Após o código estar pronto, o que a IA assume: YC W26 operações/testes/automação/infraestrutura de Agent - 22 empresas completamente analisadas

Escrito por:朗瀚威 Will

Esta é a quinta parte da análise da série YC W26. Na última, abordamos ferramentas de programação AI e “Claude Code for X” (12 empresas). Nesta, focamos na outra metade da cadeia de desenvolvimento — tudo o que acontece após a escrita do código: operações, testes, automação de fluxos de trabalho, infraestrutura de desenvolvimento de agentes, totalizando 22 empresas.

Código é apenas o começo

Na última, discutimos como a IA está mudando a “escrita de código”. Mas escrever código é apenas uma parte do desenvolvimento de software — após a escrita, há implantação, operações, monitoramento, testes, correção de bugs, automação de fluxos de trabalho, e cada etapa requer pessoas.

As 22 empresas do YC W26 estão fazendo o seguinte: delegar cada etapa após a escrita do código a agentes de IA.

Alarme de produção às 3h da manhã? IncidentFox verifica logs, identifica causas raízes, prepara scripts de correção enquanto você dorme; ao acordar, basta revisar e aprovar. Usuário encontra bug? Lucent monitora sessões 24/7, detectando problemas antes do usuário. Precisa automatizar aprovação em uma planilha Excel? Bubble Lab resolve com uma frase.

Essas 22 empresas podem ser divididas em 4 grupos: Operações/SRE com IA (5), Testes/QA com IA (2), Automação de fluxos de trabalho com IA (7), Infraestrutura de desenvolvimento de agentes (8).

Vamos às conclusões: 4 julgamentos que podem ser levados adiante

1. O IncidentFox é o produto mais completo entre essas 22 empresas. Dois ex-engenheiros do Roblox (com infraestrutura que suportou mais de 100 milhões de usuários ativos diários), de código aberto, com mais de 300 integrações pré-configuradas, implantado em menos de um dia. A principal diferenciação não é “análise de logs por IA” (qualquer um pode fazer), mas “descoberta automática da sua stack tecnológica e geração de integrações” — eliminando a parte mais difícil de integração.

2. Operações/SRE com IA (5) e Testes/QA com IA (2) juntas transformam a garantia de qualidade de código de uma tarefa intensiva em mão de obra para uma tarefa de agentes de IA. Manutenção tradicional, investigação de bugs, testes de regressão consomem muito tempo de engenheiros. Essas 7 empresas apostam que seus agentes podem detectar problemas mais rápido, identificar causas raízes mais cedo, e operar 24/7 sem descanso.

3. Automação de fluxos de trabalho (7) é o grupo mais diverso, mas também o que possui maior alcance de usuários. Compartilham a ideia de “permitir que pessoas que não escrevem código usem IA para automatizar tarefas” — RamAIn manipula qualquer software via visão computacional, Bubble Lab cria automações com uma frase, Jinba automatiza fluxos empresariais via chat. Não são voltadas para desenvolvedores, mas para todos os trabalhadores do conhecimento.

4. Infraestrutura de desenvolvimento de agentes (8) é o grupo mais “meta” — ferramentas para quem constrói agentes. Emdash oferece ambiente de código aberto para desenvolvimento de agentes, Overshoot fornece plataforma de aplicações visuais de IA, Glue cria interfaces para agentes. Essa lógica é semelhante à infraestrutura financeira de agentes discutida na outra análise: quando o número de agentes explode, as ferramentas para criá-los se tornam essenciais.

Subsetor 1: Operações/SRE com IA — IncidentFox, Mendral, Corelayer, Sonarly, Lucent

Cinco empresas focadas na mesma missão: substituir engenheiros de operações por IA.

IncidentFox

Site oficial:

Agente SRE com IA — triagem, investigação e reparo automáticos de incidentes de produção, integrado ao Slack.

Dados principais: código aberto (Apache 2.0), mais de 420 estrelas no GitHub, mais de 300 integrações, suporta Kubernetes/AWS/Grafana/Prometheus/Datadog/PagerDuty/GitHub.

Modelo de negócio: núcleo open source + versão empresarial (sandbox de segurança, proxy de credenciais, gestão multi-equipe). Implantação em menos de 1 dia.

