O Forum é o app independente da Meta para quem quer participar mais a fundo dos Grupos do Facebook. Em 15 de outubro de 2026, o blog de engenharia da Meta contou como uma equipe pequena construiu o app do zero usando o que chama de engenharia nativa em IA: agentes que planejam, implementam, compilam, testam e corrigem código, enquanto os engenheiros definem objetivos, acompanham o trabalho e aprovam cada mudança antes de ir para produção.
O relato interessa a quem desenvolve software no Brasil porque quase nada ali depende de ferramenta exclusiva da Meta. A maior parte do ganho, segundo os autores, veio de mudar o código e o ferramental para que agentes consigam trabalhar bem, e não de escrever prompts melhores. Abaixo, o que o Forum é, o que a Meta fez, o que dá para copiar e onde estão os limites.
Resumo rápido
- Forum é um app dedicado aos Grupos do Facebook, lançado nos EUA para iOS e Android. A Meta não anunciou disponibilidade no Brasil.
- A Meta mediu sucesso por mudanças prontas para produção (que compilam, passam nos testes e sobrevivem à revisão), não por volume de código gerado.
- O modelo de trabalho é “human-on-the-loop”: o agente roda o ciclo inteiro e o engenheiro supervisiona e aprova. A própria Meta diz que isso ainda é uma meta, não um estado alcançado.
- As peças centrais: especificação legível por máquina, verificação automática dentro do loop, testes com agentes que simulam usuários e agentes de investigação em produção.
- Segundo a Meta, o Forum chegou à paridade de funções essenciais com os Grupos do Facebook em oito semanas.
O que é o Forum, segundo a Meta
No anúncio de 29 de setembro de 2026, a Meta descreve o Forum como “um app feito para quem quer ir mais fundo nos seus grupos do Facebook”. Ele sincroniza os grupos da conta do usuário, que entra com o login do Facebook, e reúne a atividade em um só lugar. O teste público começou em maio, e o anúncio diz que o app está disponível para download nos EUA, em iOS e Android. O texto não menciona outros países.
Entre os recursos citados pela Meta estão:
- Ask: usa IA para encontrar o que as pessoas já disseram em posts e comentários de grupos, inclusive grupos públicos dos quais o usuário ainda não participa.
- Rótulos de tema: etiquetas como “Solo Travel” ou “Korean Food” que levam a mais conversas sobre o mesmo assunto.
- Ferramentas para administradores: a Meta disse que daria mais detalhes nas semanas seguintes.
- Novo papel de destaque na comunidade: substitui os antigos selos de colaborador, com selo próprio e benefícios como publicação mais rápida. Está em teste no Forum nos EUA.
A Meta não confirmou o Forum no Brasil. Para acompanhar o que a empresa lança em IA por aqui, veja nossa página de integrações da Meta AI.
O que a Meta chama de engenharia nativa em IA
O texto de engenharia separa dois jeitos de trabalhar com IA:
- Human-in-the-loop (humano dentro do ciclo): o engenheiro conduz cada passo e a IA ajuda dentro dele, com autocompletar ou sugestão de correção.
- Human-on-the-loop (humano sobre o ciclo): o agente executa o ciclo de planejar, implementar, compilar, testar e corrigir. O engenheiro define o objetivo, monitora, intervém quando precisa e aprova o resultado.
Os autores apresentam o segundo modelo como alvo, ainda não alcançado em todas as etapas. O critério que segura tudo é a verificação: uma tarefa só conta como pronta quando testes automatizados e checagens visuais passam, não quando o código apenas compila. O agente confere a própria saída antes de um engenheiro olhar, e toda mudança enviada para produção ainda passa pela aprovação de uma pessoa, apoiada por resultado de build, resultado de testes e gravações da sessão de verificação.
A métrica escolhida também diz muito. A equipe não contou linhas de código geradas. Contou mudanças verificadas e prontas para produção: que compilam, passam nos testes e sobrevivem à revisão.
