Jurídico Cresceu 108x. Engenharia Cresceu 5x. Só Um Deles Tem Code Review.

TV
Thiago Victorino
7 min de leitura
Jurídico Cresceu 108x. Engenharia Cresceu 5x. Só Um Deles Tem Code Review.

Desde fevereiro, os usuários corporativos ativos semanais do Codex cresceram 108x no jurídico, 41x em vendas, 41x em recrutamento e 26x em marketing, contra 5x em engenharia. São multiplicadores, não percentuais, e vêm da telemetria corporativa da própria OpenAI sobre mais de 10 milhões de mensagens.

O crescimento é a metade sem graça da história. A metade interessante é quais funções estão crescendo, e o que essas funções não têm.

O 5x da engenharia é o número mais lento da lista. Engenharia também é a única função dessa lista em que a saída de um agente passa por um pull request, um diff que uma segunda pessoa lê, uma suíte de testes, um portão de deploy e um botão de reverter. O jurídico cresceu mais de vinte vezes mais rápido dentro de um fluxo onde o equivalente a esses cinco controles é um sócio dando uma olhada no documento antes de ele sair.

De Quem São Esses Números

Antes de construir qualquer coisa em cima dessas cifras, a procedência importa. É telemetria da própria base de clientes da OpenAI, publicada como comunicado corporativo sem assinatura em agosto de 2026. Não há grupo de controle externo. Os clientes são autosselecionados, e uso é exatamente a métrica que a OpenAI monetiza. Trate cada número aqui como reportado pelo fornecedor, útil para direção e formato, jamais como medição independente de adoção corporativa de IA.

A direção ainda merece atenção, porque o formato é incomum. Um fornecedor com incentivo para fazer agentes de código parecerem dominantes publicou um conjunto de dados em que a função de código cresceu menos. É o tipo de número que sobrevive ao próprio viés.

O Que a Engenharia Herdou e o Jurídico Nunca Teve

A engenharia de software passou trinta anos construindo um aparato para lidar com trabalho produzido por alguém cujo julgamento você não consegue verificar por completo. Controle de versão dá um estado anterior. Pull requests forçam um segundo leitor. Integração contínua roda uma checagem mecânica que ninguém precisa lembrar de rodar. Deploys em etapas limitam o raio de dano de uma mudança ruim. Rollback torna o pior caso recuperável em minutos.

Nada desse arcabouço foi construído para agentes. Foi construído para desenvolvedores juniores, para seniores cansados, para gente às quatro da tarde de uma sexta-feira. Os agentes herdaram tudo isso por acidente, e essa herança acidental explica por que a função com a saída automatizada de maior risco também é a função com a contenção mais madura.

Agora olhe para as funções que crescem mais rápido.

O jurídico produz contratos, pareceres e petições. O artefato vai de um autor para um revisor cuja revisão é uma leitura, e depois vai para fora, onde se torna vinculante. Não existe diff entre a décima primeira e a décima segunda versão que uma máquina confira. Recrutamento produz decisões de triagem e abordagem, cujo modo de falha é um padrão de exclusão que ninguém enxerga até um regulador ou um autor de ação judicial enxergar, o que é o problema da monocultura algorítmica aplicado a um funil de contratação rodando a 41x de volume. Vendas produz compromissos com clientes. Marketing produz afirmações públicas.

Cada uma dessas funções está absorvendo saída de agente a uma taxa de cinco a vinte e uma vezes a da função que tem a maquinaria de revisão. Os agentes são mais antigos na engenharia e mais novos em todo o resto. A superfície desprotegida é todo o resto.

O Grupo “Fronteira” É Uma Métrica de Consumo

A OpenAI separa seus clientes em grupos, e a definição merece leitura literal: a cada mês, os clientes corporativos são ranqueados por tokens de saída por usuário ativo; as empresas de fronteira são os 10% do topo daquele mês, e as empresas típicas ficam entre os percentis 45 e 55.

Ou seja, “fronteira” significa alto consumo de tokens por usuário. Não significa bons resultados, qualidade medida ou implantação governada. Com isso em mente, a distância reportada continua chamativa: em junho, as empresas de fronteira geraram 8,3x mais tokens de saída por usuário ativo que as típicas, contra uma diferença de 2,6x em janeiro. A distância praticamente triplicou em cinco meses.