Destaques da equipe: Jimmy Wei — ex-Roblox (funcionou na infraestrutura de comunicação social com mais de 100 milhões de usuários ativos), trabalhou na Meta FAIR em IA de diálogo multiusuário, formado em CS na Cornell. Long Yi — ex-engenheiro de infraestrutura do Roblox (banco de dados, suporte a mais de 100 milhões de usuários). Dois fundadores: um cria IA, outro cuida de operações — complemento perfeito.

Concorrentes/riscos: PagerDuty, Incident.io (com mais de US$50 milhões de financiamento), Datadog, ServiceNow estão expandindo para IA operacional. Mas o diferencial do IncidentFox é “geração automática de integrações” — enquanto outras ferramentas exigem semanas de integração manual, o IncidentFox analisa seu código e histórico de incidentes para gerar automaticamente.

Outros destaques: conformidade SOC 2. Cada investigação roda em containers isolados, agentes não veem chaves originais. Também lançou o plugin Claude Code, para desenvolvedores individuais.

A principal percepção do IncidentFox: o fracasso de ferramentas de IA para operações não é falta de poder do modelo, mas integração insuficiente. Sua equipe de pagamento usa pipelines Kafka próprios, sua infraestrutura usa sistemas internos, sua equipe de ML tem seus próprios serviços — ferramentas genéricas de IA simplesmente não se conectam. IncidentFox analisa seu código e histórico, identifica integrações faltantes, gera automaticamente — o humano só precisa aprovar.

Chris Lu descreveu o IncidentFox como “engenheiro SRE de IA que resolve incidentes de produção de forma autônoma”. Essa posição é uma bênção e uma ameaça para engenheiros de operações.

Mendral (com 9 mil acessos mensais) foca em IA para DevOps — diferente do “reparo pós-incidente” do IncidentFox, Mendral cuida de operações diárias: integração contínua, gerenciamento de deploy, configuração de ambientes.

Corelayer (4 mil acessos mensais) oferece “engenheiro de operações com IA orientado por dados” — enfatiza depuração baseada em dados, usando métricas e logs para relacionar problemas automaticamente.

Sonarly (2 mil acessos mensais) atua na detecção de alertas de produção com IA — classifica, elimina duplicatas, relaciona alertas, destacando os que realmente requerem atenção humana.

Lucent (16 mil acessos mensais) monitora sessões de usuários com IA para detectar bugs — não busca bugs no código, mas na experiência do usuário. Assiste sessões 24/7, detecta travamentos, erros, fluxos anormais, cria tickets no Slack e Linear com contexto completo de reprodução.

Fundadora Alisa Rae tem uma história interessante: australiana, fundou e vendeu uma startup de edtech, foi a segunda funcionária da MagicBrief (adquirida pelo Canva), trabalhou na Atlassian em editor de texto rico. Rejeitada na primeira tentativa de YC, insistiu na rota solo, levantou US$2 milhões em seed, foi aceita na segunda. Hoje, mais de 30 empresas YC usam Lucent, com feedbacks como: “Na primeira semana, descobri 7 bugs que nunca tinha visto”, “Na primeira semana, já recuperei o investimento”. 94% dos usuários que encontram bugs não reportam, apenas abandonam — essa é a razão de existir do Lucent.

A lógica comum dessas cinco empresas: a maior parte do tempo de engenheiros de operações não é “consertar problemas”, mas “encontrar problemas”. Eles cruzam sinais de dezenas de sistemas de monitoramento, analisam logs, verificam mudanças recentes — esse processo representa cerca de 80% do tempo de reparo. IA pode consultar todas as fontes simultaneamente, relacionar dados em segundos, reduzindo o tempo de busca de horas para minutos.

Subsetor 2: Testes/QA com IA — Canary, Ashr

Duas empresas focadas em testes com IA.

Canary

Site oficial:

“Primeiro engenheiro de QA com IA que entende seu código” — o diferencial é “entender seu código”, não uma ferramenta genérica. Primeiro lê a lógica do seu código, depois gera casos de teste específicos. Ferramentas tradicionais de IA geram casos que muitas vezes não refletem a lógica real.

