Como a Ashby usa IA para gerar mais da metade do código em produção sem abrir mão da qualidade

A Ashby não está apenas usando IA para gerar código: está redefinindo o que é 'escrever software'. Desde agosto de 2025, mais da metade do novo código em produção vem de modelos de linguagem, mas o dado crítico não é a porcentagem, e sim como ela mantém estabilidade técnica sem aumentar dívida ou tempo de revisão. Eles adotam um modelo operacional bifurcado: 'sidekick mode' para decisões sensíveis (migrações, segurança), com engenheiros no controle absoluto; e 'delegated mode' para tarefas repetitivas, como boilerplate ou integrações triviais. O segredo está na orquestração, não na automação: ferramentas como CodeRabbit fazem triagem inicial de PRs, mas sua própria ferramenta interna detecta bugs de casos extremos, otimizada para contexto e token budget, não só para padrões genéricos.

Isso conecta diretamente com o que já havíamos apontado em 2026-06-04: a engenharia moderna se tornou menos sobre escrever e mais sobre orquestrar guardrails. A Ashby não reduziu testes, ampliou sua profundidade. Como mostramos em 2026-06-01, o tempo poupado com geração de código foi realocado para análise de sessões de usuários, entrevistas com clientes e depuração de cenários reais, não sintéticos. Isso explica por que, mesmo com 50% de código gerado por IA, não houve queda na velocidade de onboarding nem aumento na complexidade cognitiva, ao contrário do que revelam estudos globais (39% de aumento médio em repositórios assistidos por IA). A empresa trata o custo de escrever código como próximo de zero, mas o custo de produzir software significativo como alto, e investe nesse segundo, não no primeiro.

O que mudou desde a cobertura de 2026-05-29 é a transição de teoria para métrica mensurável: então falávamos que a pressão se desloca para CI, revisão e operações; agora sabemos que a Ashby resolveu isso com uma combinação de ferramentas especializadas (CodeRabbit + ferramenta interna) e mudança de foco humano, engenheiros passaram de escritores para validadores de intenção, não de sintaxe. Também evoluiu o entendimento sobre qualidade: em 2026-06-03 destacávamos que 14% do tempo dos devs é gasto codificando; agora vemos que, ao eliminar essa fatia, a Ashby não apenas acelera, mas melhora a compreensão da base de código, algo raro em ambientes com alta adoção de IA, onde a dívida técnica costuma subir 30, 41% em seis meses.

Importa porque mostra que escalar IA não é questão de ferramenta, mas de disciplina técnica. Enquanto 43% das alterações geradas por IA exigem depuração em produção (dados de abril/2026), a Ashby mantém estabilidade graças a dois pilares: primeira, revisão humana obrigatória em todas as etapas críticas, sem 'auto-merge' cego; segunda, investimento contínuo em qualidade de feedback: seus modelos são treinados com dados anônimos, sem PII, e alinhados às exigências da Lei Local 144 de Nova York e ao EU AI Act, que entram em vigor em 2026. Isso transforma a IA de um multiplicador de produtividade em um multiplicador de responsabilidade, e é exatamente esse equilíbrio que separa experimentos pontuais de adoção operacional madura.