AI Code Slop

Os agentes de IA como Claude Code, Codex ou Antigravity passaram a gerar uma quantidade de código altíssima em pouco tempo.

O problema mais visível não é na velocidade de implementação. É na forma como arquitetos e revisores lidam com o que chega.

Um artigo publicado pela IEEE Spectrum em setembro de 2026 descreve bem esse movimento. A expressão "AI Code Slop" vem sendo usada para se referir ao excesso de código gerado por agentes que, embora funcional, ainda exige revisão humana.

O que os dados nos mostram

A desconfiança é geral. Um levantamento da Sonar com mais de 1.100 desenvolvedores mostrou que 96% não confiam totalmente que o código gerado por IA seja de qualidade.

E eu concordo, mas com uma observação: Sem um profissional com profundos e notáveis conhecimentos de fundamentos como algoritmos, lógica de programação, princípios SOLID e Design Patterns, como será o código gerado?

Sem saber entender o negócio, o problema a ser resolvido e como escrever um BRD, FRD e NFR, como esse profissional vai passar o contexto correto para as ferramentas de IA? Sem entender que o processo consiste em delegar micro-tarefas com supervisão, entendimento do código gerado e determinação de quais Design Patterns implementar (e quais evitar), como ele vai conter o overengineering?

Segundo o mesmo estudo:

• Cerca de 42% do código atualmente produzido por desenvolvedores já tem participação de IA (em 2023, esse percentual era de apenas 6%, e a expectativa é que chegue a 65% até 2027).
• Apenas 48% dos desenvolvedores afirmam que sempre revisam o código gerado por IA antes de integrá-lo a projetos.
• 38% dizem que revisar código de IA dá mais trabalho do que revisar código escrito por colegas.
• 61% dos entrevistados apontam a razão: o código gerado por IA frequentemente "parece correto", mas contém falhas difíceis de identificar à primeira vista.

O caso curl: quando a confiança quebra

Um dos exemplos mais visíveis veio do projeto curl, uma das ferramentas open source mais usadas do mundo.

Em janeiro de 2026, o criador do curl, Daniel Stenberg, anunciou o fim do programa de recompensas por bugs. O programa rodava desde 2019 e havia pago mais de US$ 100 mil em recompensas por 87 vulnerabilidades confirmadas.

A partir de 2025, a qualidade das submissões despencou. A taxa de vulnerabilidades confirmadas caiu de acima de 15% para abaixo de 5% — menos de 1 em cada 20 relatórios descrevia um problema real. O resto era ruído, e uma parcela crescente desse ruído era gerada ou influenciada por IA.

A solução foi remover o incentivo financeiro. Relatórios de segurança agora passam pelo GitHub sem recompensa. Stenberg descreveu a decisão como uma tentativa de parar pessoas de "jogar areia na máquina".

O que as empresas começaram a fazer

O artigo da Spectrum descreve práticas que já estão sendo testadas:

1. Revisar o plano antes de deixar o agente gerar código: Na Amazon, um engenheiro relatou que uma instrução ausente fez um agente gerar 25 mil linhas na versão errada do Swift. A correção foi descartar, atualizar a especificação e reiniciar. Quinze minutos depois, o código foi regenerado corretamente.
2. Usar agentes especializados para uma primeira triagem: A CodeRabbit lançou recursos que separam a revisão em camadas: Triage (priorização por risco e valor), Change Stack (análise de impacto e dependências) e Security Agent (varredura de vulnerabilidades). A ideia é direcionar a atenção humana para o que realmente importa.
3. Exigir que o desenvolvedor consiga explicar o código: "Se você não sabe explicar o código, não libere o código", resume um diretor de delivery entrevistado pela Dice. Em entrevistas técnicas, se a resposta para o funcionamento de uma linha for "o agente fez", a conversa termina ali.

O que Fazer vs. O que Não Fazer

🚫 O que NÃO Fazer

1. Não deixe o volume ultrapassar a capacidade de revisão
   Na prática: O CTO da Synthesia relatou que o número de pull requests cresceu 120% ano a ano, com 95% contendo código de IA. Em um caso, a ferramenta criou 10 versões da mesma função porque não reconheceu que o código já existia.
   A lição: Volume sem capacidade de absorção vira fila, e fila vira retrabalho.

2. Não confunda "passou no teste" com "está pronto"
   Na prática: O agente gera código que compila, passa nos testes e parece correto. Porém, na revisão humana, aparecem suposições erradas, dependências duplicadas e decisões de design desnecessárias. Testes funcionais verificam comportamento, não se o código respeita os limites do sistema.