Ashr

Foca em automação de testes multimodais com agentes — não só texto, mas também imagens, vídeos, voz. Com o aumento de aplicações de IA que usam múltiplos tipos de entrada/saída, a necessidade de testes também cresce.

Subsetor 3: Automação de fluxos de trabalho com IA — RamAIn, Bubble Lab, Jinba, Ressl AI, EigenPal, Carson, Crow

O grupo mais amplo — não voltado apenas para desenvolvedores, mas para todos que desejam automatizar tarefas.

RamAIn

Site oficial:

“O computador mais rápido do mundo usando agentes” — ensina IA a operar seu computador como um humano, transferindo dados entre navegador e aplicativos desktop.

Dados principais: 35 mil acessos mensais, já usado por equipes de compras, seguros, saúde, finanças. Implantação em poucos dias.

Destaques da equipe: dois estudantes do IIT Delhi — CEO Shourya trabalhou na McKinsey em projetos de IA empresarial, fundou a Genoshi (estúdio de IA, faturamento de seis dígitos), é jogador de xadrez FIDE 2118, representou a Índia em 17 países.

Modelo de negócio: empresarial — movimenta dados entre sistemas legados, aplicativos desktop e portais web. Clientes incluem equipes de compras (ERP + portais de fornecedores), corretoras de seguros, hospitais, equipes financeiras.

Concorrentes/riscos: Anthropic Computer Use, OpenAI Operator — maiores ameaças. Diferencial do RamAIn é “pré-treinar na interface específica” — ao contrário do CUA genérico (captura de tela → modelo visual → decisão), que é caro, lento e instável. RamAIn aprende sua interface antes de automatizar.

Também possui “auto-cura” — UI que muda sem quebrar, ao contrário do RPA tradicional.

Bubble Lab (19 mil acessos) — automatiza fluxos repetitivos com uma frase. Mais simples que Zapier — você descreve o que quer automatizar, e ele faz.

Jinba (17 mil acessos) — automatiza qualquer fluxo empresarial via chat. Para empresas, aciona aprovações, transfere dados, integra sistemas.

Ressl AI (17 mil acessos) — configura agentes para ERP/CRM. Depois de adotar Salesforce ou SAP, configurar é complexo. Ressl AI usa IA para fazer essas configurações.

EigenPal (9 mil acessos) — fluxo de trabalho de documentos com IA empresarial. Carson cria espaço de trabalho de IA desktop (já detalhado na OpenClaw). Crow (25 mil acessos) — adiciona chat IA a qualquer SaaS, permitindo controle por chat, sem aprender interface.

O que une esses 7: IA na programação reduz a barreira de entrada, mas a maior parte do trabalho não precisa de codificação — é conectar ferramentas existentes e automatizar tarefas repetitivas. Essas empresas fazem “automação sem código”.

Subsetor 4: Infraestrutura de desenvolvimento de agentes — Emdash, Overshoot, Cardboard, Glue, Sila, Valgo, SideKit, Wideframe

Ferramentas para quem constrói agentes.

Emdash (23 mil acessos) — ambiente open source para desenvolvimento de agentes, com mais de 60 mil downloads e 2430 estrelas no GitHub. Suporta múltiplos agentes em paralelo, qualquer provedor de modelos. Semelhante ao anterior, mas mais focado em open source e independência de modelos.

Site oficial:

Overshoot (16 mil acessos) — plataforma de aplicações visuais de IA — ajuda desenvolvedores a criar e rodar aplicações visuais de IA. Com a popularização de modelos multimodais, “IA que vê imagens” é uma categoria em rápido crescimento.

Cardboard (7 mil acessos) — editor de vídeo para agentes. Pode editar, montar, adicionar legendas e efeitos automaticamente. Tradicionalmente, vídeo exige habilidades e softwares caros; Cardboard quer reduzir a barreira para “dizer ao agente o efeito desejado”.

Glue — cria interfaces visuais para agentes — quando seu agente precisa de uma interface, o Glue ajuda a desenhá-la. Com mais agentes precisando de painéis visuais, essa demanda crescerá.

