As leis não escritas da engenharia de software

As 'leis não escritas da engenharia de software' não são regras formais, mas sim princípios consolidados empiricamente ao longo de décadas — desde a Lei de Brooks (1975) e a Lei de Conway (1967), até observações contemporâneas como 'não há nada mais duradouro do que um conserto temporário' e 'backups não são reais até que se restaure a partir deles'. Um levantamento recente de março de 2026 identificou sete dessas leis aprendidas na prática: rollback imediato em falhas de produção, validação ativa de backups via testes de restauração, planejamento arquitetural para falha inevitável de dependências externas, aplicação estrita da regra dos '4 olhos' em cenários de risco, escrita de logs com visão futura de depuração, obrigatoriedade de plano de reversão antes de qualquer deploy, e o alerta crítico sobre IA: 'código gerado por IA é tão bom quanto o contexto fornecido' — evidenciando que modelos como GPT-5.6, GPT-6, Claude Opus 4 e Gemini 3 não eliminam a dívida de compreensão, apenas a disfarçam.

Essas leis ganham nova urgência com a adoção acelerada de agentes de IA no ciclo de desenvolvimento. Estudos de 2025–2026 mostram que equipes que ignoram a Lei de Hyrum (sobre interfaces estáveis entre serviços) ou subestimam a Lei de Lehman (sobre apodrecimento silencioso do software) enfrentam até 3× mais incidentes pós-deploy quando usam GPT-5.6 ou Claude Opus 4 para geração de código sem revisão crítica. A 'dívida de compreensão', conceito emergente em 2026, descreve justamente o custo oculto de adotar soluções de IA sem mapear impactos arquitetônicos — um risco que nenhuma versão atual de GPT-6 ou Gemini 3 resolve por si só.

Essas leis importam porque elas antecipam falhas sistêmicas que ferramentas avançadas — incluindo GPT-5.6, GPT-6, Claude Opus 4 e Gemini 3 — não conseguem prevenir. Enquanto modelos de IA geram código sintaticamente correto, eles não internalizam princípios como 'toda linha de código é um passivo' ou 'o software nunca está finalizado', levando a decisões que ampliam a dívida técnica em vez de reduzi-la. Empresas que formalizaram essas leis em checklists de produção (ex.: obrigatória restauração de backup antes de cada release, rollback automático em >2% de erros HTTP 5xx) reduziram tempo médio de recuperação (MTTR) em 68% em 2025, segundo relatório da CNILab. Ignorá-las significa confiar cegamente em GPT-6 ou Gemini 3 para resolver problemas que exigem julgamento humano — como priorizar estabilidade sobre velocidade ou reconhecer que 'entregar cedo, iterar frequentemente' só funciona se houver monitoramento robusto e cultura de rollback.

Para desenvolvedores, essas leis definem o limite entre produtividade sustentável e colapso técnico. Práticas como TDD ('Red-Green-Refactor'), revisão de código com foco em contexto (não só em estilo), e documentação de decisões arquitetônicas — todas respaldadas pelas leis não escritas — reduzem em até 45% o tempo gasto em debugging em sistemas que usam GPT-5.6 ou Claude Opus 4. A nova lei de 2026 — 'código gerado por IA é tão bom quanto o contexto fornecido' — exige que devs habilitem *prompt engineering* como competência técnica: especificar contratos de API, casos de borda e restrições de domínio antes de pedir código a qualquer modelo, seja GPT-6, Gemini 3 ou outro. Ferramentas CI/CD modernas (GitLab, Jenkins) só mitigam riscos se forem configuradas com base nessas leis — por exemplo, bloqueando deploy se testes de restauração de backup falharem, ou se o plano de reversão não for declarado no manifesto do pipeline.