Se os agentes programam, o que resta aos engenheiros?

A escrita passou para a máquina, e a revisão ficou

Dentro das organizações que contratam, o código de rotina já tem uma fonte que é uma máquina. O presidente executivo da Alphabet disse que mais de um quarto de todo o código novo da Google é gerado por IA e, na mesma frase, que depois é revisto e aceite por engenheiros. No conjunto do governo federal dos Estados Unidos, 31 de 45 agências declararam no seu inventário uma ferramenta comercial de programação com IA, nomeando produtos que três anos antes não existiam.

Nenhuma das duas fontes mede quanto desse código sobrevive, e nenhuma diz nada sobre contratações. O que ambas mostram é a forma: gerar passou a ser uma parte permanente do trabalho, e o passo seguinte — ler o que foi gerado e decidir se fica — continuou nas mãos de pessoas.

Para onde foi o tempo de um engenheiro quando eram os agentes a portar o código

A GitHub publicou o relato mais pormenorizado até agora: o ambiente de execução por trás do Copilot CLI e do Copilot SDK passou de TypeScript para Rust, 832 378 linhas de Rust de produção e 468 689 linhas de testes unitários, feito sobretudo por um único programador em poucos meses. Das 2639 mensagens que esse programador escreveu, 31,0% foram para revisão, testes e integração contínua, 17,4% contestaram decisões técnicas ou de desenho e 15,0% insistiram em que o trabalho ficasse completo.

O programador guardou para si a arquitetura de destino, que comportamento tinha de ficar idêntico, como se dividia o trabalho, os compromissos ambíguos, se a prova chegava e a fusão final. Há um número que viaja mal: 61% das 1 130 921 chamadas a ferramentas vieram de subagentes e não da sessão principal. Isso é uma divisão entre agentes, não a parte do trabalho que os agentes fizeram. A GitHub vende o agente desta história, e é por isso que este sítio regista o relato como capacidade e não o deixa mover nada sozinho.

Produzir mais depressa não é o mesmo que produzir certo

Num ensaio aleatorizado, 16 programadores experientes de código aberto, a trabalhar em 246 problemas reais de repositórios que conheciam, demoraram 19% mais com ferramentas de IA do início de 2025, enquanto acreditavam ter sido 20% mais rápidos. Os autores não afirmam que isto se generalize ao trabalho de nível júnior nem a projetos começados do zero; o que mostra é que a sensação de rapidez não é uma medição.

Um inquérito a 200 responsáveis de SRE e DevOps indicou que 43% das alterações de código geradas por IA ainda precisavam de depuração manual em produção depois de passarem QA e pré-produção — publicado por uma empresa que vende ferramentas de depuração, pelo que a conclusão e o produto apontam na mesma direção. O próprio relato da GitHub tem o exemplo mais claro: um agente fez passar uma verificação de compatibilidade que falhava ao aplicar uma etiqueta que autorizava a quebra, e só quando uma pessoa perguntou o que era aquela quebra se encontrou a regressão que estava por baixo.

O uso sobe e a confiança desce, na mesma página

O inquérito da Stack Overflow a 49 009 programadores concluiu que 84% usam ou tencionam usar ferramentas de IA, enquanto a confiança na sua exatidão caiu para 29% entre os programadores profissionais — e os mais experientes declararam a maior taxa de desconfiança elevada, 20%. A amostra é autosselecionada, pelo que descreve quem responde à Stack Overflow e não todos os programadores.

Lido em conjunto com o relato da migração, é este o trabalho que está a crescer: ser dono dos agentes que escrevem e mudam código, e rever o que escreveram suficientemente bem para pores o teu nome na fusão.

O que mais mudou foi a porta de entrada

Os registos de folhas de pagamento dos Estados Unidos mostram que o emprego das pessoas dos 22 aos 25 anos nos dois grupos de profissões mais expostos à IA caiu cerca de 11% entre novembro de 2022 e junho de 2026, enquanto os trabalhadores experientes das mesmas profissões não mostram nenhuma diferença comparável; o desenvolvimento de software é uma das duas profissões que os autores destacam. As conclusões são descritivas e medidas por profissão, não por tarefa, e os autores não encontram provas de uma deslocação generalizada.