Sila — infraestrutura de mensagens entre agentes — permite comunicação entre múltiplos agentes que colaboram.

Valgo (3 mil acessos) — validação de segurança de algoritmos autônomos. SideKit (2 mil acessos) — solução completa para implantação de apps móveis (pouco comum em empresas não-AI). Wideframe — assistente de edição de vídeo com IA.

Visão geral das 22 empresas

Algumas observações:

Primeiro, IA operacional (5) é o grupo mais maduro. IncidentFox já é open source, com mais de 300 integrações e conformidade SOC 2. Não é por acaso — operações são um dos cenários mais evidentes para valor de IA: tempo de reparo cai de horas para minutos, com resultados mensuráveis.

Segundo, automação de fluxos (7) enfrenta maior concorrência não entre si, mas com ferramentas existentes — Zapier, Make, n8n. A IA torna essas ferramentas mais inteligentes, mas elas também evoluem rapidamente com IA. Para sobreviver ao valor de mercado de mais de US$5 bilhões do Zapier, essas pequenas empresas precisam encontrar nichos específicos.

Terceiro, infraestrutura de agentes (8) é o investimento de longo prazo. Ainda há poucos agentes, o valor da infraestrutura não é evidente. Mas se a economia de agentes realmente explodir (como na análise de Fintech, com Sponge abrindo contas bancárias para agentes), as ferramentas de criação de agentes se tornarão uma oportunidade de nível de infraestrutura cloud.

Quarto, todas essas 22 empresas são B2B. Como em toda a série, o YC W26 é um batch totalmente B2B. Ferramentas de IA são vendidas para empresas e desenvolvedores, não consumidores finais.

Implicações para equipes chinesas

Primeiro, a demanda por IA operacional na China é enorme. Empresas chinesas (ByteDance, Alibaba, Tencent, Meituan) têm operações grandes, mas o uso de IA em ferramentas de operação ainda é incipiente. Sistemas de monitoramento locais (ARMS da Alibaba, APMPlus do ByteDance) ainda não promovem IA como a Datadog. Se algum time criar uma “versão chinesa do IncidentFox” — integrando-se aos principais sistemas de monitoramento nacionais, suportando logs em chinês, entendendo a stack local — há mercado.

Segundo, automação de fluxos na China tem um cenário especial — DingTalk e Feishu. Essas plataformas são o núcleo do trabalho corporativo, mas suas capacidades de automação ainda são básicas. Criar uma “automação de IA no DingTalk/Feishu” (como Jinba faz com Slack) pode ser mais fácil do que construir uma nova plataforma do zero.

Terceiro, ferramentas de desenvolvimento de agentes ainda são uma lacuna na China. Nos EUA, já existem Emdash, Glue, Sila em diferentes etapas. Na China, esse mercado ainda não se formou. Com mais desenvolvedores de agentes locais, essa oportunidade se abrirá.

Conclusões que podem ser levadas

1. O principal gargalo na IA operacional não é a capacidade do modelo, mas a profundidade da integração. A estratégia de “gerar integrações automaticamente” do IncidentFox é uma lição para qualquer equipe de ferramentas de IA empresarial — por mais inteligente que seu IA seja, se não se conecta aos sistemas do cliente, nada funciona.

2. “Automação sem código” está se tornando uma categoria independente. Tráfego de RamAIn (35 mil acessos), Bubble Lab (19 mil), Crow (25 mil) mostra que a demanda é real. Essas ferramentas não são para desenvolvedores, mas para todos os trabalhadores do conhecimento — esse mercado é 10 vezes maior que o de ferramentas para desenvolvedores.

3. Infraestrutura de agentes é uma aposta “de longo prazo, mas correta”. Como na nuvem em 2010 — quando poucos aplicativos existiam, parecia excesso de infraestrutura. Mas, quando a adoção explodiu, essa infraestrutura se tornou altamente lucrativa. A infraestrutura de agentes pode repetir essa história.

4. Essas 22 empresas, junto com as 12 da última análise, totalizam 34 no setor DevTools — o maior da W26. Isso reflete um fato: a primeira mudança do AI é na “forma de criar software”, antes de impactar outros setores. Ferramentas de desenvolvedor são o “home base” do AI.