Engenharia de software em transição: o que muda entre a era pré-IA e a era AI-native

O texto vencedor do desafio de ensaios do The Pragmatic Engineer, escrito pelo engenheiro Neil Kakkar, usa números do próprio trabalho. Até o ano passado, ele fazia entre 8 e 20 pull requests (PRs) por mês. Numa startup AI-native, o Tano, passou a mais de 200, algo perto de dez vezes mais. Ele diz entregar 11x mais PRs que no PostHog, onde já havia feito 2,4x o que fez no Bloomberg. O próprio autor avisa que PR é métrica fácil de manipular, mas afirma que os números refletem trabalho real.

O ganho vem de agentes (ele usa o Claude Code Desktop), de rodadas de 1 a 2 horas por feature e de 3 a 5 frentes em paralelo. Também vem de cortes de processo: no Tano, a revisão humana de código é opcional depois que o engenheiro domina a base (3 a 8 semanas), e um agente de revisão roda em cada PR na integração contínua. A troca tem custo. Um agente tratou unidades menores de moeda como se todas tivessem 100 subunidades, e o erro foi corrigido em uma hora. Uma migração bloqueante numa tabela de 25 GB e 6 milhões de linhas travou a ingestão. Cada falha nova vira regra no agente revisor. O autor aponta ainda uma taxa de reversão 6x menor, porque o time corrige para frente, e mediana de merge abaixo de uma hora.

A cobertura anterior já mostrava a tese em formato teórico. Em 11 de fevereiro de 2026, o CEVIU noticiou "Construindo na Velocidade do Pensamento: O Novo Paradigma da IA Autônoma", sobre a lacuna cada vez menor entre ideia e implementação. Em 20 de julho de 2026, "Aceleração por IA desafia colaboração e qualidade no desenvolvimento de software" tratou do impacto dos agentes nas dinâmicas de equipe. Em 13 e 14 de agosto de 2026, os textos sobre a 'classe média' da engenharia e sobre produtividade e responsabilidade alertaram para dívida técnica e revisão que não acompanham a geração de código. Agora há um caso medido, com números de PRs, taxa de reversão e incidentes concretos, que ilustra esses riscos e a troca consciente por velocidade.

Para quem lidera times, o relato sugere que o gargalo sai da escrita e vai para revisão, contexto compartilhado e decisão sobre o que construir. Adotar IA só em parte da equipe, mantendo a revisão obrigatória de antes, tende a render pouco: o próprio autor estima 1 a 2x nesse cenário. É uma leitura de um único engenheiro numa startup pequena (cerca de 10 pessoas), então vale testar antes de copiar o modelo em empresas maiores.