TLDR;

Ele parou porque o volume e a natureza do código gerado por agentes tornam insustentável a revisão manual linha a linha, então prefere avaliar a qualidade por métricas e verificações automatizadas. Confiar cegamente em código gerado por IA não é indicado; é preciso aplicar testes, métricas e supervisão técnica para garantir qualidade e alinhamento de produto. O processo de revisão precisa evoluir: mais automação e testes, uso de comentários/contexto para agentes e métricas de qualidade em vez de depender só de revisões humanas detalhadas.

Resumo

O vídeo discute se é viável que humanos revisem todo o código gerado por agentes de inteligência artificial, a partir de um comentário polêmico de Uncle Bob, que afirmou não revisar código criado por agentes. Carol Quita contextualiza a provocação explicando que, com a IA acelerando a produção de código, novos gargalos emergem — alinhamento técnico, decisões de liderança, processos de produto e a própria revisão de código, que passa a ser insustentável se o volume de PRs aumenta muito. Ela argumenta que boas práticas do Clean Code ainda são relevantes, mas precisam se adaptar: comentários antes evitados agora viram contexto útil para agentes; métricas de qualidade devem evoluir; e testes automatizados podem ser ampliados pela IA, embora cobertura de testes não seja, por si só, uma métrica confiável. O ponto central é que não basta só gerar código rapidamente; é preciso repensar processos, responsabilidades e formas de medir qualidade para que a adoção de IA gere efetivamente valor. O vídeo também traz um breve adendo sobre tokenização de cartões e experiências de checkout mais fluidas oferecidas por plataformas como App Max. A repercussão incluiu críticas por suposta contradição com Clean Code, mas a proposta visa priorizar métricas práticas e sustentáveis.