Um estudo da Carnegie Mellon, apresentado por Tariq Shaukat na conferência AI Engineer em julho de 2026, acompanhou o que acontece com times depois que adotam agentes de codificação. O primeiro mês parece a demo do fornecedor: um ganho de velocidade de 3 a 5x, real e mensurável. No terceiro mês, o ganho desapareceu. A velocidade voltou à linha de base, e o estudo identifica o porquê: problemas de segurança, problemas de manutenibilidade, problemas de confiabilidade e complexidade subiram enquanto o código era produzido mais rápido. O ganho era genuíno. Só tinha meia-vida.
Uma ressalva antes de tudo. Shaukat é CEO da Sonar, empresa que vende ferramentas de verificação, e o estudo não tem URL pública; ele existe nesta análise como foi apresentado na palestra. Ainda assim, a forma da curva merece atenção, porque coincide com o que dados independentes preveem e com o que muitos líderes de engenharia vêm observando em silêncio: a aceleração inicial é real, e a reversão também.
Já escrevemos sobre os efeitos colaterais do volume de código gerado por IA: como escrever código mais rápido congestiona o resto do pipeline de entrega, como a adoção corre à frente das horas efetivamente economizadas e como desenvolvedores se sentem mais produtivos enquanto a experiência de trabalho degrada. A curva da Carnegie Mellon adiciona a dimensão que faltava nesses textos: o tempo. O ganho existe no primeiro mês e some no terceiro, e o mecanismo do desaparecimento é conhecível.
A Dívida Compõe na Velocidade da Máquina
O mecanismo é acumulação. Um agente que escreve código cinco vezes mais rápido que um humano também introduz achados de segurança, abstrações emaranhadas e ramos sem teste cinco vezes mais rápido. Nada no processo de geração filtra esses defeitos, porque o agente otimiza para a tarefa à sua frente, e o humano que antes os pegava na revisão agora aprova cinco vezes o volume com o mesmo par de olhos.
Nas primeiras semanas, nada disso aparece. A base de código absorve os defeitos como qualquer base absorve, em silêncio. Depois começam os juros. A triagem de bugs demora mais porque a superfície cresceu. Features novas tocam código que ninguém revisou de verdade. Os tickets de segurança se multiplicam no backlog. Cada hora que ia para trabalho novo é redirecionada para apagar incêndio, e a velocidade medida do time desliza de volta ao ponto de partida.
Velocidade sem verificação se comporta como um empréstimo. O ganho de 3-5x é o principal, gasto imediatamente e com prazer. O retorno à linha de base é o cronograma de pagamento, e a taxa de juros é definida pela quantidade de código não verificado que entrou no sistema durante os meses rápidos. Os times perdem o ganho sem que os agentes tenham parado de funcionar. Perdem porque passaram três meses tomando emprestado contra a própria capacidade futura de revisão.
O Motor de 50% Embaixo da Curva
A pesquisa de horizonte de tarefas da METR explica por que a dívida acumula com tanta regularidade. Em “Measuring AI Ability to Complete Long Tasks” (março de 2025), a METR mediu quão longa uma tarefa pode ser antes de os modelos de fronteira falharem nela. O número de manchete: modelos completam tarefas que levariam de 16 a 18 horas humanas. A letra miúda: com 50% de taxa de sucesso. Exija 80% de acurácia e o horizonte despenca para cerca de 3,5 horas, número que a versão atualizada da curva apresentada por Shaukat reiterou.
Leia os dois números juntos e o decaimento de três meses deixa de surpreender. Um time que entrega aos agentes tarefas ambiciosas de um dia inteiro está operando na região em que metade das saídas contém falha. Essas falhas raramente se anunciam; compilam, passam no caminho feliz, são mescladas. Cada uma é um depósito na conta da dívida.
Shaukat citou um CTO que resumiu a visão corporativa sem rodeios: um funcionário que lhe entregasse informação 80% correta acabaria em avaliação de desempenho. Empresas operam acima de 80%, e muito acima de 50%. A distância entre o que os modelos conseguem tentar e o que o negócio consegue aceitar é exatamente o espaço que a verificação precisa preencher.
Segundo o benchmarking da própria Sonar, com mais de 4.000 problemas, modelos de ponta pontuam alto em correção funcional e ainda assim geram bugs, falhas de segurança e complexidade altamente variável. Trate esse dado como número autorreportado de fornecedor, com o incentivo óbvio embutido. Ele é, ainda assim, consistente com a medição independente da METR: capacidade e confiabilidade são eixos diferentes, e o segundo é onde mora o decaimento.