As quatro capacidades descritas no relato
| Capacidade | O que o agente faz | Onde o humano entra |
|---|---|---|
| Planejamento como especificação técnica | Recebe o trabalho já decomposto, com contexto legível por máquina | Quebra o problema antes e remove ambiguidade, a principal causa de falha dos agentes |
| Verificação automática no loop | Usa status de build, testes unitários e comparação com a especificação de interface como sinal de passou ou falhou; abre pull requests com plano de testes preenchido e sessões gravadas | Decide quanto delegar conforme a confiança nos verificadores |
| Teste com usuário simulado | Agentes de navegação usam o app como uma pessoa, leem a tela e relatam regressões de forma contínua | Avalia as regressões apontadas |
| Operação em produção com agentes | Após o lançamento, investiga feedback de usuários, busca a causa raiz e sinaliza possíveis regressões | Decide se o achado é bug real ou escolha intencional de produto |
Regras, skills, agentes, comandos e hooks
O modelo operacional da equipe tem cinco componentes. Regras são instruções permanentes do projeto: se o agente repete o mesmo erro mais de duas vezes, a correção vira regra para todo mundo. Skills empacotam convenções da equipe em passos que o agente pode carregar. Agentes automatizam checagens que antes pediam revisão manual. Comandos encadeiam skills e agentes em fluxos como avaliar complexidade, reproduzir bug, planejar e implementar correção, abrir pull request e fazer revisão em várias etapas. Hooks são gatilhos automáticos, como rodar o linter depois de cada turno do agente, conferir a conexão com o simulador antes de instalar o app e validar testes antes de criar o pull request.
O texto não cita quais modelos ou produtos de IA a equipe usou. Essa estrutura, porém, existe em ferramentas de mercado, e mostramos como ela aparece no dia a dia no guia sobre como integrar o Claude Code no fluxo de desenvolvimento.
Mudar o ambiente, não só o prompt
A parte mais aproveitável do relato é a lista de mudanças no código e no ferramental.
Arquitetura legível para agentes
A equipe manteve a base de código simples e modularizou partes centrais para usar infraestrutura já testada e, ao mesmo tempo, permitir que agentes se encaixem com facilidade. Onde isso não era possível, reconstruiu componentes do zero, trocando reaproveitamento por vazão dos agentes.
Ferramentas em vez de descrições
A principal falha inicial era o agente perder a noção de em qual tela do app estava. A solução não foi explicar melhor no prompt, e sim dar ferramentas para ler a hierarquia de views ao vivo, listar os elementos na tela e consultar o caminho de uma view antes de agir. Segundo a Meta, isso reduziu bastante as edições no lugar errado. O princípio vale para qualquer agente: dê a ele um jeito de checar o estado real, em vez de pedir que adivinhe.
Uma versão sandbox separada da produção
A equipe criou um app sandbox que compartilha código, frameworks e design system com a produção, mas compila o código de protótipo fora do build de produção, por uma arquitetura de plugins. Designers e parceiros puderam prototipar com IA sem um engenheiro em cada mudança. O que dava certo podia ser levado à produção sem reescrita, e o protótipo não tinha como derrubar o app real, porque nem entrava nele. Se a sua equipe roda código gerado por agente, o mesmo raciocínio de isolamento aparece no nosso texto sobre sandbox para agentes que executam código.
Testes de estresse e operação: o que a Meta relata de resultado
A equipe rodou cenários repetíveis que imitam uso real: rolagem agressiva, navegação aleatória entre grupos, troca rápida de telas e carregamento repetido de mídia. O agente triava anomalias, reduzia cada uma à sequência que a disparava e investigava a causa. Numa dessas rodadas, ele encontrou um problema de memória, isolou uma reprodução, propôs a correção e a verificou antes do lançamento. Segundo a Meta, a correção reduziu aproximadamente pela metade o uso de memória e as falhas de página. As decisões de arquitetura continuaram com os engenheiros.
Depois do lançamento, agentes de investigação reúnem informações e publicam relatórios com sugestão de correção. Ao pontuar manualmente um lote dessas investigações, a equipe concluiu que contexto pesou mais que prompt: dar aos agentes os mesmos ponteiros de código, consultas de exemplo e documentos de design que um engenheiro novo recebe melhorou bastante uma categoria de investigação que ia mal.
No resumo de resultados, a Meta afirma que o Forum chegou à paridade de funções essenciais com os Grupos do Facebook em oito semanas, com a IA cuidando de boa parte da implementação rotineira. O texto não informa o tamanho da equipe.
O que equipes brasileiras podem copiar
- Troque a métrica. Pare de medir “quanto código a IA escreveu”. Meça mudanças que passaram em build, testes e revisão, e quanto delas voltou depois.
- Escreva a especificação antes do agente. Tarefa ambígua gera código ambíguo. Um ticket com critério de aceite testável é o melhor prompt que existe.
- Coloque a verificação dentro do loop. O agente só entrega quando lint, testes e checagem visual passam. Sem isso, você terceiriza a revisão para o colega.
- Transforme erro repetido em regra. Mantenha um arquivo de regras do projeto versionado no repositório e atualize sempre que o agente tropeçar duas vezes na mesma coisa.
