Era meio do dia e eu estava com dois projetos rodando ao mesmo tempo. Dois agentes no Claude Code, cada um coordenando subagentes, quatro subagentes no total, trabalhando em quatro repositórios diferentes. As duas demandas precisavam estar entregues no dia seguinte.
Aí apareceu o aviso: a sessão ia ficar sem tokens, e o limite só voltaria em duas horas.
Com prazo apertado, a reação mais comum é uma de duas: pagar por mais tokens ou abrir outra IA e continuar de onde parou. Eu também uso o Gemini, então a segunda opção estava a um clique.
Não fiz nenhuma das duas. Parei e me fiz uma pergunta desconfortável: se a IA para, eu paro junto?
Babá de agente
Quem trabalha com vários agentes em paralelo conhece a rotina. Você distribui as tarefas, aprova um comando aqui, corrige a direção ali, revisa um diff, libera o próximo passo. A tela não para de se mexer, e a sensação é de que você nunca produziu tanto.
Só que boa parte desse trabalho é cuidar dos agentes, não do problema. É fácil confundir a velocidade deles com a sua produtividade.
Quando o token acaba, essa confusão aparece. Os agentes param, e o que sobra é o que está na sua cabeça. Se o que está lá é só "o que eu pedi para cada agente fazer", as duas horas viram espera.
A conclusão que tirei naquela tarde foi simples: eu não sou produtivo por ser babá de IA. Sou produtivo porque entendo, a fundo, as regras de negócio da empresa. E isso não acaba junto com o token.
O que a IA não sabe sobre a sua empresa
Um agente lê o código e infere o que pode. Mas o código guarda decisões que já foram tomadas, não os motivos por trás delas. O agente não sabe:
-
Por que a regra existe. Aquele
ifestranho pode ser uma exigência legal, um acordo com um cliente grande ou um bug que alguém transformou em funcionalidade. - Quais são as exceções que ninguém escreveu. O caso que o time de suporte resolve na mão toda semana não está em nenhum repositório.
- O que pode quebrar fora do código. Um relatório que o financeiro usa, uma integração de um parceiro, um processo manual de outra área.
- Quem decide. Quando duas regras entram em conflito, quem tem a palavra final não é o modelo.
É justamente aí que mora o valor de um dev mais experiente. A IA escreve o código de uma regra muito rápido. Saber qual é a regra certa continua sendo trabalho de gente.
O que fazer nas duas horas
Se o token acabou, o tempo não precisa virar espera. Esta é a lista que eu sigo, e todas as tarefas dela tornam o trabalho com IA melhor quando o limite voltar.
1. Escreva as regras de negócio com as suas palavras
Pegue a demanda e escreva, em texto corrido ou em tópicos, o que precisa acontecer e o que não pode acontecer. Critérios de aceite, casos de borda, o que fazer quando o dado vem incompleto.
Se você trava em algum ponto, achou uma dúvida que o agente teria resolvido "do jeito dele", sem perguntar.
2. Revise o que os agentes já entregaram
Com vários agentes em paralelo, é comum aprovar diff rápido demais. Use a pausa para ler com calma o que foi gerado e comparar com as regras que você acabou de escrever.
Código que funciona, mas implementa a regra errada, é o pior tipo de bug: passa no teste, passa no review apressado e chega em produção.
3. Escreva os testes das regras
Teste que descreve o negócio ("cliente com pedido cancelado não recebe cupom") vale mais do que teste que descreve a implementação. É o tipo de teste que você consegue escrever sem IA, porque o difícil nele é saber o comportamento esperado, não digitar o código.
Quando o token voltar, esses testes viram a régua para o agente: ele implementa até passar.
4. Converse com quem conhece o negócio
PO, analista, alguém do suporte, quem pediu a demanda. Leve as dúvidas que surgiram no passo 1. Uma conversa de 15 minutos costuma evitar um dia de retrabalho, e nenhum agente vai marcar essa conversa por você.
5. Prepare a fila para quando o limite voltar
Quebre o que falta em tarefas pequenas, cada uma com contexto, regras e critério de pronto. Quando a sessão voltar, você não começa explicando tudo de novo: entrega um pedido bem escrito e revisa o resultado.
Na prática, as duas horas sem IA viram a parte mais importante do prompt.
6. Faça o que é pequeno demais para delegar
Renomear uma variável confusa, ajustar uma mensagem de erro, atualizar o README, fechar aquele PR que só precisava de um último ajuste. São tarefas em que explicar para o agente leva mais tempo do que fazer.
Antes de acabar: gaste melhor
A pausa também mostrou onde eu estava gastando mal. Algumas coisas que mudei:
- Paralelismo tem preço. Dois agentes com quatro subagentes consomem tokens muito mais rápido. Hoje eu paralelizo só o que é realmente independente, e deixo o resto em sequência.
- Uma sessão por tarefa. Conversa longa carrega todo o histórico a cada mensagem. Terminou a tarefa, abra uma sessão nova.
-
Contexto do projeto num arquivo. Um arquivo com as regras, os comandos e as convenções do repositório (no Claude Code, o
CLAUDE.md) evita reexplicar o projeto toda vez. - Não peça para o agente ler tudo. Aponte os arquivos que importam. Quanto mais ele lê sem necessidade, mais rápido o limite chega.
- O modelo mais caro para o que é difícil. Tarefa trivial não precisa do modelo mais potente, e às vezes não precisa de modelo nenhum.
E se eu pagar por mais tokens?
Não tem nada de errado nisso. Se o prazo é crítico e o custo cabe no orçamento, pagar pode ser a decisão certa. O mesmo vale para trocar de ferramenta.
O ponto é não fazer isso no automático. Trocar de IA no meio da tarefa tem um custo que não aparece na fatura: o outro modelo não tem o contexto da sessão, as convenções do projeto nem as decisões que você tomou com o primeiro. Você passa um bom tempo reexplicando tudo, e o resultado nem sempre segue o mesmo padrão.
Antes de abrir a carteira ou outra aba, vale perguntar: o que eu consigo fazer agora que só eu sei fazer? Quase sempre a lista é maior do que parece.
Checklist para quando o token acabar
- [ ] Escrevi as regras de negócio da demanda com as minhas palavras.
- [ ] Revisei com calma o que os agentes entregaram, comparando com essas regras.
- [ ] Escrevi testes que descrevem o comportamento esperado.
- [ ] Levei as dúvidas para quem conhece o negócio.
- [ ] Deixei as próximas tarefas quebradas e prontas para quando o limite voltar.
- [ ] Resolvi o que era pequeno demais para delegar.
- [ ] Anotei onde estava gastando tokens à toa.
Conclusão
A IA multiplica o que você sabe. Se você entende a regra de negócio, ela multiplica a sua entrega. Se não entende, ela multiplica o erro, e numa velocidade que nenhum dev conseguiria sozinho.
O limite de tokens vai acabar de novo, para mim e para você. Quando acontecer, vale lembrar que o agente parou, mas o seu conhecimento do negócio continua disponível. Duas horas usadas nisso costumam render mais do que duas horas de agentes rodando sem direção.
Escrevi mais sobre como começar a trabalhar com IA em Do Medo à Maestria.
E você? O que faz quando o token acaba no meio do dia? Vamos conversar nos comentários! 🚀
