiro muda o comportamento?
  • O sistema tem fallback documentado para cada integração crítica?
  • Como o monitoramento detecta que uma API de terceiro mudou o contrato?

3. A fatura de IA que ninguém acompanhou

Agentes de IA consomem tokens de forma radicalmente diferente de um chatbot simples. A diferença não é de ordem de grandeza pequena: análises da indústria publicadas em 2025 e 2026 mostram que fluxos agênticos consomem entre 5 e 30 vezes mais tokens por tarefa do que ferramentas conversacionais padrão.

O resultado prático apareceu em Q2 de 2026: empresas que colocaram agentes em produção sem governança de custo receberam faturas que consumiram orçamentos anuais inteiros em semanas. O CTO da Uber descreveu publicamente a situação: o orçamento de IA para o ano inteiro foi consumido antes do fim de abril de 2026, com custo mensal por engenheiro rodando entre US$ 500 e US$ 2.000 só em API de modelo.

A projeção do Gartner no AI Hype Cycle 2026 é que 40% dos projetos de agentes de IA serão cancelados até 2027, e o motivo principal citado é estouro de orçamento, não falha técnica e não falta de product-market fit.

Os custos de operação e manutenção de qualquer projeto de IA precisam ser calculados antes do contrato, não descobertos na fatura. Isso inclui custo por tarefa concluída (não custo total do mês), limite de tokens por sessão, e alerta automático quando o custo por execução sobe acima do projetado.

O que perguntar:

  • Qual é o custo estimado por tarefa concluída, calculado com os casos ruins incluídos?
  • Existe um cap de tokens por sessão configurado antes de ir para produção?
  • Quem monitora o custo de inferência depois do lançamento, e com qual frequência?

4. O deploy que a equipe adia

A automação ficou pronta. Os testes passaram. E o deploy para produção foi marcado para "a semana que vem" por três meses.

Esse adiamento tem custo direto e tem uma causa estrutural: equipes sem processo de entrega automatizado precisam de uma janela de manutenção, de aprovação de múltiplas pessoas, de um rollback manual planejado. O risco percebido de cada deploy é alto porque o processo não tem travas automáticas.

Os dados do DORA 2025 mostram que 43,5% das equipes precisam de mais de uma semana entre o commit do código e a entrega em produção. Pesquisa citada pela Forbes indica que 7 em cada 10 projetos de software são entregues com atraso, um número que se manteve estável ao longo de 2025 e 2026.

Deploy atrasado não é apenas desperdício de tempo. É a janela em que o bug que já estava corrigido no repositório ainda está fazendo estrago em produção. É a funcionalidade que o cliente pagou e não está usando. É a pressão que se acumula até o time querer fazer tudo de uma vez, o que aumenta o risco de um deploy caótico.

O que perguntar:

  • Como é o processo de rollback se o deploy causar problema?
  • Existe um pipeline de CI/CD com testes automáticos antes de qualquer entrega?
  • Qual é a frequência esperada de deploys depois da entrega inicial?

O padrão que esses quatro vetores têm em comum

Nenhum deles é um bug de código. São falhas de processo, de governança e de contrato.

Dado ruim não é culpa do desenvolvedor: é ausência de validação de entrada acordada antes do início do projeto. API quebrada não é azar: é ausência de monitoramento e fallback. Fatura de IA fora de controle não é surpresa: é ausência de modelo de custo por execução antes do lançamento. Deploy atrasado não é falta de vontade: é ausência de pipeline automatizado com travas de segurança.

Quando você contrata desenvolvimento de software ou automação, o contrato precisa especificar como cada um desses pontos vai ser tratado. Se o fornecedor não tiver resposta clara para as perguntas listadas acima, o projeto vai funcionar no ambiente de testes e quebrar em produção. Não eventualmente: com certeza.

O que a Mutagex cobre nesse contexto

Nosso processo começa com uma semana de diagnóstico gratuito, onde mapeamos exatamente quais desses vetores existem no ambiente atual antes de propor qualquer solução. Projetos de automação pontual partem de R$ 5.000. Automações completas com agente de IA ficam entre R$ 12.000 e R$ 25.000. Software sob medida começa em R$ 30.000. Operação e manutenção contínua sai de R$ 500 a R$ 2.500 por mês.

Se você já contratou uma vez e se queimou, o diagnóstico é o lugar certo para começar: sem compromisso, sem proposta de venda no meio do caminho.

Diagnóstico gratuito disponível no link da bio.