3. Não aceite "o agente fez" como resposta
   Na prática: Em processos seletivos e revisões de PRs, candidatos e autores que não explicam o próprio código estão sendo desqualificados. O raciocínio é direto: contrata-se o julgamento do engenheiro, não a saída bruta da ferramenta.

4. Não ignore o custo da revisão
   Na prática: Revisar código de IA dá mais trabalho do que código humano. Ele parece correto na superfície, mas esconde falhas estruturais que exigem investigação profunda. Ignorar esse custo prejudica o planejamento.

5. Não use a IA como desculpa para reduzir a revisão
   Na prática: Apenas 48% dos desenvolvedores revisam sempre o código de IA. Em ambientes críticos, apostar na sorte sem revisão gera incidentes graves.

✅ O que FAZER

1. Revise o plano antes da geração
   O que fazer: Escreva uma especificação detalhada antes de deixar o agente gerar código. A especificação é o novo artefato crítico: ela define o que o agente deve construir e, principalmente, o que não deve fazer.

2. Use triagem para direcionar atenção
   O que fazer: Estruture a revisão em camadas. Um erro de digitação em mensagem de erro não precisa do mesmo nível de exame do que uma alteração no sistema de autenticação.

3. Exija explicabilidade do autor
   O que fazer: Adote práticas de revisão reversa (como a skill open source do-i-understand). Antes de submeter o PR, o desenvolvedor deve provar que entende o código o suficiente para ser responsável por ele.

4. Separe revisão funcional de revisão estrutural
   O que fazer: Passar em testes é apenas uma dimensão. O benchmark SWE-Gate mostrou que 34,3% dos patches que passam em testes funcionais falham em restrições de revisão (como generalização de escopo e limpeza de recursos).

5. Meça o custo real da revisão
   O que fazer: Monitore o tempo gasto em revisão, remoção de duplicatas e retreinamento/reajuste do agente. Medir esse esforço é a única forma de saber se o ganho de geração está se convertendo em entrega ou em dívida técnica.

O que isso significa para quem escreve código hoje

A revisão está se tornando a habilidade central. Não uma revisão superficial do tipo "parece bom", mas a revisão estrutural: entender o que o código faz, por que faz assim e se é aceitável para a arquitetura.

"A velocidade de geração de código aumentou. A capacidade de absorver essa geração ainda é o gargalo. Revisar não é opcional: é a barreira entre a velocidade e o caos."

📚 Fontes da Pesquisa

1. Sonar – State of Code Developer Survey (2026). Pesquisa com mais de 1.100 desenvolvedores.
2. IEEE Spectrum – AI Slop Is Changing How Engineers Review Code (setembro/2026), por Aaron Mok.
3. Telerik – Is AI Overwhelming Open Source? (abril/2026). Análise do caso curl.
4. InfoWorld – CodeRabbit adds AI features to prioritize incoming pull requests (agosto/2026).
5. GitHub – AnthonyPAlicea/skills (junho/2026). Skill do-i-understand.
6. Dice – Review First, Execute Later (maio/2026).

📖 Leituras Recomendadas

Quem quiser se aprofundar no tema de forma estruturada pode consultar a série Engenharia de Software Assistida por IA, em especial o Volume VI – Supervisão e Auditoria de Código Gerado por IA.

💡 Destaques:

• 🏷️ Cupom de 30% OFF nos eBooks: LEIA30
• 📖 Disponível também no Kindle Unlimited!

👉 Série eBook completa:

https://link.amazon/B09Kdiptl

📖 Livros Físicos (capa comum):

• 📘 Volume I - A Nova Realidade da Engenharia de Software
• 📙 Volume II - Fundamentos que a IA Não Substitui
• 📗 Volume III - Engenharia de Requisitos na Era da IA
• 📕 Volume IV - Arquitetura e Design de Soluções na Era da IA
• 📓 Volume V - Delegação Técnica para IA
• 📔 Volume VI - Supervisão e Auditoria de Código Gerado por IA
• 📒 Volume VII - Aplicações Reais
• 📗 Volume VIII - Engenharia de Contexto e Governança de IA

🔗 Página do autor na Amazon:

https://link.amazon/B0igkvwcK

#EngenhariaDeSoftware #InteligenciaArtificial #IA #SoftwareEngineering #AIAgents #CodeReview