IA reescreveu o Next.js em uma semana e muda o custo de desenvolver software

Uma semana de trabalho. Mil e cem dólares. E um clone funcional de um dos frameworks mais complexos do desenvolvimento web moderno. Esses são os números de um experimento que sacudiu de verdade a comunidade profissional de desenvolvedores: uma equipe de engenheiros reproduziu a arquitetura do Next.js com modelos de linguagem, gastando menos do que um desenvolvedor sênior médio do Vale do Silício ganha em um dia.

Para dimensionar o que aconteceu, é preciso entender o que é o Next.js. Não é apenas uma biblioteca nem um projeto didático: é um framework completo, pronto para produção, da Vercel, desenvolvido e mantido por dezenas de engenheiros ao longo de muitos anos. Ele inclui renderização no servidor, sistema de roteamento, otimização de imagens, suporte a TypeScript, mecanismos de cache e mais algumas camadas de lógica arquitetural complexa. Recriar uma ferramenta assim do jeito tradicional exigiria uma equipe de várias pessoas e, no mínimo, vários meses de trabalho. Mas o mundo muda mais rápido do que as expectativas de carreira conseguem se atualizar.

O experimento se baseou em um conjunto de modelos de linguagem modernos operando em modo agente. Ou seja, eles não apenas respondiam a perguntas: executavam tarefas em sequência, escrevendo código, rodando testes, analisando erros e iterando nas soluções sem participação humana constante. Os desenvolvedores atuaram principalmente como arquitetos: formularam as tarefas, controlaram a direção do trabalho e avaliaram os resultados. A geração, a depuração e a refatoração do código ficaram por conta das redes neurais. O custo final de 1.100 dólares é, literalmente, a conta das requisições de API aos modelos de linguagem, o valor que o sistema gastou "pensando".

Há um ponto fundamental: não se trata de escrever alguns scripts nem de automatizar tarefas rotineiras. Os agentes de IA lidaram com decisões de arquitetura: definiram a estrutura dos módulos, trataram as interdependências entre componentes e implementaram padrões complexos de programação assíncrona. Era justamente aí que passava a fronteira tida como inalcançável para a automação: tarefas que exigem pensamento sistêmico, e não só a reprodução de modelos prontos. Pelo visto, essa fronteira começa a se mover.

Para a indústria, as consequências de experimentos assim podem ser bem mais sérias do que parecem à primeira vista. Se o custo de reproduzir um produto de software complexo cai rapidamente, mudam as contas econômicas básicas do desenvolvimento. Uma startup que antes precisava de uma rodada de investimento só para montar a equipe e construir um MVP agora pode ter um protótipo funcional por um valor comparável à assinatura mensal de serviços em nuvem. As grandes empresas, por sua vez, vão começar a se perguntar quantas tarefas de engenharia realmente exigem participação humana e quantas podem ser delegadas a sistemas de agentes. Não é uma questão filosófica abstrata: é uma questão de contratação, orçamento e estrutura organizacional.

Ao mesmo tempo, seria simplista interpretar o experimento como prova de que os desenvolvedores estão se tornando dispensáveis. Todo o processo foi conduzido por pessoas que sabiam o que construíam, por quê e em que direção seguir. Os modelos de linguagem multiplicaram a produtividade da equipe, mas não substituíram a competência. A diferença entre o arquiteto e o pedreiro não desapareceu; os pedreiros é que agora trabalham à velocidade das máquinas.

O que acontece não é o fim da era da programação, mas o início de uma nova fase. Onde antes se valorizava o especialista capaz de escrever o código certo, cada vez mais pesa a capacidade de formular bem a tarefa, avaliar o resultado e montar um sistema de componentes, parte deles criada de forma autônoma. Os próximos dois ou três anos provavelmente vão mostrar quão sólida é essa tendência e onde exatamente estão os limites do que os agentes de IA conseguem fazer com confiabilidade, e não apenas de forma impressionante. Por enquanto, o número de 1.100 dólares continua sendo o indicador mais preciso da escala da mudança, e ele fala por si.