Durante anos, uma parte importante do desenvolvimento de software girou em torno de uma sequência recorrente: primeiro se pensava, depois se documentava, e então se construía. A Inteligência Artificial veio para sacudir essa sequência – e não exatamente com delicadeza.
Nesse contexto surgiu o Campfire Model, uma ideia articulada por Steve Yegge em 2026 como resposta ao crescimento do Spec-Driven Development. Seu ponto central é interessante, provocador e, ao mesmo tempo, simples: o verdadeiro centro do desenvolvimento já não deveria ser uma especificação estática, mas sim um protótipo vivo que evolui com a equipe, em ciclos ultracurtos, com total transparência e sem handoffs intermináveis entre áreas.
A metáfora da fogueira funciona porque captura uma sensação muito real: todas as pessoas trabalham em torno da mesma coisa, veem a mesma coisa, corrigem, testam e impulsionam o produto adiante.
O software deixa de avançar como uma cadeia de documentos e começa a evoluir de outra forma – mais tangível, mais orgânica.
Se lermos o que está sendo escrito sobre o tema, tudo parece novo. Mas quem já está nesse meio há bastante tempo sabe que não é totalmente novo.
Truque velho, cachorro novo
Qualquer pessoa que tenha estado próxima do GeneXus nos últimos 40 anos sabe que a prototipagem rápida e a iteração sobre um protótipo funcional – criado rapidamente com IA – sempre fizeram parte do DNA do GeneXus.
Embora fosse uma IA determinística, e não a IA generativa que está em alta hoje, o conceito central é o mesmo: pessoas técnicas e não técnicas trabalhando juntas em torno de um protótipo funcional e fazendo-o evoluir, passo a passo, até chegar ao sistema final – funcional, corporativo (enterprise) e de missão crítica.
O GeneXus nasceu com essa ideia: modelar, gerar, testar, iterar e gerar novamente – algo que vai bastante contra o desenvolvimento pesado, linear e excessivamente dependente de documentação. E essa filosofia não é uma exceção, mas sim uma forma natural de construir software.
Na metodologia do GeneXus, isso é descrito explicitamente como um ciclo incremental: definir objetos na Knowledge Base, gerar código, testar no sistema real, iterar e gerar novamente, fazendo a solução evoluir de algo simples para algo mais completo a cada ciclo.
Para o GeneXus, o protótipo nunca foi apenas uma maquete para mostrar em uma reunião. Sempre foi uma forma séria de descobrir o sistema correto, construindo-o cedo, vendo-o funcionar e evoluindo-o sobre uma base real.
No GeneXus, o protótipo nunca esteve em conflito com o rigor
Essa é uma diferença importante – e provavelmente a mais relevante desta discussão.
O Campfire Model acerta ao colocar o foco no protótipo vivo. Mas, no mundo corporativo, não basta se mover rápido com IA. Também é necessário manter, governar, integrar e evoluir, de forma segura, aquilo que se constrói ao longo de anos ou décadas.
É aí que o GeneXus faz uma contribuição que hoje nenhum outro enfoque replica. O protótipo funcional não fica preso a uma improvisação permanente. Ele se apoia em uma Knowledge Base – um modelo que captura a lógica de negócio de forma independente da tecnologia – e em um motor de geração determinística que produz código correto por construção. Isso significa que a velocidade inicial não se transforma em fragilidade estrutural. O que é prototipado é validado semanticamente, normalizado e gerado com as mesmas garantias do software de produção.
Trata-se de poder explorar, criar e evoluir rapidamente sem perder o conhecimento que torna o sistema valioso.
Por isso o Campfire Model ressoa tanto com o GeneXus
Quando Martin Fowler afirma que os LLMs não mudam o valor de construir e lançar pequenas partes de funcionalidade, mas prometem aumentar a frequência desse ciclo, ele está descrevendo algo muito próximo da lógica histórica do GeneXus: encurtar o caminho entre intenção, execução e validação.
A diferença é que hoje essa dinâmica se torna ainda mais poderosa.
Com o GeneXus Next, a conversa já não terminava em gerar sistemas, APIs ou lógica de negócio. A plataforma incorporou o Nexa, um arquiteto de software agêntico especializado em GeneXus, que permite definir aplicações, fluxos e componentes por meio de interações em linguagem natural. É a ponte entre o que é necessário e componentes de software que já podem começar a tomar forma – sem escrever uma única linha de código manualmente.
Isso amplia a tradição do GeneXus e o mantém na vanguarda das novas tendências de desenvolvimento de software, especialmente quando combinado com o mundo agêntico.
Do protótipo funcional ao software agêntico
É aqui que entra a próxima etapa.
Se o GeneXus historicamente permitiu iterar rapidamente sobre software funcional, sua evolução natural é fazer o mesmo com Agentes de IA que – de forma padrão – hoje participam ativamente do processo de construção de software nas empresas.
É exatamente isso que o GeneXus for Agents faz, lançado publicamente em 1º de abril de 2026: um conjunto de skills, ferramentas e interfaces que permite a Agentes de IA – como Claude Code, Globant CODA ou OpenAI Codex – operar diretamente sobre Knowledge Bases do GeneXus.
Os agentes podem ler objetos, propor mudanças, gerar código auxiliar e explorar o sistema existente, tudo por meio de um protocolo padrão (MCP). O GeneXus valida cada mudança com o mesmo motor determinístico de sempre: normalização, análise de impacto e regras de negócio. Os agentes propõem; o GeneXus valida e gera.
Tudo isso apoiado na camada de Governança de Modelos, Agentes e Dados Corporativos do Globant Enterprise AI, que é o que dá ao GeneXus uma vantagem competitiva real no mercado atual.
O resultado é que a fogueira do Campfire Model já não é formada apenas por pessoas. Agora também há agentes de desenvolvimento ao redor do protótipo, contribuindo, propondo e acelerando – mas com um motor que garante que o que é construído continue sendo governável, mantível e correto por construção.
O futuro não é spec-first nem prompt-first – é prototype-first
O desenvolvimento de software mais valioso não parece caminhar para documentos estáticos, mas também não para uma improvisação sem memória. Ele caminha para ambientes onde é possível testar rapidamente, iterar sobre algo real, capturar conhecimento durável e levá-lo à produção com governança.
Diferentes plataformas terão diferentes mecanismos. O GeneXus possui a Knowledge Base e uma nova representação dela em formato de texto, para que os agentes possam compreendê-la mais facilmente.
Isso se alinha com o que o Campfire Model também enxergou com clareza: a iteração é o coração do processo, o protótipo funcional lidera, e a IA nos ajuda a levar esse protótipo à produção mais rapidamente.
E é isso que o GeneXus vem fazendo há mais de 35 anos – embora hoje com um novo vocabulário: agentes, fluxos, skills, MCP, IA generativa, IA simbólica, orquestração.
O que mudou é quem pode se sentar ao redor da fogueira. Agora há agentes, modelos de linguagem, protocolos abertos, profissionais de marketing, designers, profissionais de finanças – além dos desenvolvedores. Mas a ideia de construir em torno de um núcleo vivo, funcional e evolutivo não é, de forma alguma, nova para o GeneXus.
A história do software não se repete, mas rima. E esses ecos do passado são o melhor sinal de que estamos construindo o futuro sobre as bases corretas.
Você também pode estar interessado em ler:
26 Deep Dives sobre IA aplicada às empresas
Como e para que usar Inteligência Artificial Generativa nas empresas
Criação e inovação na era da IA
Low-Code + IA Generativa: Desafios e oportunidades para CIOs