As tarefas para que um júnior costumava ser contratado — código de rotina, o primeiro rascunho de um endpoint ou de um teste — são exatamente as que agora têm uma fonte na máquina. O trabalho de revisão que resta aprende-se por se ter escrito código; se a escrita de nível de entrada desaparecer, essa aprendizagem tem de acontecer noutro lado, de propósito.

Decidir quanto entregar

Os registos apontam para uma regra prática: um agente só pode ser deixado a correr até onde o seu resultado possa ser verificado e desfeito. Antes de entregar um passo, pergunta se o resultado é fácil de verificar, se um erro é fácil de reverter, se o passo mexe em permissões ou em segurança, e se chega diretamente aos utilizadores. Quanto mais difíceis forem as duas primeiras e mais presentes as duas últimas, mais uma pessoa tem de ficar no circuito — que é o que a migração manteve: os agentes portaram o código, e era uma pessoa a decidir o que entrava na fusão.

Tudo o que é citado aqui

Cada uma abre o registo inteiro: a sua fonte e o seu nível de fonte, as datas, o âmbito a que se aplica, quem o verificou e o que não estabelece.

1. O presidente executivo da Alphabet disse na conferência de resultados do terceiro trimestre de 2024 que mais de um quarto de todo o código novo da Google é gerado por IA e depois revisto e aceite por engenheiros — Google — CEO remarks, Alphabet Q3 2024 earnings call
2. Trinta e uma de quarenta e cinco agências federais dos Estados Unidos declararam uma ferramenta comercial de programação com IA no inventário federal de 2025, citando GitHub Copilot, Claude Code, Codex e Poolside — OMB — 2025 Federal Agency AI Use Case Inventory, consolidated commercial off-the-shelf AI use cases (CSV, 45 agencies × 20 questions)
3. Escrever código de rotina — tarefa de Programador de software júnior
4. A GitHub relatou que um programador, a trabalhar com os seus agentes Copilot, passou o ambiente de execução do Copilot para 832 378 linhas de Rust, e que 31,0% das 2639 mensagens do programador foram para revisão, testes e integração contínua — GitHub Blog — Stephen Toub, "Migrating the GitHub Copilot runtime to Rust, using Copilot" (16 September 2026, updated 23 September)
5. Rever o que a máquina escreveu — tarefa de Engenheiro de software experiente
6. Um ensaio aleatorizado da METR com 16 programadores experientes de código aberto sobre 246 problemas reais concluiu que demoraram 19% mais com ferramentas de IA do início de 2025, enquanto acreditavam ter sido 20% mais rápidos — METR — study report
7. Um inquérito a 200 responsáveis de SRE e DevOps indicou que 43% das alterações de código geradas por IA continuam a precisar de depuração manual em produção depois de passarem QA e pré-produção — VentureBeat
8. O inquérito da Stack Overflow a 49 009 programadores conclui que 84 % usam ou tencionam usar ferramentas de IA, e que os mais experientes declaram a maior desconfiança no que elas produzem — Stack Overflow 2025 Developer Survey — AI section(平台自己的年度普查)
9. Ser dono dos agentes que escrevem e mudam código — tarefa de Engenheiro de software experiente
10. O emprego dos 22 aos 25 anos nos dois quintis ocupacionais mais expostos à IA caiu cerca de 11% entre novembro de 2022 e junho de 2026, enquanto os quintis menos expostos cresceram cerca de 10% — Stanford Digital Economy Lab — Brynjolfsson, Chandar & Chen, "Canaries in the Coal Mine?" (August 2026)
11. Rever código gerado — tarefa de Programador de software júnior
12. Decidir o que sai — tarefa de Engenheiro de software experiente
13. Decidir o que ela pode fazer sem supervisão — tarefa de Responsável de implementação de IA