Quando código vira abundante, o gargalo muda de lugar

Recentemente escrevi aqui no Linkedin um post (https://www.linkedin.com/pulse/crise-oculta-dos-tech-leads-o-custo-de-revisar-c%C3%B3digo-cezar-taurion-ist6f/) sobre uma consequência da adoção de IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → no desenvolvimento que começa a ficar evidente: agentes conseguem aumentar a geração de código muito mais rapidamente do que conseguimos ampliar nossa capacidade de compreendê-lo e revisá-lo. Isso cria uma nova pressão sobre Tech Leads e pode simplesmente deslocar o gargalo da geração para a verificação.

Mas, conversando com empresas sobre como repensar suas áreas de desenvolvimento,  percebi que esse é apenas o sintoma mais visível de uma mudança maior. E amplio o assunto nesse post.

Quando gerar código fica progressivamente mais barato, toda a economia da engenharia de software começa a mudar. Durante décadas, escrever, testar e modificar código consumiu parcela relevante do esforço de desenvolvimento. Isso não desapareceu nem deixou de ser difícil em todos os contextos. Mas ferramentas como Claude Code já conseguem navegar por repositórios, editar múltiplos arquivos, executar comandos e testes, depurar problemas e realizar sequências relativamente longas de trabalho.

Os números internos da Anthropic ajudam a dimensionar essa mudança, embora não devam ser tratados como benchmark universal. Em um estudo com seus próprios profissionais, eles relataram utilizar Claude em cerca de 59% do trabalho e estimaram ganho médio de produtividade próximo de 50%. Cerca de 27% do trabalho assistido provavelmente nem teria sido realizado sem IA.

Em maio de 2026, a empresa afirmou ainda que Claude produzia mais de 80% do código incorporado ao seu codebase e que o engenheiro típico incorporava cerca de oito vezes mais código por dia do que em 2024. São números impressionantes, mas é fundamental separar as coisas: mais código produzido não significa automaticamente melhor software, maior produtividade econômica ou mais valor para o cliente.

Essa distinção tem sido central nas conversas que mantenho com empresas. Gerar código ficou muito mais barato. Garantir que ele seja necessário, correto, seguro, sustentável e adequado ao contexto continua exigindo conhecimento, engenharia e julgamento.

Portanto, o problema deixa de ser apenas quem revisará todo o código produzido pela IA. A questão passa a ser onde estará a escassez quando produzir código consumir uma parcela muito menor do esforço de desenvolvimento.

Parte dela provavelmente migrará para definir corretamente o problema, decidir o que construir, especificar, integrar sistemas, escolher trade-offs, validar comportamento, operar e manter.

É justamente por isso que o code review não desaparece. Pode até ganhar importância. Mas sua natureza muda. Um agente pode produzir em minutos uma alteração cuja compreensão, teste e validação exigem muito mais tempo. Revisar sintaxe e arquivos deixa de ser suficiente. Precisamos avaliar contratos entre serviços, schemas, dependências, segurança, observabilidade↳Observabilidade11 conteúdosObservabilidade para APIs: os desafios e benefícios dessa abordagemDev (Back & Front) · jan 2025Falhas em Observabilidade afetam os Apps e a Segurança das OrganizaçõesDev (Back & Front) · nov 2023ADK Java 1.0: O Google quer que você pare de gambiarra Python no seu backendMarketing Tech · abr 2026Ver tudo em DevSecOps →, custos, comportamento em falhas e consequências sistêmicas.

Testes automatizados, análise estática, evals, políticas executáveis e guardrails tornam-se complementos importantes à revisão humana. Podemos estar reduzindo o custo da geração muito mais rapidamente do que o custo da verificação.

Isso não significa que IA vai automaticamente aumentar o débito técnico. Nem sempre. Ela também pode ajudar a produzir testes, documentação, refatorações e correções que permaneceriam no backlog. O risco aparece quando a velocidade de produção supera a capacidade da organização de compreender, validar, operar e manter aquilo que está sendo produzido.

Também não devemos simplificar as coisas como “a IA programa e o humano faz arquitetura”. Agentes já começam a participar de planejamento, análise de dependências, refatorações e decisões de implementação. Em uma análise de aproximadamente 400 mil sessões do Claude Code, a Anthropic observou que humanos ainda concentram a maior parte das decisões de planejamento, enquanto Claude assume mais decisões de execução. Mas essa fronteira continuará se deslocando.

Por isso, definir o futuro papel do desenvolvedor simplesmente como “aquilo que a IA ainda não consegue fazer” é uma estratégia frágil. E é aqui que minhas conversas com empresas estão mudando. Não estou mais discutindo apenas como introduzir ferramentas de coding com IA. Estou discutindo como redesenhar o sistema de desenvolvimento para um cenário no qual a capacidade de produzir software pode se tornar muito mais abundante.

Isso envolve rever papéis, arquitetura, revisão, testes, segurança, pipelines, documentação, observabilidade, critérios de aceitação, formação profissional e métricas.

Muitas dessas métricas, aliás, nasceram em uma época em que produzir software era caro. Commits, PRs, tickets, story points e linhas de código tornam-se ainda mais perigosos quando agentes conseguem multiplicar produção com baixo esforço marginal.

Mais produção pode significar mais valor. Mas também pode significar mais código para compreender, testar, operar e manter. Se produzir código se torna menos escasso, volume se torna uma aproximação ainda pior de produtividade.

A discussão precisa migrar para lead time ponta a ponta, estabilidade, qualidade, segurança, defeitos em produção, retrabalho, custo operacional, capacidade de mudança e impacto sobre produto e negócio.

Por isso, ferramentas como Claude Code são mais interessantes para mim pelo que revelam sobre a economia da engenharia de software do que simplesmente pela velocidade com que escrevem código.

Meu artigo anterior olhava para uma consequência específica: o que acontece com o Tech Lead↳Liderança técnica5 conteúdosLiderança técnica: a arte de inspirar desenvolvedores e gerar transformações 🚀Gestão Dev & TI · mai 2024Full Cycle lança pós-graduação que capacita devs para cargos de liderança técnicaDev (Back & Front) · mar 2024De Dev a Tech Leader: caminhos para se tornar um Tech Leader excepcionalGestão Dev & TI · ago 2024Ver tudo em Gestão Dev & TI → quando gerar código fica barato?

Agora me parece que a questão é maior: o que acontece com toda a organização de desenvolvimento quando gerar código fica barato?

Quanto mais abundante se torna a capacidade de produzir software, mais importante se torna decidir o que vale a pena produzir, verificar aquilo que foi produzido e garantir que a organização consiga operar e sustentar o resultado.

O desafio das empresas não é construir uma área de desenvolvimento capaz de gerar muito mais código com IA.Será construir uma área de engenharia capaz de transformar essa abundância de código em software confiável, sustentável e, principalmente, em valor para o negócio.