Sber, Yandex e red_mad_robot mostraram como a AI está mudando o papel do desenvolvedor

A IA está assumindo cada vez mais os aspectos rotineiros do desenvolvimento, e o papel do engenheiro está mudando da escrita manual de código para a formulação de tarefas e validação de resultados. Exemplos do Sber, Yandex, T-Technologies e red_mad_robot demonstram que essa mudança já impacta não apenas a velocidade de lançamentos, mas também os requisitos de competência para desenvolvedores.

Como o desenvolvimento está mudando

O Sber descreve o movimento em direção ao AI PDLC através de uma escala de maturidade de zero ao nível cinco. A empresa opera atualmente no nível de automação supervisionada: a IA está integrada na maioria dos estágios de desenvolvimento, mas as decisões finais permanecem com os humanos. De acordo com a empresa, aproximadamente 14 mil desenvolvedores utilizam o GigaCode, com quase 80% interagindo com a ferramenta diariamente.

O percentual de código gerado por IA e aceito pelas equipes cresceu de 45% no início de 2025 para 69% no final do ano. Isso não é mais um assistente pontual—é um novo padrão de trabalho. O próximo passo envolve reestruturação do ambiente.

Em novembro de 2025, o Sber transferiu desenvolvedores da IDE JetBrains para sua própria GigaIDE PRO, onde sete agentes de IA operam: desde documentação e logging até testes automatizados e análise. Mais da metade das sugestões são adotadas. Simultaneamente, a economia de contratação está mudando: enquanto engenheiros novatos requeriam 71 dias para atingir produtividade plena em 2024, esse número agora é de 36 dias.

Neste modelo, humanos cada vez mais gerenciam o processo em vez de executar mecânica.

"90% da implementação é realizada pela IA, enquanto 90% do

gerenciamento conceitual permanece com as pessoas."

O que está acontecendo com as pessoas

Ganhos tecnológicos não eliminam custos humanos. Pesquisadores do Sber observam que desenvolvedores juniores cada vez mais ocupam uma posição incômoda: devem avaliar resultados gerados pelo modelo em vez de aprender a escrever código do zero, apesar de não possuírem conhecimento fundamental. Engenheiros experientes enfrentam um desafio diferente: grande parte da satisfação derivada de resolver problemas complexos desaparece, e com agentes vem a sensação de ser um controlador de fluxo em vez do criador.

Isso gera ansiedade sobre habilidades, status e valor de mercado. Em escala de produção, a tensão é ainda mais aguda. Em grandes corporações, você não pode simplesmente ativar o modo agente e esperar sucesso—os sistemas devem compreender APIs internas, políticas de segurança e restrições regulatórias.

A "vibe coding" pura raramente funciona para empresas. Um caso recente do GigaCode ilustra isso: em dezembro, eles lançaram uma ferramenta completa para upload e validação de bibliotecas sem escrever uma única linha manual de código. O lançamento abordou cinco grandes tarefas mais correções, e a equipe aceitou os resultados sem objeções materiais.

Isso redefine a especialização do engenheiro: menos montagem manual, mais formulação de tarefas, revisão de código e propriedade arquitetural.

Como o efeito é medido

Yandex e T-Technologies demonstram que medir impacto apenas por linhas de código é obsoleto. No Yandex, aproximadamente 70% dos desenvolvedores regularmente empregam assistentes de IA para codificação e produzem em média 10–20% mais commits. Porém, geração de código representa apenas parte do trabalho: tempo significativo vai para busca de informações, design, depuração e revisão. O AI Chat interno reduziu notavelmente visitas à wiki, enquanto DeepAgent, conforme estimativas da empresa, oferece aceleração dez vezes maior em tarefas complexas de pesquisa de base de código. T-Technologies, por outro lado, focam em Developer Experience em vez de volume de texto:

• tempo do primeiro commit ao deployment
• compartilhamento de tempo focado e frequência de troca de contexto
• velocidade da primeira revisão
• proporção de testes instáveis
• duração da integração do novo engenheiro

Conforme telemetria interna da T-Technologies, a proporção de usuários regulares de IA passou de 17% para 85% em dez meses. Quatro semanas após a primeira exposição ao assistente, 80% continuam utilizando-o na IDE e 75% na interface web. red_mad_robot foi além: a empresa construiu protótipos para web, iOS e Android em 48 horas, gerou aproximadamente 80 mil linhas de código e 208 commits, com o papel da equipe efetivamente reduzido a um engenheiro de IA orquestrando agentes. A aproximadamente $27 por protótipo, isso representa não apenas aceleração, mas uma nova economia de produto.

O que isso significa

Desenvolvedores não desaparecem, mas seu trabalho rapidamente ascende a um nível superior: da escrita de código para formulação de intenção, validação de resultados e gerenciamento de agentes. Para organizações, o risco principal não é mais que a IA gere demais—é que o negócio consiga acelerar lançamentos enquanto falha em reestruturar treinamento, métricas e cultura de engenharia para a nova realidade.