O Chicote da Aceleração: Quando Verificar Vira o Trabalho

A taxa de defeitos por desenvolvedor subiu 9% em 2025 e 54% até 2026. O churn de código aumentou 861%. O tempo mediano em revisão cresceu 441,5%. Pull requests mesclados sem nenhuma revisão humana subiram 31,3%, e a razão entre incidentes e PRs cresceu 242,7%. Esses números vêm do relatório “Acceleration Whiplash” da Faros AI, construído sobre dois anos de telemetria de engenharia de 22 mil desenvolvedores em mais de 4 mil times. É a primeira medição em larga escala do que acontece com a qualidade do software quando a IA escreve uma fatia crescente do código.

Já argumentamos o mecanismo antes. Em O Imposto da Verificação mostramos que o tempo economizado pela IA quase anula o tempo gasto conferindo o resultado. Em Código Barato, Qualidade Cara rastreamos onde o custo aterrissa. Os dados da Faros são a prova, numa escala que nenhuma pesquisa de opinião alcança. Então este texto não reargumenta a tese. Ele lê a curva.

O que a telemetria de fato mostra

O título não é que a vazão subiu. Ela subiu. Os times entregam mais código, mais rápido, com a IA no fluxo. O problema é o que vem junto com o volume extra.

A Faros mediu os efeitos de segunda ordem que os painéis de vazão escondem. O churn de código, ou seja, linhas reescritas ou revertidas pouco depois do merge, subiu 861%. Essa é a assinatura de código que compilou, passou por um olhar rápido, foi entregue e depois precisou ser desfeito. O tempo mediano em revisão cresceu 441,5%, porque conjuntos de mudanças maiores e mais estranhos demoram mais para serem compreendidos. A taxa de defeitos por desenvolvedor subiu 54% até 2026, contra um salto de 9% no ano anterior. E a razão entre incidentes e PRs cresceu 242,7%, o que significa que mais do que é mesclado vira um problema em produção.

Dois desses números andam juntos. Os PRs mesclados sem nenhuma revisão subiram 31,3% no mesmo período em que cerca de um quarto de todos os PRs passou a ser revisado por um agente de IA, em vez de uma pessoa. A capacidade de revisão não desapareceu. Ela migrou para máquinas e, numa fatia crescente, para ninguém.

A curva é a história

A propriedade mais importante nos dados da Faros está no formato da curva, mais do que no tamanho de qualquer número isolado. O dano fica mais íngreme à medida que a adoção se aprofunda.

A Faros descreve isso como um chicote: a vazão acelera primeiro, e o custo de qualidade chega um tempo depois, com mais força quanto mais IA você adiciona. O salto de 9% em defeitos em 2025 virando 54% em 2026 descreve uma trajetória, não a acomodação pontual a uma ferramenta nova. Quanto mais código a IA escreve, mais rápido cresce a fração não revisada, de alto churn e propensa a incidentes. Adoção e dívida de confiabilidade caminham na mesma direção, e a dívida caminha mais rápido.

Por isso uma fotografia engana. Um time que se mede hoje e vê produção maior vai concluir que a IA está funcionando. A telemetria diz que a conta se acumula com atraso. Quando os incidentes tornam o problema visível, o time já reorganizou seus hábitos em torno da vazão mais alta.

Como a Faros resume: “a vazão mede o que foi entregue, não o que sobreviveu.” Um gráfico de velocidade conta o primeiro. A produção conta o segundo.

O imposto do engenheiro sênior

O custo se concentra de forma desigual. Ele recai sobre as pessoas mais bem equipadas para absorvê-lo, e é exatamente por isso que ele permanece invisível para painéis que rastreiam produção.

Para engenheiros sêniores, a Faros encontrou um aumento de 199,6% no tempo médio em revisão de código e de 156,6% no tempo mediano até a primeira revisão. As pessoas mais experientes do time passaram a gastar o dobro do tempo lendo código, boa parte dele gerado, para decidir se é seguro mantê-lo. A produção de código novo dessas pessoas pode parecer estável ou em queda. Isso descreve uma realocação, não uma queda de produtividade. O engenheiro sênior foi tirado da autoria e colocado na verificação, e o organograma ainda não acompanhou a mudança.

