Degradação da Qualidade de Código Gerado por IA
Ir para notas que citam estaDegradação da Qualidade de Código Gerado por IA é o problema de assistentes de IA produzirem código duplicado ou não reutilizável quando desenvolvedores diferentes pedem, cada um separadamente, a mesma funcionalidade.
A causa é a mesma que aparece em outros limites do uso de IA: o modelo não enxerga a aplicação como um todo. Ele responde ao pedido que chegou, não ao repositório em que a resposta vai morar, e não sabe o que os outros desenvolvedores já implementaram. A cada chamada, reescreve a lógica do zero e, por ser generativo, um pouco diferente. O resultado é duplicação silenciosa, dispersa pela base de código e difícil de detectar em revisão pontual.
O efeito não aparece na entrega. Aparece na manutenção, meses depois, quando uma regra muda e precisa ser corrigida em vários lugares que ninguém sabia que existiam.
O teste de mesa da validação de CNPJ
Um experimento interno tornou o padrão visível. A tarefa escolhida foi validação de CNPJ, incluindo o novo cálculo liberado pela Receita, embutida em requisitos separados que seriam distribuídos a desenvolvedores diferentes, cada um apoiado por IA. Como a validação aparecia em várias funcionalidades, o desfecho esperado por quem conhece boas práticas seria um componente reutilizável.
O que saiu foi o oposto: a ferramenta gerou N componentes praticamente iguais, um por funcionalidade, com implementações ligeiramente divergentes entre si. Nenhum desenvolvedor errou o próprio pedido. A duplicação nasceu da soma de pedidos isolados, e nenhum deles tinha visibilidade do conjunto, situação que Engenharia de Contexto atenua mas não resolve sozinha quando o contexto necessário é a aplicação inteira.
Metade do tempo para desenvolver, o triplo para manter
O trade-off foi formulado de forma aproximada e é útil justamente por ser grosseiro: gastar cerca de metade do tempo para desenvolver e cerca do triplo do tempo para dar manutenção naquele mesmo código depois. É um relato de ordem de grandeza, não uma métrica medida, e serve para posicionar a discussão no lugar certo, que é o ciclo de vida completo do software e não o instante da entrega.
Relatórios periódicos publicados por fornecedores de ferramentas de qualidade de software, baseados em repositórios abertos, vêm associando o crescimento de código mal escrito ao uso indiscriminado de IA no processo de desenvolvimento. O sinal é externo e independente do experimento interno, e aponta na mesma direção.
A queda de qualidade se multiplica antes de ser percebida, porque só se manifesta como esforço de manutenção quando o volume de código duplicado já está em produção.
Adoção por produtividade sem mecanismo de controle
O motor do problema é legítimo: existe um desejo real de aumento de produtividade, e a IA entrega velocidade de forma visível. O que falta na maioria das adoções não é intenção, é mecanismo. Padrão de componentes compartilhados, revisão que olhe duplicação e não apenas correção, catálogo do que já existe na aplicação e critério explícito sobre o que pode ser gerado e o que precisa ser reaproveitado.
Sem esses mecanismos, a adoção acelerada produz exatamente o Custo Invisível da Produtividade com IA: o ganho aparece no relatório do sprint e a conta chega no backlog de manutenção. A mesma lacuna de visão do todo alimenta a Ilusão da Automação sem Intervenção Humana, quando se supõe que sistemas inteiros poderiam ser gerados do mesmo jeito.