- Dê ferramentas de leitura de estado. Acesso a logs, ao banco de testes, à árvore de componentes ou ao simulador vale mais que parágrafos de instrução.
- Isole protótipos. Um build ou ambiente separado deixa design e produto experimentarem sem risco para produção.
Exemplo: fintech em Recife adaptando o modelo
Imagine uma fintech em Recife com um app de conta digital em React Native e seis desenvolvedores. Eles já usam assistente de código, mas a revisão de pull requests virou gargalo: chega muito código e pouco teste. Um desenho inspirado no relato da Meta:
- Especificação primeiro: o time de produto passa a escrever tickets com critério de aceite em formato de teste (“ao tocar em Pix com saldo zero, a tela mostra o aviso X”).
- Regras do projeto: um arquivo no repositório registra convenções (como formatar valores em reais, onde ficam os textos traduzidos, quais bibliotecas não usar) e cresce a cada erro repetido do agente.
- Hooks: lint e testes unitários rodam a cada turno do agente; o pull request só é aberto se os testes passarem e vier com plano de testes preenchido.
- Agente de navegação no emulador: roda fluxos críticos (login, Pix, extrato) em cada build de homologação e abre tarefa quando algo muda.
- Fronteira clara: agentes não mexem em código de autenticação, criptografia ou integração com o sistema de pagamentos sem revisão de duas pessoas, e não acessam dados reais de clientes, só massa de teste, em linha com a LGPD.
Para saber se funcionou, a equipe compara antes e depois: tempo entre abrir e aprovar um pull request, taxa de pull requests reprovados na revisão e bugs encontrados em produção por versão.
Riscos e limites que o próprio relato admite
- Verificação é difícil. A Meta diz que quanto se pode delegar depende de quanto se confia nos verificadores. Teste fraco aprova código ruim mais rápido.
- Autonomia ainda parcial. O modelo human-on-the-loop é descrito como meta; várias etapas pedem um engenheiro em cada iteração.
- Contexto é caro de montar. As investigações só melhoraram quando receberam documentação e exemplos. Equipes sem documentação vão sentir mais esse limite.
- Reescrever tem custo. Reconstruir componentes para facilitar a vida do agente troca reaproveitamento por velocidade. Num sistema legado grande, isso pode não compensar.
- Contexto de big tech. A Meta tem infraestrutura de build, testes e simuladores que muitas equipes não têm. Copie os princípios, não a escala. E arquitetura, produto e aprovação final continuaram com engenheiros.
Erros comuns
- Medir produtividade por linhas geradas. Volume de código não é entrega. Meça o que chega a produção sem voltar.
- Pular a especificação. Entregar um pedido vago ao agente e culpar o modelo quando o resultado sai errado.
- Corrigir no prompt o que é problema de ferramenta. Se o agente se perde, falta a ele um jeito de ler o estado real.
- Deixar protótipo gerado por IA entrar no build de produção. Sem isolamento, um experimento vira incidente.
Perguntas frequentes
O Forum está disponível no Brasil?
O anúncio da Meta de 29 de setembro de 2026 diz que o Forum está disponível para download nos EUA, em iOS e Android, e não menciona outros países. Até lá, a empresa não confirmou o lançamento no Brasil.
Quais modelos de IA a Meta usou para construir o Forum?
O texto do blog de engenharia não informa os modelos ou produtos usados.
O que significa human-on-the-loop?
É o modelo em que o agente executa o ciclo de planejar, implementar, testar e corrigir, e a pessoa define o objetivo, acompanha, intervém quando necessário e aprova o resultado. No human-in-the-loop, a pessoa conduz cada passo e a IA só ajuda dentro dele.
Uma equipe pequena consegue aplicar isso sem a infraestrutura da Meta?
Em parte. Especificação clara, arquivo de regras, hooks de lint e testes e um ambiente de protótipo isolado são viáveis com ferramentas comuns. Agentes de navegação contínuos e investigação automática em produção exigem mais investimento.
A IA substituiu engenheiros no projeto?
Não, segundo o relato. Engenheiros tomaram as decisões de arquitetura e produto e aprovaram cada mudança enviada para produção. A IA assumiu boa parte da implementação rotineira e da investigação.
Fontes e leitura recomendada
- Engineering at Meta: How Meta built Forum with AI-native engineering (15/10/2026)
- Meta Newsroom: Find your community with Forum, a dedicated app for Facebook Groups (29/09/2026)
- Anthropic: Building effective agents
- DORA: pesquisa sobre desempenho de entrega de software
- Software Engineering at Google (livro aberto, capítulos sobre testes e revisão de código)
