Equipes de engenharia estão entregando mais código do que nunca, e grande parte dele é escrita por agentes de IA. Um estudo de 2026 da Faros, que analisou dois anos de telemetria de 22.000 desenvolvedores em 4.000 equipes, constatou que a produtividade está aumentando em organizações com alta adoção de IA. Bugs, retrabalho, carga de revisão e incidentes em produção crescem ainda mais rápido.

Os números são impressionantes. A Faros registrou 54% mais bugs por desenvolvedor, um aumento de cerca de cinco vezes no tempo mediano de revisão de pull requests e mais de três vezes mais incidentes por pull request ao comparar períodos de menor e maior adoção de IA. Os pesquisadores são cuidadosos com o significado desses dados. Trata-se de correlações, e não de prova de que a IA causou todos os resultados. Um relatório posterior do terceiro trimestre apontou que alguns dos efeitos iniciais estavam diminuindo, mas os custos de verificação, correção e operação continuavam se acumulando nas etapas seguintes.

A questão, portanto, é como as equipes mantêm a velocidade sem abrir mão da qualidade. A resposta que muitos engenheiros buscam é a verificação automatizada, ou seja, ferramentas e checagens que identificam problemas antes que cheguem aos usuários. Ninguém promete software sem bugs. O objetivo é ter mais formas de capturar erros.

As ferramentas de revisão disponíveis no mercado

Vários projetos agora buscam colocar um segundo par de olhos sobre o código escrito por IA. O Superpowers, uma metodologia de desenvolvimento agêntico e um conjunto de habilidades, leva agentes de codificação a se comportarem mais como engenheiros disciplinados. Ele enfatiza planejamento, desenvolvimento orientado a testes, depuração e revisões, incluindo agentes separados que revisam o trabalho. Dependendo da tarefa, porém, seguir a metodologia completa pode desacelerar o desenvolvimento.

O RoboRev, criado por Wes McKinney, o desenvolvedor por trás da biblioteca pandas, adota uma abordagem diferente. Ele traz a revisão contínua de código com IA para o ciclo de desenvolvimento local. Um desenvolvedor faz o commit do código, e um daemon local revisa esse commit com um agente de codificação configurado. Os achados podem ser devolvidos à mesma sessão de codificação enquanto o contexto ainda está fresco.

As grandes plataformas também têm suas próprias soluções. O Code Review hospedado pela Anthropic envia múltiplos agentes especializados para examinar, em paralelo, um pull request do GitHub, em busca de erros de lógica, vulnerabilidades de segurança, regressões e casos extremos não tratados. A revisão mais profunda pode levar mais tempo e custar mais do que uma verificação local rápida. Desde outubro de 2026, a Anthropic apresenta o recurso como uma prévia de pesquisa para os planos Team e Enterprise, com cobrança separada baseada em uso. O Codex, da OpenAI, pode revisar pull requests com base no contexto e nas instruções de um repositório e pode preparar uma correção quando encontra um problema.

O Copilot Code Review, do GitHub, é a opção que exige menos intervenção humana. Ele pode revisar pull requests automaticamente, seguir as instruções do repositório e sugerir correções. O Bugbot, da Cursor, analisa pull requests do GitHub em busca de bugs de lógica e pode propor correções por meio de agentes na nuvem, o que é mais conveniente para equipes que já usam o Cursor. A contrapartida é menor controle. Os desenvolvedores podem personalizar as instruções do Copilot, mas não têm a configuração de modelo por execução que obteriam ao invocar o próprio agente. Grande parte da seleção de modelos do Cursor é feita pela empresa.

Usar uma IA para checar outra tem limites. Dois modelos podem concordar com a mesma resposta errada, deixar passar o mesmo requisito ou apontar um bug que não existe. Especialistas recomendam combinar a revisão com IA a verificações que não dependam do julgamento de um modelo, além de manter um humano responsável pelas decisões finais em mudanças de alto risco.

Empilhando verificações ao longo do pipeline

A maior parte das práticas subjacentes tem décadas. As equipes normalmente executam primeiro linters, formatadores, verificadores de tipos e etapas de build, seguidos de testes unitários, de integração e de ponta a ponta. As verificações de segurança incluem análise estática, detecção de segredos expostos e varredura de vulnerabilidades em dependências. As revisões agênticas podem buscar bugs, riscos de segurança e se uma mudança corresponde à especificação. Varreduras de infraestrutura e verificações de migração de banco de dados completam a lista, junto com revisões de manutenibilidade que sinalizam excesso de engenharia.

Essas verificações estão distribuídas em etapas. As mais baratas são executadas antes de o código ser commitado. Testes mais amplos e varreduras de segurança rodam após o envio (push). Os pull requests recebem as revisões mais pesadas, e a pré-produção acrescenta testes de integração, varredura de infraestrutura e testes de fumaça de implantação. O monitoramento em produção abrange verificações de integridade, monitoramento de erros e de segurança e reversão automatizada quando isso é seguro. GitHub Actions, GitLab CI/CD e Jenkins são as formas mais comuns de orquestrar essas etapas.

Executar uma revisão de IA em cada pull request pode sair caro, sobretudo para equipes que integram código muitas vezes por dia. O autor recomenda executar as verificações baratas no início e reservar as revisões mais pesadas para as etapas posteriores ou para mudanças de maior risco.

Grandes empresas vêm construindo esse tipo de estrutura há anos. O guia de Adam Faik sobre como Uber, Shopify, DoorDash, Spotify e Stripe executam agentes de codificação em escala descreve um padrão comum. As solicitações entram por um gateway, passam por verificações de permissão e governança e seguem por um pipeline automatizado que escreve o código, o testa e produz evidências, como diffs, capturas de tela e resultados de testes. Os desenvolvedores então revisam o resultado antes que qualquer coisa seja mesclada ou enviada à produção.

A mensagem geral é que escrever código está ficando barato. Verificá-lo, não. Como afirmou um ensaio, a verificação precisa se tornar parte essencial de como o software é construído.

Cet article a été rédigé avec l'assistance de l'IA.
News Factory APP - actualités agentiques pour booster votre SEO et AEO.