Use IA para revisar código, especialmente quando o diff é grande

O artigo defende uma mudança de mentalidade na revisão de código com IA: deixar de lado a inspeção linha a linha, que já não escala nem faz sentido técnico, e focar no que só o humano traz ao processo: conhecimento fora da distribuição do modelo (OOD). Isso inclui decisões arquitetônicas recentes, convenções implícitas do time, restrições de domínio (como depreciação de serviços) e cheiros de design que não aparecem em diff, mas são críticos para manutenibilidade.

Essa abordagem só funciona quando o contexto permite flexibilidade, por exemplo, em aplicações web ou back-end onde o custo de erro é mitigado por testes e rollback. Já em sistemas embarcados, financeiros ou de controle crítico, a linha ainda é sagrada: a IA auxilia, mas não substitui a análise minuciosa humana. O ponto-chave não é usar IA mais, mas usá-la melhor, como amplificador de julgamento, não como substituto de rigor.

Revisões manuais de diffs grandes estão virando um antipadrão: consomem tempo valioso, geram fadiga cognitiva e raramente pegam vulnerabilidades reais, que hoje são detectadas com alta precisão por LLMs treinados em padrões de exploração e CWEs. Ao redirecionar o esforço humano para o que realmente importa (contexto, intenção, impacto sistêmico), times aceleram entregas sem abrir mão de qualidade. E isso já é aplicável hoje, com ferramentas como GitHub Copilot Review, CodeWhisperer e modelos locais finetunados em regras de compliance interno.