54% dos líderes: mais de 60% do trabalho dos agentes de IA exige retrabalho sério
O agente entrega um patch em minutos, mas uma pessoa ainda precisa entender e verificar cada alteração. Na pesquisa da Sourcegraph com 1.028 líderes de desenvolvimento, 54% afirmam que mais de 60% do trabalho da IA precisa de retrabalho manual sério antes do lançamento. Ao mesmo tempo, 79% sentem pressão para comprovar o retorno da IA. Por isso, a adoção de agentes deve ser medida pelo tempo de revisão e pelo número de falhas após o lançamento, e não apenas pela velocidade.
Processado por IA de Sourcegraph Blog; editado por Hamidun News
Imagine: um agente gerou em cinco minutos um patch que atualiza uma biblioteca em uma dezena de serviços. Quem revisa ainda precisa descobrir onde mais esse código é usado, se algum serviço preso à versão antiga vai quebrar e quais testes vão pegar o erro. Esse problema foi medido pelo relatório Sourcegraph Big Code 2026. 54% dos entrevistados consideram que mais de 60% do trabalho feito pela IA exige retrabalho manual sério antes do lançamento. Em outras palavras, mais da metade dos líderes vê o resultado do agente mais como um rascunho do que como um produto pronto. Escrever código ficou rápido, mas entendê-lo continua demorado.
O relatório se baseia em uma pesquisa da Dimensional Research. Em setembro de 2026, foram ouvidas 1.028 pessoas responsáveis pelo desenvolvimento em empresas com mais de 250 desenvolvedores. Uma ressalva importante: todos os números são autoavaliações dos respondentes, e não métricas medidas. Além disso, a Sourcegraph vende uma plataforma para entendimento de código, então as conclusões do relatório levam aos seus produtos. Ainda assim, os dados são interessantes.
Pressão por retorno e retrabalho
79% dos respondentes de empresas que usam IA sentem pressão moderada, significativa ou forte para demonstrar o retorno dos investimentos em IA. Ao mesmo tempo, 58% colocam a escala da IA e dos agentes como prioridade para os próximos doze meses. Ou seja, haverá mais agentes e, portanto, mais alterações de terceiros para revisar.
Os autores também citam a pesquisa DORA: organizações que mais usam IA costumam lançar mudanças mais rapidamente e avaliam melhor o produto, mas têm uma entrega menos estável. Daí vem o conselho prático: o sucesso da adoção não pode ser medido apenas pela velocidade. Observe quanto esforço é gasto na revisão de cada mudança e com que frequência surgem problemas após o lançamento.
Entender o código alheio é metade do trabalho
O agente pode fazer uma alteração rapidamente, mas quem revisa precisa rastrear dependências entre repositórios, conferir regras locais e entender quais testes vão detectar uma regressão. Isso pode levar horas de trabalho de um engenheiro sênior, além do tempo de colegas que conhecem os sistemas afetados.
Segundo a pesquisa, 65% avaliam que a leitura, a busca e a compreensão do código existente ou proposto consomem mais de um quarto do tempo da equipe, e 25% dizem que consomem mais da metade. Para dar escala: se uma organização com 1.000 desenvolvedores gasta um quarto do tempo nessa atividade, isso equivale ao trabalho de 250 pessoas. 51% dos entrevistados têm pelo menos 1.000 repositórios, e a pergunta "o que depende deste código?" facilmente ultrapassa o repositório onde tudo começou. 41% afirmam que engenheiros reescrevem com frequência o que já existe, porque não conseguem encontrá-lo.
O exemplo mais crítico é a vulnerabilidade crítica em uma dependência. Quando perguntados quanto tempo levaria para encontrar e corrigir todos os pontos afetados, 54% responderam "dias ou mais" ou "não conseguiríamos". São estimativas hipotéticas, e não medições de correções reais. Entre as principais dificuldades em alterações em larga escala, os respondentes citaram com mais frequência a compreensão de dependências e impactos (43%), a uniformidade das correções entre repositórios (42%) e os testes (42%).
