DevAgents OSDevAgents OS
← Blog
·9 min de leitura·vibe-coding·developer-productivity·code-quality·agentic-ai·governance
Cristiano Ferreira

O fim do vibe coding e o paradoxo da IA: por que desenvolvedores estão 19% mais lentos (mas se sentem mais rápidos)

No início de 2025, o cientista da computação Andrej Karpathy cunhou um termo que definiu o mercado de tecnologia por mais de um ano: o vibe coding. A premissa era sedutora: o desenvolvedor não precisava mais escrever sintaxe; bastava jogar a intenção (a vibe) no prompt de um LLM e aceitar o código gerado. O próprio Karpathy, ao cunhar o termo, já avisava que isso servia para protótipos de fim de semana, não para sistemas de produção. O mercado, em boa parte, ignorou o aviso.

Uma pesquisa da Fastly com quase 800 desenvolvedores profissionais, citada pela CodeRabbit, mostra o quanto essa prática avançou apesar do alerta original: cerca de um terço dos desenvolvedores seniores afirma que hoje metade do código que entregam já é gerado por IA, contra apenas 13% entre os juniores.

Mas as "vibes" colidiram com a realidade corporativa. O que começou como um milagre de produtividade para projetos de fim de semana transformou-se em uma crise silenciosa dentro do SDLC (Ciclo de Vida de Desenvolvimento de Software).

A ilusão da autonomia cobrou o seu preço: nós não estamos programando mais rápido. Nós apenas estamos gerando mais dívida técnica em menos tempo. E os dados que provam isso são desconfortáveis.

1. O paradoxo do vibe coding: a ilusão da velocidade

Um dos estudos mais rigorosos sobre o impacto real da IA na engenharia foi conduzido pela METR (Model Evaluation and Threat Research). O experimento reuniu 16 desenvolvedores experientes, cada um trabalhando em repositórios open source grandes e maduros que já conheciam profundamente: projetos com média de mais de 1 milhão de linhas de código e 22 mil estrelas no GitHub. Ao todo, foram 246 tarefas reais (correções de bugs, features e refatorações), cada uma cronometrada tanto com quanto sem o uso de ferramentas de IA.

O resultado foi um choque para a indústria: com o uso irrestrito de ferramentas de IA, esses desenvolvedores experientes ficaram 19% mais lentos na conclusão de suas tarefas.

Mas o dado mais perturbador não foi a lentidão, foi a dissonância cognitiva. Antes do teste, os desenvolvedores previram que a IA os deixaria 24% mais rápidos. Ao final do estudo, já cronometrados e comprovadamente mais lentos, eles ainda acreditavam que tinham sido 20% mais rápidos.

A engenharia de software foi diagnosticada com um viés cognitivo relevante. Desenvolvedores sentem a euforia de ver 200 linhas de código aparecerem na tela em três segundos. Mas eles não contabilizam as horas gastas lendo, refatorando, testando e debugando as alucinações arquiteturais que a máquina introduziu horas depois.

2. A crise de qualidade e o "Shadow AI Development"

O problema do vibe coding não é a geração do código, mas a terceirização do entendimento arquitetural. Quando você aceita um bloco de código sem escrever, você não constrói o modelo mental de como aquilo funciona. Se quebrar em produção às 3 da manhã, você não sabe como consertar.

Os dados de qualidade acompanham a queda de velocidade. Uma análise própria da CodeRabbit sobre pull requests encontrou que código co-autorado por IA contém 1,7x mais bugs e problemas no geral, e 1,4x mais problemas críticos do que código escrito só por humanos. A mesma pesquisa da Fastly citada acima reforça o quadro: quase 30% dos desenvolvedores seniores relatam que o tempo gasto revisando e corrigindo o que a IA gerou anula a maior parte do ganho inicial de velocidade.

Na camada de segurança, o retrato é ainda mais duro. O Relatório de Segurança de Código GenAI da Veracode, que testou mais de 100 modelos de linguagem em Java, Python, JavaScript e C#, encontrou que 45% das amostras de código geradas por IA falharam em testes de segurança ligados a categorias do OWASP Top-10, com destaque negativo para Cross-Site Scripting, que os modelos falharam em mitigar em 86% dos casos relevantes. E o estudo trouxe um alerta ainda pior: modelos mais novos escreviam código mais funcional, mas não mais seguro. A taxa de falha de segurança se manteve praticamente estável, independentemente do tamanho ou da geração do modelo.

Isso alimenta o que especialistas de segurança já chamam de Shadow AI Development: desenvolvedores usando ferramentas locais para injetar lógica gerada por máquina diretamente nos repositórios da empresa, contornando a arquitetura oficial. Rápido, bonito e perigosamente frágil.

3. Da autonomia solta à Engenharia Agêntica

A lua de mel do vibe coding, pelo menos para aplicações sérias, está encolhendo. Existe uma diferença brutal entre os dois modelos:

  • Vibe coding é o desenvolvedor usar um prompt livre no Cursor ou no ChatGPT para gerar uma função e colar no sistema. Não há limites, não há auditoria, não há barreira de contexto. É caótico. E, como o próprio Karpathy reconheceu desde o início, foi pensado assim de propósito, para protótipos descartáveis, não para produção.
  • Engenharia Agêntica é um pipeline. O agente não escreve código solto; ele opera dentro de um ambiente orquestrado (ADLC). Ele lê os requisitos, gera a hipótese, submete seu próprio raciocínio a uma avaliação sistêmica (LLM-as-a-judge) e segue as políticas de segurança da empresa.

Orquestração é o antídoto para a ilusão

O erro de muitas empresas ao longo de 2025 foi tratar a Inteligência Artificial como um "autocompletar glorificado", ignorando que modelos agênticos tomam decisões lógicas encadeadas.

Para que a adoção da IA não resulte em equipes 19% mais lentas e em repositórios com quase metade do código falhando em testes de segurança, a liderança técnica precisa impor Governança de Execução.

As ferramentas agênticas não podem operar soltas no terminal de cada programador. Elas precisam passar por uma Plataforma de Orquestração Agêntica, uma camada que:

  1. Delimita o contexto: o agente só recebe a arquitetura pertinente àquela tarefa, reduzindo o espaço para alucinações.
  2. Governa o código: o código não vai para o merge sem passar por um pipeline de validação onde outro agente (QA/Sec) estressa a lógica gerada.
  3. Mede o ROI real: substitui o "sentimento" de velocidade por métricas reais de Lead Time, combatendo o paradoxo de produtividade que a METR documentou.

A Inteligência Artificial ainda vai revolucionar a forma como o software é feito. Mas a revolução não virá de desenvolvedores conversando de forma desestruturada com chatbots. A verdadeira revolução virá da engenharia orquestrada, governada e auditável.

O vibe acabou. Agora, a engenharia de verdade começa.

Veja como a DevAgents OS aplica governança de execução, contexto delimitado e validação sistêmica antes do merge →

Referências

_Publicado em 10 de agosto de 2026_