AI reescreveu o Next.js em uma semana: uma revolução nos custos de desenvolvimento

Uma semana de trabalho. Mil e cem dólares. E um clone pronto de um dos frameworks mais complexos do desenvolvimento web moderno. Esses são os números por trás de um experimento que genuinamente abalou a comunidade profissional de desenvolvedores: uma equipe de engenheiros reproduziu a arquitetura do Next.js usando modelos de linguagem, gastando uma quantia menor que o salário de um dia de um desenvolvedor sênior médio no Vale do Silício.

Para avaliar a escala do que aconteceu, é importante entender o que é Next.js. Não é apenas uma biblioteca nem um projeto educacional — é um framework completo pronto para produção da Vercel, desenvolvido e mantido por dezenas de engenheiros ao longo de muitos anos. Inclui renderização no servidor, um sistema de roteamento, otimização de imagens, suporte a TypeScript, mecanismos de cache e várias outras camadas de lógica arquitetônica complexa. Recriar tal ferramenta da maneira tradicional exigiria uma equipe de várias pessoas e pelo menos vários meses de trabalho. No entanto, o mundo está mudando mais rapidamente do que as expectativas de carreira conseguem acompanhar.

O experimento foi construído sobre uma combinação de modelos de linguagem modernos atuando como agentes — ou seja, não apenas respondendo perguntas, mas executando sequencialmente tarefas: escrevendo código, executando testes, analisando erros e iterando soluções sem envolvimento humano constante. Os desenvolvedores atuavam principalmente no papel de arquitetos: formulando tarefas, controlando a direção do trabalho e avaliando resultados. O processo de geração, depuração e refatoração de código ficava a cargo das redes neurais. O custo final de 1100 dólares é literalmente a conta de requisições à API para modelos de linguagem — a quantia que o sistema gastou "pensando."

Um ponto fundamentalmente importante: isso não se trata de escrever alguns scripts ou automatizar tarefas rotineiras. Agentes de IA trabalharam com decisões arquitetônicas — tomaram decisões sobre a estrutura dos módulos, processaram interdependências entre componentes, implementaram padrões complexos de programação assíncrona. Aqui é onde passa a fronteira que costuma ser considerada inatingível para automação: tarefas que exigem pensamento sistêmico, não apenas reprodução de padrões. Aparentemente, essa fronteira está começando a se deslocar.

Para a indústria, as consequências de tais experimentos podem se revelar muito mais sérias do que parecem à primeira vista. Se o custo de reproduzir um produto de software complexo está caindo rapidamente, isso muda os cálculos econômicos fundamentais no desenvolvimento. Uma startup que anteriormente precisava de uma rodada de financiamento apenas para montar uma equipe e construir um MVP agora pode obter um protótipo funcional por uma quantia comparável a uma assinatura mensal de serviços em nuvem.

Grandes empresas, por sua vez, começarão a se questionar: quantas tarefas de engenharia realmente exigem participação humana e quantas podem ser delegadas a sistemas de agentes? Essa não é uma pergunta abstrata e filosófica — é uma questão sobre contratação, orçamentos e estrutura organizacional.

Ao mesmo tempo, seria uma simplificação excessiva interpretar este experimento como evidência de que desenvolvedores estão se tornando supérfluos. Todo o processo foi guiado por pessoas que entendiam o que estavam construindo, por quê e em que direção se mover. Modelos de linguagem ampliaram a produtividade da equipe muitas vezes, mas não substituíram a competência. A diferença entre um arquiteto e um pedreiro não desapareceu — é apenas que pedreiros agora trabalham na velocidade de máquinas.

O que está acontecendo não é o fim da era da programação, mas o início de sua nova fase. Onde um especialista capaz de escrever código correto era valorizado antes, a capacidade de formular corretamente uma tarefa, avaliar o resultado e construir um sistema a partir de componentes, alguns dos quais são criados autonomamente, agora desempenha um papel cada vez mais importante. Os próximos dois ou três anos provavelmente mostrarão quão sustentável essa tendência é e exatamente onde estão as fronteiras do que agentes de IA podem fazer de forma confiável, em vez de apenas impressivamente. Por enquanto, o número de 1100 dólares permanece como o indicador mais preciso da escala de mudança — e ele fala por si.