A armadilha do vibe coding: por que seus agentes de IA são, na verdade, lentos

Pergunta estranha, não é? Agentes de IA têm muitos problemas, de alucinações a falhas repentinas de lógica, mas dificilmente alguém pode acusá-los a sério de lentidão. Pergunte a qualquer entusiasta como é trabalhar com as novas ferramentas e você ouvirá a história clássica da rede neural que cuspiu cem mil linhas de código em três horas. Mostre-me um programador de carne e osso capaz de produzir ao menos um décimo desse volume, e admito que a humanidade perdeu essa corrida. Mesmo assim, continuo afirmando: os agentes de IA hoje são catastroficamente lentos, e essa lentidão fica escondida atrás de uma cortina de produtividade excessiva.

Vamos entender o que é o caminho do vibe coder. É um novo tipo de desenvolvedor que não escreve código no sentido tradicional, mas conduz fluxos de probabilidades. Você joga um prompt, o agente começa a sussurrar «pensamentos» e, de repente, há um projeto pronto na sua frente.

O problema é que essas cem mil linhas muitas vezes são ruído digital. Caímos numa armadilha em que a velocidade de gerar texto é confundida com a velocidade de resolver o problema. Quando o agente gasta minutos raciocinando (Chain of Thought) e depois entrega um trecho de código que não funciona e precisa ser refeito mais cinco vezes, o tempo total até a produção acaba maior do que o de um desenvolvedor sênior experiente com uma xícara de café.

As raízes do problema estão na própria arquitetura dos LLMs atuais. Estamos acostumados a medir o progresso em tokens por segundo, mas, para agentes autônomos, o que importa não é a velocidade de digitação, e sim a velocidade de iteração. A cada erro do agente, começa um longo ciclo de feedback: erro de compilação, envio do log de volta ao modelo, nova análise, nova geração. Nesse momento, a IA «rápida» vira o funcionário mais lento do seu time. Você fica olhando o cursor correr, sem poder intervir, porque o agente está dentro do seu processo de «pensamento». Essa é a latência real: o tempo ocioso cognitivo de uma pessoa esperando o resultado de uma máquina.

Além disso, surgiu o conceito de vibe coding, em que o resultado é avaliado pelo princípio do «parece que funciona». Isso gera uma dívida técnica colossal em questão de horas. A velocidade com que os agentes produzem decisões de arquitetura ruins assusta. Se antes o programador gastava duas horas pensando e dez minutos escrevendo código limpo, agora o agente gasta dez segundos escrevendo e duas horas tentando fazer aquilo funcionar com o resto do sistema. Simplesmente transferimos o custo de tempo da fase de criação para a fase de correção interminável de erros. No fim, o tempo total de desenvolvimento (Time-to-Market) não diminui tão radicalmente quanto prometem as apresentações de marketing.

Por que isso importa agora? Estamos no limiar da transição dos chatbots para sistemas autônomos completos, que devem rodar em segundo plano. Se o agente gastar horas em tarefas simples, preso em laços infinitos de raciocínio, ele deixa de ser ajudante e vira gargalo. A indústria precisa repensar o próprio conceito de velocidade. Não precisamos de modelos que escrevam mais rápido que todos. Precisamos de modelos que errem menos antes de acertar. O avanço de verdade virá não quando virmos um milhão de linhas em uma hora, mas quando um agente entregar dez linhas que não precisem ser alteradas.

Em resumo: a velocidade dos agentes de IA é um mito de marketing enquanto gastarmos mais tempo verificando-os do que fazendo o trabalho em si. Novas arquiteturas como o OpenAI o1 conseguirão corrigir esse equilíbrio, ou continuaremos babás de algoritmos muito rápidos, mas nem tão espertos?