Sber, Yandex e red_mad_robot mostram como a inteligência artificial muda o papel do desenvolvedor

A IA assume cada vez mais a parte rotineira do desenvolvimento, e o papel do engenheiro passa de escrever código manualmente para definir tarefas e controlar o resultado. Os exemplos de Sber, Yandex, T-Technologies e red_mad_robot mostram que essa mudança já afeta não só a velocidade dos lançamentos, mas também as exigências feitas aos próprios desenvolvedores.

Como o desenvolvimento está mudando

A Sber descreve seu caminho rumo ao AI PDLC por meio de uma escala de maturidade do nível zero ao quinto. Hoje a empresa está no nível de supervised automation: a IA já está embutida na maioria das etapas do desenvolvimento, mas a decisão final continua com o ser humano. Segundo a companhia, cerca de 14 mil desenvolvedores usam o GigaCode, e quase 80% deles trabalham com a ferramenta todos os dias. A fatia de código gerado por IA e aceito pelas equipes subiu de 45% no início de 2025 para 69% no fim do ano. Já não é um assistente pontual, mas um novo padrão de trabalho.

O passo seguinte é reconstruir o próprio ambiente. Em novembro de 2025, a Sber migrou os desenvolvedores do JetBrains IDE para o próprio GigaIDE PRO, onde atuam sete agentes de IA: de documentação e registro de logs a testes automatizados e análise. Mais da metade das sugestões deles é aceita. Em paralelo, muda a economia da contratação: se em 2024 um novo engenheiro precisava de 71 dias para atingir produtividade plena, agora são 36 dias. Nessa lógica, a pessoa se ocupa cada vez menos da mecânica e cada vez mais da gestão do processo.

"90% da implementação é feita pela IA, e 90% da gestão da ideia

continua com as pessoas."

O que acontece com as pessoas

O ganho tecnológico não elimina os custos humanos. Os pesquisadores da Sber observam que os juniores caem cada vez mais num papel estranho: não precisam tanto aprender a escrever código, e sim avaliar o resultado criado por um modelo, embora ainda lhes falte base própria. Engenheiros mais experientes enfrentam outro problema: parte do prazer do trabalho vinha de resolver tarefas complexas, e com os agentes surge a sensação de que você já não é o autor, mas o fiscal de uma esteira. Daí a ansiedade com habilidades, status e o próprio valor no mercado.

Em produção isso é ainda mais evidente. Numa corporação não dá para simplesmente ligar um modo agente da moda e esperar um milagre: o sistema precisa entender APIs internas, políticas de segurança e restrições regulatórias. Por isso o "vibe coding" quase não funciona em estado puro nas grandes empresas. O caso do GigaCode é revelador: em dezembro, ele fechou uma versão completa de uma ferramenta para upload e verificação de bibliotecas sem uma única linha escrita à mão. A versão incluiu cinco tarefas grandes e várias correções, e a equipe aceitou o resultado sem observações sérias. Isso muda a especialização do engenheiro: menos montagem manual, mais definição de tarefas, revisão e responsabilidade arquitetural.

Como se mede o efeito

Yandex e T-Technologies mostram que medir o efeito apenas por linhas de código já não faz sentido. Na Yandex, cerca de 70% dos desenvolvedores usam regularmente assistentes de IA ao escrever código e fazem, em média, 10–20% mais commits. Mas gerar código é só parte do trabalho: muito tempo vai para busca de informação, projeto, depuração e revisão. O AI Chat interno reduziu de forma notável as idas à wiki, e o DeepAgent, na estimativa da empresa, dá uma aceleração de dez vezes em tarefas complexas de pesquisa na base de código.

A T-Technologies, por sua vez, olha não para o volume de texto, mas para a Developer Experience.

• tempo do primeiro commit até o deploy
• fatia de tempo de foco e número de trocas de contexto
• velocidade da primeira revisão
• fatia de testes instáveis
• duração da adaptação de um novo engenheiro

Pela telemetria interna da T-Technologies, a fatia de usuários regulares de IA subiu de 17% para 85% em dez meses, e quatro semanas após o primeiro contato com o assistente, 80% continuam a usá-lo na IDE e 75% na interface web.

A red_mad_robot foi ainda mais longe: a empresa montou protótipos para web, iOS e Android em 48 horas, obteve cerca de 80 mil linhas de código e 208 commits, e o papel da equipe se resumiu, na prática, a um único engenheiro de IA que orquestrava agentes. Com custo de modelo de cerca de 27 dólares por protótipo, isso já não é só aceleração, mas uma nova economia do produto.

O que isso significa

O desenvolvedor não desaparece, mas seu trabalho sobe rapidamente de nível: de escrever código para formular a intenção, verificar o resultado e gerenciar agentes. Para as empresas, o principal risco agora não é a IA escrever demais, mas o negócio conseguir acelerar os lançamentos sem conseguir reconstruir treinamento, métricas e cultura de engenharia para a nova realidade.