Os agentes não têm contexto compartilhado
Apenas 10% afirmam que todos os seus agentes enxergam o panorama comum do código, das dependências e do histórico. Nos demais casos, o contexto é compartilhado parcialmente ou é fornecido a cada agente separadamente. Outros 33% das empresas que usam IA admitem que os desenvolvedores precisam explicar detalhadamente a arquitetura, as dependências e os acordos antes que o agente comece a trabalhar em uma nova tarefa.
A Sourcegraph propõe uma solução: um servidor pelo qual agentes compatíveis, como Claude Code, Codex e Cursor, pesquisam o código indexado da organização durante a própria tarefa. Ele respeita as permissões de acesso existentes aos repositórios, e os administradores controlam quem pode usar quais ferramentas. O engenheiro vê o código encontrado ao lado da alteração proposta, e, em caso de falha, fica claro o que deu errado: o agente não encontrou o código necessário, interpretou mal uma exceção ou errou na implementação. Para atualizações e migrações em massa, a empresa oferece uma ferramenta separada para coordenar alterações entre repositórios.
O que isso significa
O dado mais interessante é o último: 77% esperam que, no futuro, as alterações escritas por IA sejam incorporadas com menos controle humano. Para decidir quais mudanças podem receber essa autonomia, é preciso saber onde os agentes têm bom desempenho e onde os engenheiros precisam intervir.
Para as equipes, a conclusão é simples. Primeiro, meçam o tempo de revisão e a proporção de alterações que causam problemas após o lançamento, e não apenas a velocidade de entrega. Segundo, invistam em busca de código e em contexto compartilhado para os agentes, senão a economia na escrita do código será consumida na revisão. Terceiro, encarem as pesquisas de fornecedores com ceticismo: os respondentes avaliaram de memória, e a amostra inclui apenas grandes empresas.
- 21 de nov. de 2026Anthropic cortou em 20% o preço do Claude Fable 5.2, e no teste de código ele quase empata com o Opus 5.5
- 21 de nov. de 2026Dreamteam capta US$ 53 milhões para um CRM que se preenche sozinho a partir de e-mails e ligações
- 21 de nov. de 2026Claude Opus 5.5 completa o horror Dimension 9 a partir de 15 salas criadas pelo autor
- 21 de nov. de 202622 agentes Claude passaram seis semanas atrás de respostas sobre buracos negros e resolveram dois problemas
Perguntas frequentes sobre a notícia
O que se sabe sobre Pressão por retorno e retrabalho?
79% dos respondentes de empresas que usam IA sentem pressão moderada, significativa ou forte para demonstrar o retorno dos investimentos em IA. Ao mesmo tempo, 58% colocam a escala da IA e dos agentes como prioridade para os próximos doze meses. Ou seja, haverá mais agentes e, portanto, mais alterações de terceiros para revisar. Os autores também citam a pesquisa DORA: organizações que mais usam IA costumam lançar mudanças mais rapidamente e avaliam melhor o produto, mas têm uma entrega menos estável.
O que se sabe sobre Entender o código alheio é metade do trabalho?
O agente pode fazer uma alteração rapidamente, mas quem revisa precisa rastrear dependências entre repositórios, conferir regras locais e entender quais testes vão detectar uma regressão. Isso pode levar horas de trabalho de um engenheiro sênior, além do tempo de colegas que conhecem os sistemas afetados. Segundo a pesquisa, 65% avaliam que a leitura, a busca e a compreensão do código existente ou proposto consomem mais de um quarto do tempo da equipe, e 25% dizem que consomem mais da metade.
O que se sabe sobre Os agentes não têm contexto compartilhado?
Apenas 10% afirmam que todos os seus agentes enxergam o panorama comum do código, das dependências e do histórico. Nos demais casos, o contexto é compartilhado parcialmente ou é fornecido a cada agente separadamente. Outros 33% das empresas que usam IA admitem que os desenvolvedores precisam explicar detalhadamente a arquitetura, as dependências e os acordos antes que o agente comece a trabalhar em uma nova tarefa.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.