Victor Bianchin
RedatorVictor Bianchin é jornalista.
Quem já testou sabe. Programar com IA pode ser maravilhoso. Sobretudo se você não tem (quase) nenhuma noção de programação. É nessa área que os modelos de IA generativa promoveram sua primeira e provavelmente única revolução.
Os desenvolvedores foram os primeiros a abraçar essa nova tecnologia. O surgimento do GitHub Copilot, em 2021, mostrou que já não era necessário digitar tanto código, porque a máquina já fazia isso por você. Desde então, o avanço da IA generativa no campo da programação tem sido avassalador.
A pergunta é: isso foi positivo? A resposta não é nada clara. É evidente que a IA permitiu que milhões de pessoas que não eram programadoras pudessem transformar suas ideias de aplicativos e jogos em realidade. E também que milhões de profissionais economizassem tempo ao não precisar escrever código repetitivo (boilerplate), podendo se concentrar em outros aspectos mais importantes de seu trabalho.
A indústria tem sido especialmente insistente com a transformação desse segmento. Satya Nadella (CEO da Microsoft) e Sundar Pichai (CEO da Alphabet/Google) já se gabavam há alguns meses de que cerca de 25% do código que suas empresas geram é produzido por IA. Enquanto isso, Jensen Huang, CEO da Nvidia, foi ainda mais longe e deixou claro que, a essa altura, ninguém mais deveria aprender a programar, porque a IA já faria isso por nós.
São afirmações muito contundentes, mas por trás delas se esconde outra realidade: a de que nem tudo que reluz é ouro no mundo da IA para programadores. A MIT Technology Review conversou com mais de 30 desenvolvedores e especialistas dessa área e chegou a conclusões interessantes.
A IA é melhor programadora do que nunca. Pelo menos, segundo os benchmarks
Em agosto de 2024, a OpenAI fez um lançamento singular: apresentou o SWE-bench Verified, um benchmark destinado a medir a capacidade dos modelos de IA generativa de programar. Naquele momento, o melhor dos modelos era capaz de resolver apenas 33% dos testes propostos por esse benchmark. Um ano depois, os melhores modelos já superam 70%.
Ranking atual dos melhores modelos segundo o benchmark SWE-bench Verified. Vários ultrapassam 70% nos testes. Fonte: SWE-bench
A evolução nesse campo tem sido vertiginosa: pudemos ver nascer essa nova modalidade de programação chamada “vibe coding”, com todas as grandes empresas desenvolvendo ferramentas de programação poderosas para aproveitar o embalo.
Temos o OpenAI Codex, o Gemini CLI e o Claude Code, por exemplo, mas a eles também se somam startups como a Cursor e a Windsurf, que souberam tirar proveito dessa febre pela programação com IA.
Todas essas ferramentas prometem basicamente a mesma coisa: que você vai programar mais e melhor. A produtividade dispara (em teoria) e, embora de fato se programe mais do que nunca graças à IA, os programadores deixaram de digitar o próprio código para apenas revisar o que as máquinas geram.
Estudos recentes revelam que desenvolvedores veteranos que acreditavam ter sido mais produtivos, na realidade, não foram. A estimativa deles era de que tinham sido 20% mais rápidos por conseguirem avançar sem bloqueios, mas, na prática, levaram 19% mais tempo do que levariam sem IA, segundo os testes realizados.
Há outro problema além disso: a qualidade do código não é necessariamente boa e, como dissemos, os programadores precisam revisar esse código antes de poder usá-lo em produção. Na última pesquisa do Stack Overflow, uma das maiores comunidades de desenvolvedores do mundo, houve um dado marcante: a percepção positiva das ferramentas de IA havia caído — era de 70% em 2024 e passou para 60% em 2025.
Há limitações, mas tudo já mudou
Os entrevistados pela MIT Technology Review, em geral, concordaram em suas conclusões. As ferramentas de IA generativa para programação são excelentes quando se trata de produzir código repetitivo, escrever testes, corrigir erros ou explicar código para novos desenvolvedores.
No entanto, elas ainda apresentam limitações importantes, sendo a maior delas a pouca memória. Esses modelos só conseguem armazenar uma fração da carga de trabalho em ambientes profissionais: se o seu código tiver um tamanho grande, é provável que o modelo de IA não consiga “consumi-lo” e entendê-lo por completo de uma só vez. Para projetos pequenos, ótimo. Para desenvolvimentos grandes, provavelmente não tanto.
O problema das alucinações também afeta o código e, em repositórios com muitos componentes, os modelos de IA podem acabar se perdendo e não entendendo a estrutura e suas interconexões. Os problemas estão aí e podem acabar se acumulando, provocando justamente o contrário do que se queria evitar.
Vários especialistas, no entanto, concordam que, na prática, já é difícil haver um retorno ao passado. Kyle Daigle, COO do GitHub, afirmou que “é muito provável que os dias em que escrevíamos todas as linhas de código à mão tenham ficado para trás”. Erin Yepis, analista do Stack Overflow, indicou que, embora esse otimismo desenfreado em relação à IA tenha diminuído um pouco, isso é na verdade sinal de outra coisa: os programadores abraçam essa tecnologia, mas o fazem assumindo seus riscos.
E há outra realidade: a IA que temos hoje é a pior de todas as que teremos no futuro. Talvez não seja amanhã ou na próxima semana, mas é evidente que a IA que programa acabará ficando cada vez melhor. E ela talvez chegue a um ponto em que essas limitações desapareçam. O que está claro é que a IA mudou a programação para sempre.
Imagem | Mohammad Rahmani
Este texto foi traduzido/adaptado do site Xataka Espanha.
Ver 0 Comentários