Graph engineering: o que é o novo termo da moda entre quem programa com IA

Se você acompanha conteúdo sobre inteligência artificial nas redes, talvez tenha notado um padrão cansativo: toda semana surge um termo novo que promete "mudar tudo", loop engineering, context engineering, e agora graph engineering, a palavra da vez entre desenvolvedores que trabalham com agentes de IA.

A origem é uma única publicação no X. Em 18 de julho, Peter Steinberger, criador do OpenClaw, um agente de IA de código aberto que passou de 100 mil estrelas no GitHub em semanas, fez uma pergunta curta: "ainda estamos falando de loops, ou já mudamos para grafos?". O post viralizou, passou de milhões de visualizações, e uma legião de criadores de conteúdo começou a declarar que a forma antiga de programar agentes estava "morta".

A heterotopia de São Francisco que mostra o futuro de muitos cargos qualificados

O exagero em torno da frase é quse real, mas o problema técnico por trás dela também é. Para entender do que se trata, sem precisar escrever uma linha de código, o primeiro passo é entender o que é um grafo.

Grafo: a estrutura de dados mais simples depois da lista

Um grafo tem só duas peças: nós (os pontos) e arestas (as linhas que ligam os pontos). É isso.

Pense na sua manhã. Você acorda, esse é um nó. Você levanta da cama dois minutos depois, outro nó, ligado ao primeiro por uma aresta que "pesa" dois minutos.

Escova os dentes cinco minutos depois de levantar, mais um nó, mais uma aresta. Cada etapa do seu dia é um ponto; cada intervalo entre elas é uma linha com um peso (o tempo, nesse exemplo).

Essa estrutura está por toda parte, mesmo fora da programação. Quando o LinkedIn diz "vocês têm três conexões em comum, adicione fulano", ele está literalmente contando arestas: você é um nó, seu conhecido é outro nó, e há duas ligações entre vocês.

É a mesma lógica que roda por trás de qualquer rede social, cada pessoa é um ponto, cada relação (amizade, trabalho, interesse em comum) é uma linha que conecta os pontos.

Por que isso importa para quem usa IA

Agora troque "sua manhã" por "uma tarefa que você pede para uma IA fazer sozinha, repetidamente, até dar certo". Isso é um loop: você dá um objetivo e uma métrica de sucesso, e a IA fica tentando até acertar. Por exemplo: peça a um agente de IA para testar variações de anúncio até achar a que traz mais gente pagando menos por clique. Isso é IA rodando em loop atrás de uma métrica.

O problema, segundo o argumento de Steinberger, é que uma métrica sozinha engana. Se a IA só olha para "custo por clique", ela pode até conseguir reduzir esse número e, sem perceber, atrair gente que clica, mas não fica. O resultado: você paga menos por cliente, só que esse cliente cancela rápido e, no fim, perde dinheiro do mesmo jeito.

É aí que entra o grafo. Em vez de dar à IA um objetivo só, você desenha uma rede de métricas conectadas: custo do clique, taxa de cancelamento, valor que o cliente gera ao longo do tempo, e deixa claro como uma afeta a outra. A IA passa a enxergar o quadro inteiro, não um número isolado.

O exemplo que qualquer um entende: organizar tarefas

Fora do universo do marketing, a ideia aparece em algo bem mais familiar: como organizar um projeto. Uma tarefa grande se divide em tarefas menores, e algumas dependem de outras terminarem primeiro, não dá para testar uma tela antes de ela existir, por exemplo. Isso também é um grafo: cada tarefa é um nó, e as dependências entre elas são as arestas.

Empresas grandes já usam esse tipo de mapa há anos para decidir quantas pessoas colocar em cada frente de trabalho, mesmo sem usar IA nenhuma. A novidade agora é dar esse mesmo mapa para um agente de inteligência artificial navegar sozinho, decidindo o que fazer em paralelo e o que precisa esperar, em vez de simplesmente seguir uma lista em ordem.

Vale aprender a fundo, ou é só mais um hype?

A resposta honesta é: um pouco dos dois. A ideia de organizar sistemas em grafos existe há décadas na ciência da computação, não é invenção da moda. O que mudou foi o contexto: com múltiplos agentes de IA trabalhando ao mesmo tempo, é fácil eles pisarem no pé um do outro ou usarem informação desatualizada, e o grafo ajuda a evitar isso.

Para quem só brinca com IA no dia a dia, o que hoje se chama de vibe coding, pedir para a IA construir coisas sem programar linha por linha não é preciso dominar a técnica.

O que vale é o princípio por trás dela: uma métrica nunca conta a história inteira. Antes de pedir para uma IA otimizar qualquer coisa sozinha, vale perguntar quais outros números podem piorar enquanto aquele único número melhora.

É também um lembrete útil para quem se sente pressionado a "aprender a próxima novidade" toda semana: quem já entende o básico, o que é um loop, o que é um grafo, como uma tarefa depende da outra, consegue absorver qualquer termo novo em minutos, porque a base já está lá e seguirá sendo a mesma por mais tempo do que a próxima moda.