Essa é a face prática do chicote. O contribuidor júnior ou assistido por IA produz mais. Um sênior absorve a carga de revisão que esse volume cria. A velocidade líquida do time parece positiva num gráfico que só conta merges, enquanto o julgamento mais caro do prédio está sendo consumido por triagem.

Um sensor, não um veredito

A resposta óbvia é apontar mais IA contra o problema: se humanos não dão conta do volume, deixe agentes revisarem. Cerca de um quarto dos PRs já funciona assim. Addy Osmani, que trabalha no Google, examinou isso diretamente em seu ensaio sobre revisão de código agêntica, e o enquadramento dele é o certo. A revisão por IA é “um sensor, não um veredito”.

Um sensor sinaliza. Um veredito decide. Tratar a aprovação de um agente como decisão é onde os times se machucam, porque o modo de falha é correlacionado. Osmani alerta para a “confiança emprestada” em laços de modelo revisando modelo: o mesmo modelo que escreveu o código, ou outro treinado em dados parecidos, compartilha os mesmos pontos cegos. Quando autor e revisor cometem os mesmos erros, um sinal verde repete o mesmo palpite duas vezes, sem confirmação independente.

Os dados de apoio são cruéis aqui. Osmani cita um estudo da CodeRabbit de dezembro de 2025 com 470 PRs, no qual mudanças escritas por IA carregavam 1,7 vez mais problemas que as escritas por humanos, cerca de 75% mais problemas de lógica e correção, e de 1,5 a 2 vezes mais problemas de segurança. O código que mais precisa de um revisor independente é o que tem menos chance de recebê-lo, se o revisor for outro modelo.

A frase de Osmani é a tese em uma linha: “tornamos a escrita barata, e a compreensão continuou exatamente tão cara quanto sempre foi.” A geração ganhou desconto. A compreensão, não. O chicote é a distância entre esses dois preços, medida em escala.

Uma nota sobre a fonte

A Faros AI vende ferramentas de inteligência de engenharia, então sua conclusão de que você precisa de observabilidade para enxergar isso carrega um interesse comercial. Leia com isso em mente. O método, no entanto, é mais forte do que os estudos baseados em pesquisa de opinião que dominam o debate, inclusive o DORA. A Faros está lendo dois anos de telemetria real de repositórios reais, não pedindo às pessoas que estimem como se sentem sobre IA. Autorrelato infla e desinfla com o humor e a política do momento. O histórico de commits, não. A direção do achado se sustenta independentemente de quem lucra ao nomeá-lo.

Faça isto agora

Adicione uma razão ao painel de engenharia esta semana: incidentes por PR mesclado, acompanhada ao longo do tempo, segmentada conforme tenha passado por revisão humana. Se esse número sobe enquanto a vazão sobe, você tem o chicote, e pode vê-lo antes dos seus clientes.

Depois, tome uma decisão deliberada sobre revisão por IA. Use-a como um sensor que faz triagem e sinaliza, nunca como o veredito que deixa uma mudança ser mesclada sem ser vista. Reserve o julgamento humano para as mudanças que o sensor não consegue atestar de forma independente, e proteja o tempo de revisão dos seus engenheiros sêniores como o recurso escasso que ele agora é. Os times que sobrevivem ao chicote não são os que geram mais código. São os que ainda conseguem dizer qual código sobreviveu.

Fontes

Faros AI. “The Acceleration Whiplash (AI Engineering Report 2026).” Junho de 2026.
Addy Osmani. “Agentic Code Review.” Junho de 2026.

A Victorino ajuda times a construir a camada de verificação que impede a velocidade da IA de virar dívida de confiabilidade: contato@victorino.com.br | www.victorino.com.br