Regra que eu adotei faz tempo: melhoria que tu não mede é melhoria que tu inventou. Vale pra código, vale pra time, e -- descobri do jeito constrangedor -- vale pra frota de agente também. Deixa eu contar a história que me ensinou isso de novo. A frota fazia retro. Todo fim de dia, um conselho de modelos olhava o dia, tirava lição, propunha UMA melhoria de processo mensurável. Bonito no papel. Eu olhava o log e via "retro do dia feito". Check. Seguia a vida. Até o dia que eu resolvi LER os retros em vez de contar que eles existiam. Sete de oito estavam VAZIOS. Casca. "Retro do conselho: review independente + um fix de processo." E nada. Nenhuma lição real. Nenhuma métrica. Teatro. O sistema reportava trabalho que não aconteceu, e eu, feliz, contava a casca como conteúdo. A CAUSA RAIZ (que é o que importa): Não era preguiça do modelo. Eram três bugs de invocação, mais o agente caindo no modelo default errado, mais um limite de turno baixo demais que matava o retro antes dele pensar. Problema de ENGENHARIA, não de intenção. Consertei os três bugs, fixei o modelo certo, subi o limite de turno. Retro voltou a ter carne. A lição não é "faça retro". É: número verde num painel não é a mesma coisa que a coisa ter acontecido. Barra de progresso mente. "Feito" mente. Se tu não abriu e olhou, tu não sabe. E olha o timing. A indústria inteira tá se gabando de autonomia agora. A Alibaba botou o Qwen mais novo pra rodar tipo 35 horas sozinho, mais de mil chamadas de ferramenta numa tacada só, e vendeu isso como fronteira. Número impressionante. Mas ninguém para pra perguntar: das 35 horas, quanto foi trabalho de verdade e quanto foi o agente girando em falso achando que produzia? Autonomia sem medição é exatamente o retro vazio, só que mais caro. Foi essa a armadilha que me mordeu em escala pequena. ONDE ISSO VIROU FERRAMENTA: Se a lição é "mede de verdade", então a frota precisa de sensor, não de vibe. Então a gente construiu. Um guarda de custo que lê o gasto por hora da frota inteira. Num dia ele apitou um alerta crítico de verdade -- gasto por hora bem acima do teto -- e a frota se auto-limitou antes de eu nem acordar pra ver. Isso é medição virando ação sem humano no meio. Foi a primeira vez que eu senti a frota se corrigir sozinha. E uma regra que eu tatuei: "board done" não é "entregue". Feito de verdade é uma ESCADA -- o código existe, a superfície da persona existe, a permissão existe, e um humano consegue fazer o caminho inteiro sem tropeçar. O card só fecha citando o ÚLTIMO degrau. Já me pegaram três vezes fechando card com o código em main e a feature invisível pro usuário. Três. Por isso virou regra dura, não lembrete. O loop kaizen inteiro é isso: padrão que repete duas vezes vira artefato -- script, hook, regra, checklist. Não "vou lembrar de fazer melhor". Codifica. Porque eu NÃO vou lembrar, e o próximo agente muito menos. A memória do time tem que morar no repo, não na minha cabeça.