Pular para o conteúdo
LabS Atlas
AI For Devs
Entrar

Mural de Desafios

Ir para notas que citam esta
atualizado há 25 diasEntre para perguntar ao Labinho sobre esta notaO Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.

Mural de Desafios é o mecanismo do Solutis LabS em que participantes resolvem missões técnicas com itens obrigatórios e desejáveis e recebem recompensa em SOL$.

SOL$ é a moeda digital do LabS, nascida na bancada de Digital Assets. O mural convive com uma segunda forma de recompensa, a contribuição ao Learning Prototype de uma bancada. As duas servem ao mesmo propósito: transformar aprendizado prático em entregas visíveis e fazer o conhecimento circular entre os participantes, em vez de ficar só com quem resolveu.

Como funciona um desafio do mural

Cada desafio tem missão clara e bem definida, muitas vezes descrita como uma sequência de passos. Os itens obrigatórios precisam ser entregues; os desejáveis são opcionais e rendem bônus. O valor da recompensa é definido antes, desafio a desafio.

O processo tem três passos: identificação do participante, que acessa o mural por link ou QR code; realização de um ou mais desafios, respeitando obrigatórios e desejáveis; e avaliação, seguida da transferência da recompensa ao fim de cada desafio.

Desafios podem ser feitos individualmente ou em dupla. Em dupla, a recompensa é creditada a uma pessoa, e a dupla combina a divisão pela carteira de SOL$. É possível partir de um problema real do próprio trabalho, e o formato de apresentação é livre: slides, vídeo gravado, até narração com voz gerada por IA. A expectativa é que o resultado seja compartilhado com a bancada e que o desafio conte com o apoio dela, e não seja resolvido em isolamento.

Desafios organizados em ciclos

Os desafios acompanham o ciclo de exploração da bancada e são reformulados a cada temporada conforme o que já avançou. Em Testes Autônomos com IA, por exemplo, o ciclo se divide em atos sequenciais (interpretar artefatos, gerar artefatos de teste e executar os testes), e a recompensa cresce com a complexidade do ato.

Recompensa por contribuição ao Learning Prototype

No Learning Prototype, um trabalho mais longo, com encontros periódicos e tarefas ao longo de meses (na bancada AI for Devs, o QAssist), a recompensa não é fixa: é proporcional ao impacto da contribuição, classificado em inicial, médio ou avançado segundo uma tabela de referência. A intenção é ser justo com quem contribui mais e, ao mesmo tempo, estimular quem começa com contribuições menores.

Também são três passos: identificar, durante os encontros, uma necessidade de implementação; executá-la, de preferência em colaboração com o time; e solicitar a recompensa por formulário. A avaliação e a distribuição acontecem a cada trimestre, com base no acompanhamento do dia a dia das implementações.

Além da moeda

O ganho vai além do valor monetário: aprender tecnologias novas, exercitar o que já se sabe e fazer parte de uma comunidade que compartilha conhecimento.