Yandex mostra no AI Dev Day como a IA já muda o desenvolvimento na Avito, Ozon e T-Bank

A Yandex reuniu o AI Dev Day e, na prática, mostrou que a IA no desenvolvimento já saiu do modo demonstração. No palco, empresas como Avito, Ozon, T-Bank, Sber e Yandex Go falaram não de hype, mas de métricas, limitações e lugares onde os agentes já economizam horas.

De assistentes a agentes

A principal mudança, citada em quase todas as palestras, é que o mercado deixa as simples sugestões na IDE e parte para agentes capazes de alterar código por conta própria, escrever testes, buscar informações internas, fazer revisão e até analisar incidentes.

A Avito destacou que o fine-tuning de modelos open source para a empresa nem sempre dá o melhor resultado: muitas vezes é mais importante dar a um modelo forte bom contexto, acesso à documentação e ferramentas via MCP. Outras equipes fazem aposta parecida: não em um «modelo mágico», mas em uma combinação funcional de agente + contexto + infraestrutura.

Na Yandex isso já parece uma plataforma sistêmica. Cerca de 57% dos engenheiros usam o assistente interno, e em backend e frontend a fatia chega a 60–75%. Mais de 90% da infraestrutura interna já está coberta por servidores MCP, e entre os usuários ativos 23% do código no modo agente é gerado automaticamente. A ênfase sai da simples métrica de adoção e vai para uma pergunta mais dura: onde exatamente o agente pode trabalhar quase de forma autônoma, com o humano intervindo só nos pontos complexos.

Onde já há efeito

A parte mais útil do AI Dev Day não foi a conversa sobre o futuro, mas os números da produção. As empresas já medem não só o número de usuários do assistente, mas também o tempo até o release, a velocidade de revisão, a qualidade dos testes e o custo dos incidentes. Na prática, a IA passou a ser avaliada como uma ferramenta de engenharia comum: se não move as métricas de negócio, o efeito uau não basta.

• Na Yandex, desenvolvedores que usam IA fazem cerca de 10% mais commits, e em Go, Python e JavaScript até 20%; algumas tarefas técnicas dos agentes caíram de 20 para 2 minutos.
• No T-Bank, o merge time mediano caiu 12%, e nas equipes «embaixadoras» o lead time diminuiu 30% em um ano; a geração de testes unitários quadruplicou.
• Na Ozon, cerca de 1100 pessoas usam diariamente o assistente de agentes, ou seja, aproximadamente um quarto ou um terço do desenvolvimento, e a revisão automática no GitLab teve tanta procura que o lançamento precisou ser limitado.
• No Sber, um sistema de IA para designers reduziu a revisão de um layout de uma hora para dois minutos, e a criação de uma nova tela, de 16 horas para cinco minutos.
• Na Yandex Go, a IA já ajuda a analisar cerca de 400 incidentes por dia e economiza aproximadamente 30 minutos por postmortem de cada caso.

Também é importante que o leque de tarefas se amplia rápido. Já não é só geração de código, mas também busca em conhecimento interno, checklists automáticos, apoio a analistas, revisão de design e cenários de SRE. Se há um ano a IA parecia mais um autocomplete inteligente, agora tenta-se embuti-la em todo o SDLC, da definição da tarefa à análise das consequências em produção.

Por que o entusiasmo é limitado

Apesar dos casos fortes, os palestrantes falaram com bastante sobriedade das limitações. A Avito disse abertamente que, por enquanto, quase não se vê aceleração perceptível de todo o ciclo de desenvolvimento: no máximo 4–5% em equipes isoladas. O motivo é simples: escrever código ocupa só parte do tempo de trabalho, e os gargalos estão na revisão, nas aprovações, nos testes e na entrega das mudanças. Por isso, a geração em massa de código não resolve o problema sozinha: pode apenas empurrar o gargalo para mais adiante no processo.

Qualidade e controle são outra dor. Os modelos podem «enrolar» nos testes, simular a chamada de uma ferramenta, entregar um design genérico e entediante ou errar numa linguagem de domínio interna. Na Yandex Go, por exemplo, os cenários de SRE acabaram migrando para prompts em inglês, porque em russo os resultados eram piores. Além disso, agentes realmente úteis exigem uma base cara: observabilidade, grafo de dependências de serviços, auditoria de mudanças, catálogos de serviços e métricas de cenário adequadas, não apenas demos bonitas.

«Não haverá fim do mundo.

Haverá uma evolução cruel, mas fascinante.»

Por isso quase todas as palestras convergiam para uma ideia: o human-in-the-loop não desapareceu. A Ozon é cautelosa com modelos externos por causa do risco de vazamento de código. O Sber teve de combater separadamente o design conservador e as alucinações. A Yandex mede não só o benefício, mas também efeitos colaterais, como a manutenção do código gerado. A IA aqui já não é brinquedo, mas também não é um funcionário autônomo: é antes um acelerador que exige boas regras, ferramentas e validação constante.

O que isso significa

Depois do AI Dev Day, fica difícil dizer que a IA corporativa para desenvolvimento é só um experimento. O experimento acabou: agora a disputa é sobre quem tem melhor contexto, métricas, processos e infraestrutura. A IA não elimina os desenvolvedores, mas muda de forma notável o preço da rotina, o papel da revisão e as exigências para quem sabe gerenciar agentes, e não apenas escrever código à mão.