Mais dois dados mostram o que o grupo de fronteira faz de diferente. Entre os usuários ativos semanais, 21% nas empresas de fronteira usam Plugins e 19% usam skills, contra 9% e 3% nas empresas típicas. A adoção de skills é mais de seis vezes maior. Essa é a distância entre indivíduos que promptam bem e uma organização que codifica um fluxo uma vez para que todo mundo rode o mesmo. As empresas de fronteira consomem mais tokens através de estruturas compartilhadas e reutilizáveis.

E a adoção vem de baixo para cima: seis meses após a adoção, funcionários em início de carreira enviaram 13 mensagens a mais por semana que executivos. Quem acumula mais horas de agente é justamente quem tem menos autoridade institucional para definir como a saída do agente será conferida.

Codex a 64% É Onde a Conversa de Governança Já Aconteceu

Em junho, o Codex gerou 64% dos tokens de saída somados de Codex e ChatGPT entre clientes corporativos. A maior parte do volume de tokens flui pela superfície de código, que é também a superfície onde o aparato de revisão existe.

É uma estatística confortável para quem supõe que governança acompanha volume. Ela não acompanha. A função de 5x carrega volume e controles juntos. A função de 108x não carrega nenhum dos dois, e sua curva é a mais íngreme do conjunto.

A própria agenda declarada pela OpenAI nomeia a peça faltante. O manual corporativo que ela descreve é conectar agentes ao contexto e às ferramentas necessárias para completar trabalho valioso; estabelecer permissões, revisão e governança claras; e ajudar funcionários a transformar fluxos individuais eficazes em maneiras compartilhadas de trabalhar. Permissões, revisão e governança aparecem em segundo lugar, antes de escalar fluxos. O fornecedor está dizendo aos clientes que a camada de controle vem antes da camada de fluxo compartilhado.

No jurídico especificamente, o volume é real e chega por mais de um fornecedor. Já escrevemos sobre os números da Harvey em agentes jurídicos em escala. O que este conjunto de dados acrescenta é a comparação: o jurídico adota a mais de vinte vezes a taxa da engenharia, partindo do zero, dentro de uma função cujo sistema inteiro de qualidade é um humano lendo um documento.

Faça Isso Agora

Pegue uma função fora da engenharia onde o uso de agentes já é real e dê a ela os dois controles que custam menos e pegam mais.

Controle um: um registro durável do que o agente produziu e de quem aceitou. Não o histórico do chat. Um artefato armazenado com o prompt, a saída, o humano que aprovou e o carimbo de tempo, em um sistema que o time jurídico consiga consultar daqui a dois anos. Quando uma cláusula redigida por agente virar disputa, esse registro é a única coisa entre a sua empresa e reconstruir uma conversa de memória. O motivo para fazer isso antes de precisar é o mesmo pelo qual logs de auditoria viraram prova legal: a decisão de retenção é tomada muito antes da intimação.

Controle dois: um segundo leitor nomeado para uma classe definida de saída. Escolha a classe pela consequência que ela carrega, ignorando o volume. Compromissos externos, qualquer coisa que toque um candidato ou um cliente, qualquer coisa com linha de assinatura. Uma pessoa, com nome, cuja revisão fica registrada. É o pull request reconstruído na forma mais barata possível, para uma função que nunca teve um.

Os dois levam uma semana. Nenhum exige compra de plataforma. A alternativa é descobrir, a 108x, quais artefatos ninguém estava lendo.

O trabalho de verificação não desaparece quando os agentes ficam mais rápidos. Ele se desloca e se concentra, e neste momento está se concentrando em quatro funções que não fazem ideia de que ele caiu no colo delas.


Fontes

A Victorino ajuda empresas a estender controles de revisão no padrão da engenharia para as áreas de jurídico, vendas e recrutamento que já operam agentes sem eles: contato@victorino.com.br | www.victorino.com.br

Todos os artigos do The Thinking Wire são escritos com o auxílio do modelo LLM Opus da Anthropic. Cada publicação passa por pesquisa multi-agente para verificar fatos e identificar contradições, seguida de revisão e aprovação humana antes da publicação. Se você encontrar alguma informação imprecisa ou deseja entrar em contato com o editorial, escreva para editorial@victorino.com.br . Sobre o The Thinking Wire →

Se isso faz sentido, vamos conversar

Ajudamos empresas a implementar IA sem perder o controle.

Agendar uma Conversa