IA gera código 'perfeito', mas a desorganização persiste: o desafio da medição

A capacidade de modelos de linguagem (LLMs) em gerar código funcional alcançou um patamar impressionante. Contudo, essa funcionalidade não se traduz automaticamente em qualidade ou manutenibilidade. O grande calcanhar de Aquiles, agora, é a desorganização inerente ao código gerado por IA, que a comunidade de desenvolvedores tem apelidado de "sloppiness". Mesmo que os testes automatizados confirmem a correção lógica, a complexidade excessiva, duplicações desnecessárias e abstrações equivocadas persistem, dificultando a revisão e a manutenção humana. Esse desafio é destacado em várias publicações do CEVIU News, como na matéria "Desafios dos Agentes de Codificação e Testes de LLMs na Confiabilidade da Codificação Assistida por IA", de 11 de julho de 2026, que já apontava para a lacuna entre automação e confiabilidade.

Avaliar essa "bagunça" é complexo, pois exige uma intuição que modelos de IA ainda não replicam. A tentativa de fazer a própria IA julgar a qualidade do código que produz tem se mostrado ineficaz. Estudos mostram que a avaliação de modelos é inconsistente, podendo até mudar a preferência por um código apenas pela renomeação de variáveis. Por outro lado, a inspeção humana, embora mais precisa, não escala para a vastidão de código que a IA consegue gerar. Métricas como Verbosity e Erosion, propostas pelo SlopCodeBench e mencionadas em nossa cobertura de 14 de setembro de 2026, surgem como abordagens promissoras para quantificar essa desorganização, indo além da simples contagem de linhas de código e considerando aspectos como duplicação e concentração de complexidade.

Enquanto a cobertura anterior do CEVIU News, como em "Desorganização do Código Gerado por IA Preocupa Desenvolvedores", de 14 de setembro de 2026, já apontava a preocupação com o código "bagunçado" da IA e mencionava métricas como verbosidade e erosão, a notícia atual aprofunda drasticamente essa discussão. Agora, temos não apenas a menção, mas uma explicação mais detalhada de como essas métricas funcionam e, mais importante, dados comparativos. A pesquisa mais recente do SlopCodeBench revela que o código gerado por agentes de IA é, em média, duas vezes mais verboso e erodido do que o código escrito por humanos, com resultados quantitativos de 0.33 versus 0.15 para verbosidade e 0.68 versus 0.31 para erosão. Isso move a conversa de uma preocupação teórica para uma quantificação concreta e alarmante da diferença na qualidade.

O código "bagunçado" gerado por IA é um problema crítico para a indústria de software. A dificuldade de compreender e manter sistemas complexos, mesmo para desenvolvedores humanos, já é um gargalo, como abordamos em "A complexidade é o teto: design de software na era da codificação por IA", de 8 de junho de 2026. Com a IA produzindo milhões de linhas de código por mês, a "agência humana" diminui drasticamente, pois se torna inviável para as equipes acompanhar a qualidade e a coerência desses projetos. Isso implica custos de manutenção altíssimos no futuro e um risco significativo para a estabilidade e a evolução de sistemas críticos.