A Asana concluiu, em agosto de 2026, a migração de um sistema legado de testes em tempo recorde usando o Codex, da OpenAI. O projeto, que originalmente estava estimado para durar cinco anos e custar cerca de US$ 6 milhões em recursos humanos, foi finalizado em apenas duas semanas ao custo de aproximadamente US$ 12 mil em infraestrutura e uso de modelo (fonte).
Como foi feita a migração
A empresa utilizou agentes baseados em Codex para remover o Enzyme, ferramenta de testes que havia se tornado um entrave para a modernização do frontend. O processo envolveu até quatro agentes atuando em paralelo, cada um operando sobre uma cópia da base de código. O prompt inicial tinha apenas cinco frases, e instruções simples mostraram-se mais eficazes do que abordagens complexas. Um engenheiro revisava o progresso duas vezes ao dia e aprovava cada alteração sugerida pelos agentes.
Ao todo, o esforço de engenharia somou 1,5 semana distribuída ao longo de duas semanas de calendário. O resultado foi a remoção completa do Enzyme, liberando a equipe para avançar em outras iniciativas de modernização.
Impacto e limitações
O ganho de produtividade é notável: a economia foi de quase US$ 6 milhões em relação ao plano original, e a entrega acelerou de cinco anos para duas semanas. Segundo o CTO da Asana, Amritansh Raghav, nem todo projeto de longa duração pode ser comprimido nesse grau, mas a experiência mudou a percepção interna sobre o que é viável atacar com automação baseada em IA.
A abordagem adotada sugere uma nova dinâmica para projetos de refatoração e migração em grandes bases de código: agentes automatizam o trabalho bruto, enquanto engenheiros supervisionam e refinam. A Asana planeja agora testar agentes em outros desafios, como reescritas e melhorias de performance que antes pareciam inviáveis.
Por que importa
O caso da Asana é um marco para o uso prático de agentes de IA em engenharia de software corporativa. Reduzir anos de trabalho e milhões em custos para semanas e milhares de dólares muda o cálculo de retorno para projetos que antes eram descartados por inviabilidade. Para empresas brasileiras, a experiência serve de referência: automação via LLM pode atacar dívidas técnicas e modernizações de stack em escala inédita — desde que haja supervisão humana rigorosa em cada etapa.