Rodrigo Palhano ha 3 dias MD Sandbox

Código gerado por IA aumenta, mas revisão humana segue sendo o gargalo

Tecnologia Coding AI coding AI Engineer

Conteudo

Tempo estimado de leitura: 7 min

No Uber, o tempo até a primeira revisão de um pull request passou de cerca de 3 horas, em 2024, para cerca de 9 horas, em 2026. Os engenheiros Will Bond e Ameya Ketkar apresentaram o número numa palestra e disseram que a revisão de código "agora é o gargalo". A IA acelerou a escrita, mas a conferência não acompanhou.

Essa assimetria é o assunto deste artigo. A IA ajuda a produzir código mais rápido, mas a atenção humana para verificá-lo não escala do mesmo jeito, será que isso vai mudar? As fontes abaixo mostram o problema em quatro lugares: numa big tech, no código aberto, nos revisores automáticos e nos incidentes de grandes empresas.

O gargalo mudou de lugar

Soumendra Mohanty, da consultoria Tredence, escreveu num artigo de opinião na Forbes que o volume a revisar supera a capacidade de revisão. Segundo ele, a fila costuma ser resolvida por engenheiros seniores que aprovam mudanças mais rápido do que conseguem acompanhar. A frase central do texto é que dobrar a capacidade de gerar código não equivale a dobrar o número de engenheiros capazes de revisá-lo.

A The Register publicou, em outubro, os resultados de uma pesquisa da Linux Foundation com mantenedores. Os respondentes estimam que um quarto dos pull requests recebidos é "AI slop", código de baixa qualidade gerado por IA. Em projetos grandes, a estimativa sobe para 31%. Ao mesmo tempo, 71% dizem que a IA reduziu a barreira para contribuir, e a estimativa média é de 52% de redução no tempo de escrita. Em tarefas muito complexas, 21% disseram ter levado mais tempo.

São estimativas dos respondentes, não medições, e li a matéria, não a pesquisa original. Mesmo assim, o quadro é consistente: contribuir ficou fácil, e quem recebe a contribuição continua sendo uma pessoa.

Daniel Stenberg, do curl, disse à publicação: "Estamos com dificuldade como projeto, todos os mantenedores principais se sentem sobrecarregados e levados ao limite do que conseguem suportar."

A ZDNet traz o caso do kernel do Linux. Em 10 de novembro, Lorenzo Stoakes deixou a revisão de código em várias áreas do kernel. Segundo ele, o que vê de código ruim gerado por IA é "praticamente metade, se não mais". Greg Kroah-Hartman disse: "Não temos gente suficiente para revisar [...] Precisamos de mais revisores."

A mesma reportagem cita o Microsoft FORGE Lab: achar bugs e corrigi-los está "drasticamente desequilibrado". Transformar os achados em relatórios consumiu mais de quatro pessoas-mês, porque "o esforço humano é o gargalo". Esse trecho vem de segunda mão, e não abri a publicação do laboratório.

Chris Lattner, criador do Swift e do LLVM, fez numa entrevista um diagnóstico parecido. Ele disse que não quer mais código, e sim menos código fazendo mais, porque mais código traz mais bugs. Também disse que comunidades de código aberto estão sobrecarregadas e que os mantenedores estão irritados, porque criar patches ficou fácil. Essa fala vem da transcrição automática e traduzida de um item do YouNews, e não confirmei no áudio.

A saída óbvia: IA revisando IA

Se o gargalo é a revisão, a resposta natural é automatizá-la. O Uber fez isso com o uReview, que gera cerca de 25 mil comentários por semana, com taxa de resolução de 67%. Humanos ainda aprovam o código, mas a empresa vê "um caminho curto" para que parte dele seja aprovada automaticamente.

Ketkar fez uma ressalva que pesa contra essa saída: o modelo não sabe que está errado, e sempre diz, com confiança, ter 100% de certeza.

Um teste da Quickchat mede esse problema. A empresa construiu o revisor testado, então tem interesse no assunto. O mesmo revisor rodou com três modelos sobre 185 pull requests de um benchmark com 520 bugs verificados por agentes de IA. Os modelos acharam 89%, 87% e 84% dos bugs. Os três concordaram em 392 bugs e divergiram nos demais. O GPT-6.1 Sol achou 461.

Os erros também se repetem. Dos bugs que um dos dois modelos abertos perdeu, 39% foram perdidos pelos dois. Com o GPT-6.1 Sol no par, o índice caiu para 23% e 20%. Isso sugere que trocar de modelo ou combiná-los muda o ponto cego, mas não o elimina.

Sobre a confiança, o GPT-6.1 Sol teve mediana de 0,99. Declarou 0,85 ou mais em 98% dos comentários, incluindo 51 dos 57 que o juiz considerou errados. A nuance é que os modelos abertos usaram a escala com mais critério. Os comentários do DeepSeek abaixo de 0,7 foram julgados errados 18% das vezes, contra menos de 4% acima de 0,85. A conclusão correta não é que a confiança dos modelos é inútil. Em pelo menos um deles, a confiança declarada não separava acerto de erro.

O autor do post lista as limitações. O gabarito ficou legível na imagem de teste. O DeepSeek V4.1 Flash o consultou de propósito em pelo menos 22 das 185 revisões, e o log mostra o raciocínio: "Reading it would be gaming, but it's present". Ninguém verificou o gabarito manualmente, e os modelos abertos rodaram numa versão posterior do revisor. Os números indicam uma tendência, não uma medida precisa.

O caso da Amazon

Em março, a CNBC informou que um documento interno da Amazon apontava mudanças assistidas por IA generativa como fator numa série de incidentes, e que essa referência foi apagada antes de uma reunião. A Fortune repercutiu o caso. As duas apontam o Financial Times como o primeiro a noticiar os memorandos, e eu não abri o FT.

A Amazon contesta. Diz que só um incidente envolveu IA, que nenhum envolveu código escrito por IA e que o caso foi um engenheiro seguindo conselho impreciso que um agente tirou de uma wiki desatualizada. No memorando, o executivo Dave Treadwell admitiu que as "melhores práticas e salvaguardas" para IA generativa ainda não estão totalmente estabelecidas.

Não há acordo sobre a causa, e o texto não finge que há. O que as duas versões têm em comum é que as salvaguardas ainda estão sendo construídas.

O que o contraponto ensina

Há sinais de reação. Segundo a ZDNet, Linus Torvalds escreveu que, na área do bpf, as correções feitas por IA já chegam mais rápido que os novos relatos, e que a maré "pode" estar virando. Kroah-Hartman diz que ainda não chegamos lá. Stenberg acha que o curl administra bem o fluxo.

O contraponto não desmente a tese. Ele a refina. A IA pode ajudar a revisar, mas só quando a revisão é tratada como parte do sistema e não como o sistema. A Quickchat mostra que um revisor de IA tem pontos cegos que se repetem. O Uber mostra que um revisor de IA reduz carga, mas não resolve o gargalo sozinho. O kernel mostra que a escassez é de pessoas dispostas a assumir a responsabilidade.

O que fica

Nada disso prova que a IA derruba sistemas. As fontes mostram algo mais estreito e mais verificável: a escrita de código ganhou escala, e a conferência, que depende de atenção, contexto e responsabilidade, não ganhou. O commit pode ser da máquina, mas o plantão continua sendo seu.

Para as equipes, isso vira três perguntas práticas. Quanto do código das últimas semanas alguém consegue explicar? Quem aprova, e com que tempo para ler? E o revisor automático, quando erra, erra sozinho ou erra junto com o gerador?