O Que os Times Sobreviventes Compram Com o Ganho
Alguns times mantêm a velocidade. O padrão em comum, na formulação de Shaukat, é um loop de guiar, verificar e resolver, com a verificação embutida no fluxo agêntico em vez de pendurada depois dele.
Guiar significa que o agente parte de restrições: contexto do projeto, padrões de código, fronteiras arquiteturais e definições explícitas de pronto, fornecidos antes de a geração começar. A Sonar reporta que clientes usando orientação por contexto e restrições cortaram o consumo de tokens em mais de 30%, o que bate com a intuição: um agente que conhece as regras desperdiça menos esforço explorando caminhos que serão rejeitados.
Verificar significa duas camadas. Primeiro as checagens determinísticas: análise estática, varredura de segurança, sistemas de tipos, gates de política. São baratas, rápidas e imunes ao charme de código com cara plausível. Depois a revisão agêntica, para as propriedades que ferramentas determinísticas julgam mal: encaixe de design, cobertura de requisitos, se a mudança faz o que o ticket pedia. A sobreposição importa porque cada camada pega o que a outra deixa passar.
Resolver significa que os achados voltam ao loop automaticamente, e o agente corrige a própria saída antes de um humano vê-la. O humano revisa um artefato que já sobreviveu ao funil, único jeito de a revisão escalar para volume de máquina.
Os números de resultado aqui são da própria Sonar, sobre os próprios clientes, então segure-os com folga: quedas de produção derivadas de IA 44% menos frequentes entre times com verificação em múltiplas camadas, e um grande banco medindo redução de 92% nos problemas após adotar o loop completo. Desconte as magnitudes o quanto quiser. A direção é o argumento, e a direção concorda com a curva da CMU lida ao contrário: se a dívida não verificada é o que come o ganho, verificação é o que o preserva.
Código Limpo Virou Custo de Insumo
A observação mais útil de Shaukat talvez seja a menos divulgada: agentes trabalham mensuravelmente melhor em bases de código limpas. A mesma tarefa agêntica em uma base saneada consome materialmente menos tokens e menos raciocínio do que em uma base típica. Estrutura clara, baixa duplicação e padrões consistentes são coisas que o modelo explora; legado emaranhado o confunde e produz execuções mais longas, mais caras e mais propensas a erro.
Isso inverte um julgamento econômico antigo. Refatoração e manutenção eram um centro de custo justificado por moral do time e argumentos de risco de longo prazo que o financeiro tolerava com esforço. No mundo agêntico, a saúde da base de código é custo de insumo com taxa de câmbio mensurável: código mais limpo significa tokens mais baratos, execuções mais curtas, taxas de sucesso maiores e menos dívida por linha gerada. Qualidade deixou de ser apenas o que se espera na saída do pipeline. Ela determina a eficiência do pipeline na entrada.
A composição funciona nos dois sentidos. Um time que gasta parte do ganho de velocidade em manutenção torna cada execução futura mais barata e mais segura. Um time que gasta zero torna cada execução futura pior, que é a curva de decaimento da CMU descrita por dentro.
Faça Isto Agora
Trace a sua própria meia-vida. Puxe as métricas de entrega desde o mês em que adotou agentes de codificação e plote velocidade contra o backlog de segurança e manutenibilidade, mês a mês. Se a inclinação do backlog virou para cima enquanto a velocidade achatou, você está na curva, e agora sabe em que ponto dela.
Depois, reinvista de forma deliberada. Separe uma fração fixa do ganho de velocidade, um quarto é um ponto de partida defensável, e gaste no loop: contexto e restrições entregues aos agentes antes da geração, checagens determinísticas mais revisão agêntica dentro do fluxo, e manutenção agendada sobre o código que os meses rápidos produziram. Os times que ainda segurarem um ganho de 3x no décimo segundo mês serão os que trataram verificação como parte da linha de produção. O ganho é real. O decaimento é uma decisão de projeto.
Fontes
- AI Engineer. “In the Land of AI Agents, the Verifiers Are King.” Julho de 2026.
- METR. “Measuring AI Ability to Complete Long Tasks.” Março de 2025.
A Victorino ajuda organizações de engenharia a embutir verificação nos fluxos agênticos para que o ganho de velocidade sobreviva ao terceiro mês: 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