Commits de Código Cripto Caem 75% com Migração de Desenvolvedores para Projetos de IA

A queda de 75% nos commits semanais de código cripto, de 850.000 para 210.000, não é só um sintoma de desinteresse, mas um sinal de reconfiguração profunda do ecossistema de desenvolvimento. Enquanto Ethereum perdeu 34% de seus desenvolvedores ativos e Solana, 40%, o Bitcoin Core surpreendeu com aumento de 35% no número de contribuidores em 2025, chegando a 135 pessoas. Isso mostra que a pressão não é uniforme: protocolos com foco em segurança, estabilidade e adoção institucional (como o Bitcoin) estão retendo ou até atraindo talentos, enquanto redes mais voltadas a aplicações rápidas e especulativas sofrem maior fuga.

O motor dessa migração é financeiro e operacional: US$ 211 bilhões em financiamento de risco foram direcionados à IA em 2025, contra apenas US$ 19,7 bilhões para cripto. E 40% do capital que ainda vai para cripto está indo para empresas que também desenvolvem IA, muitas delas usando blockchain como camada de pagamento ou verificação para agentes autônomos. Ou seja, não é uma saída total do setor, mas uma reorientação estratégica: os devs não estão largando o código descentralizado, mas migrando para onde ele se encaixa na nova infraestrutura de software, como oráculos de IA, módulos de identidade auto-soberana ou micropagamentos entre agentes.

Essa consolidação em torno de desenvolvedores experientes (com 27% de crescimento anual entre os que têm mais de dois anos de atuação em cripto) reduz riscos de bugs críticos, mas aumenta a centralização de decisões técnicas. Com menos olhos novos revisando propostas e menos experimentação em camadas superiores (como DeFi ou NFTs), a inovação pode se tornar mais lenta e mais conservadora, especialmente em redes que dependem de forks sociais para upgrades. Ao mesmo tempo, o salto na adoção de ferramentas de IA (46% do código escrito em 2026 é assistido por IA) cria um paradoxo: mais produtividade, mas menos compreensão profunda do que está sendo gerado. Quando 45% dos devs reclamam que as soluções de IA estão 'quase certas', a depuração vira um trabalho manual mais intenso, e isso pesa mais em projetos de baixa atividade, onde há menos pares para revisar e validar.