A Uber acaba de protagonizar um dos casos mais didáticos da era da IA generativa aplicada ao desenvolvimento de software. Em abril de 2026, o CTO Praveen Neppalli Naga admitiu publicamente algo que muitas empresas ainda escondem: o orçamento anual inteiro de IA foi consumido em apenas quatro meses. Além disso, o vilão não foi um projeto mal executado. Pelo contrário, o culpado foi o sucesso descontrolado do Claude Code, ferramenta da Anthropic que se espalhou pelos times de engenharia mais rápido do que qualquer planilha financeira conseguiu prever.

Para você, dev ou líder técnico no Brasil, esse caso vale mais do que qualquer benchmark de produtividade. Afinal, a Uber é o canário na mina de carvão do orçamento de IA corporativo. E o recado é claro: adotar IA sem governança hoje é o mesmo erro de quem migrou para a cloud em 2015 sem alertas de billing.

O Que Realmente Aconteceu na Uber: Os Números Por Trás do Estouro

Antes de mais nada, vale dimensionar o caso com dados concretos. Segundo o relato do próprio CTO, a Uber despejou cerca de US$ 3,4 bilhões em P&D em 2025, com alta de 9% ano contra ano. Contudo, o que realmente surpreendeu o financeiro foi o ritmo de adoção interna.

Os números falam sozinhos:

• 95% dos engenheiros da Uber usam ferramentas de IA mensalmente
• 70% do código commitado é gerado por IA
• 84% dos devs já são classificados como “agentic coding users”
• 1.800 mudanças de código por semana são escritas integralmente por agentes, sem revisão humana direta
• Custos individuais de API variando entre US$ 500 e US$ 2.000 por engenheiro por mês

Em outras palavras, a Uber não tropeçou na adoção. Na verdade, ela incentivou ativamente o uso através de leaderboards internos. Como resultado, o uso do Claude Code praticamente dobrou em três meses, e os custos de IA cresceram 6x desde 2024.

Por Que o Claude Code Estoura Orçamentos: A Matemática Cruel do Token

Aqui está o ponto que todo dev precisa entender. O Claude Code roda em modelo de pricing por consumo, ou seja, cada token gerado puxa do orçamento. Portanto, quanto melhor a ferramenta, mais o engenheiro a usa. E quanto mais ele usa, maior fica a fatura.

Faça a conta com calma. Primeiramente, US$ 200/mês por engenheiro parece administrável no plano individual. No entanto, multiplique por 1.000 devs rodando workflows agênticos em escala. O resultado salta para US$ 2,4 milhões por ano apenas no plano fixo, sem contar o consumo adicional de API. Quando você adiciona contextos longos, refatorações automatizadas e agentes que rodam loops de revisão, a conta dispara.

Aliás, esse é o tipo de problema que todo CTO gostaria de ter, até a fatura chegar. Afinal, o orçamento não estourou porque a IA era ruim e exigia muitas tentativas. Pelo contrário, estourou porque era boa demais e todo mundo quis usar.

A Lição Prática da Uber para CTOs e Tech Leads Brasileiros

Se você lidera engenharia numa empresa brasileira, a pergunta não é mais “devemos adotar IA para codificação?”. Isso já é inevitável. A pergunta certa é: como orçar e governar essa adoção sem virar manchete pelos motivos errados?

A seguir, cinco diretrizes práticas extraídas do tropeço da Uber.

1. Comece com Pilotos Limitados Antes de Liberar Geral

Não libere ferramentas agênticas para toda a engenharia de uma vez. Em vez disso, escolha um squad, defina um período (90 dias é razoável) e meça custo por engenheiro por mês antes de escalar. Dessa forma, você produz dados reais para projetar o gasto antes de comprometer o orçamento anual inteiro.

2. Defina Tetos de Consumo por Equipe ou Projeto

Ferramentas de IA são exatamente como cloud computing em 2015. Sem governança, a conta explode silenciosamente. Por isso, configure alertas, hard limits por time e dashboards de consumo visíveis para os próprios engenheiros. Quando o dev vê o custo em tempo real, o comportamento de uso muda.

3. Meça ROI Real, Não Vibe Coding

A pergunta que importa: quantas horas de engenharia foram economizadas? Além disso, quantos deploys a mais aconteceram por semana? Se o custo da IA for menor do que o salário das horas economizadas, é um bom negócio. Caso contrário, ajuste. Não compre métrica de marketing, compre métrica de folha de pagamento.

4. Diversifique Fornecedores Desde o Dia Zero

Não dependa de uma única ferramenta. Hoje pode ser Claude Code, amanhã Codex, depois talvez um modelo open source com self-hosting. Com efeito, lock-in em fornecedor de IA é o novo lock-in de cloud, só que com volatilidade de preço muito maior. Negocie contratos com cláusulas de saída e mantenha pelo menos uma alternativa funcional rodando em paralelo.

5. Invista Pesado em Code Review Automatizado e Humano

Se agentes vão escrever 70% do código, como na Uber, você precisa de processos de review robustos. Caso contrário, dívida técnica gerada por IA vira passivo silencioso. Combine linters agressivos, testes de mutação, scanners de segurança e revisão humana obrigatória em PRs sensíveis. Em resumo, código de IA sem review é como deploy direto em produção: parece rápido, mas é caro lá na frente.

A Nova Realidade da Engenharia de Software: O Que Esperar Daqui (Uber)

O que aconteceu na Uber não é um caso isolado. Pesquisas recentes mostram que cerca de 90% das empresas planejavam aumentar gastos com IA em 2026. Portanto, a Uber é apenas a primeira a admitir publicamente que a coisa saiu do controle financeiro. Outras virão.

Para o ecossistema brasileiro, há um detalhe particularmente relevante. Nossas empresas ainda têm a vantagem do timing. Ou seja, podemos aprender com o tropeço alheio antes de cometer o nosso. Enquanto unicórnios americanos descobrem o problema na fatura, times de engenharia daqui podem estruturar governança preventiva, escolher fornecedores com calma e treinar gestores em FinOps de IA antes da explosão.

Por outro lado, há um risco real de inação. Empresas que não adotarem IA de forma planejada nos próximos 18 meses vão competir com times que entregam 3x ou 4x mais, mesmo que com custo maior. Em síntese, o desafio não é evitar a IA, é evitar que ela coma o orçamento sem retorno mensurável.

Conclusão: Governança Vale Mais do Que Velocidade

A Uber pagou caro para nos ensinar uma lição barata. Adotar IA agêntica sem FinOps específico é a receita perfeita para virar case de estouro de orçamento. Em contrapartida, adotar com pilotos, tetos, métricas de ROI e diversificação de fornecedores é a diferença entre transformar engenharia e quebrar a planilha.

Se você é CTO, tech lead ou engenheiro sênior no Brasil, o trabalho de casa começa hoje. Mapeie quanto sua empresa gasta em IA, quem usa, com que retorno. Depois, monte os guardrails antes de escalar. Caso contrário, você pode acabar como o CTO da Uber em abril: de volta à prancheta, explicando para o board por que a ferramenta funcionou bem demais.

Siga nosso perfil no Instagram!