- O surgimento de ferramentas de Agentic Coding está reduzindo drasticamente o custo de mão de obra no desenvolvimento de software
- A velocidade de implementação caiu a ponto de um projeto interno de web app que antes levava um mês poder ser concluído em uma semana
- Ferramentas como Claude Code geram centenas de testes em poucas horas, mudando a dinâmica para que equipes pequenas entreguem resultados em grande escala
- A queda de custos pode provocar uma explosão da demanda latente (Paradoxo de Jevons), levando mais organizações a criar software sob medida
- O conhecimento de domínio e a capacidade de colaboração entre humanos e agentes dos desenvolvedores surgem como nova vantagem competitiva, com expectativa de uma rápida transformação em toda a indústria até 2026
Mudança na estrutura de custos do desenvolvimento de software
- A expansão do open source foi o primeiro ponto de virada na redução dos custos iniciais de desenvolvimento de software
- No passado, SQL Server, Oracle e outros exigiam dezenas de milhares de dólares por ano em licenças, enquanto o MySQL permitia criar aplicações de rede gratuitamente
- Depois disso, a adoção da nuvem reduziu o gasto de capital inicial, mas teve efeito limitado na redução do custo total
- Nos últimos anos, TDD, microsserviços, frontends complexos em React e Kubernetes acabaram aumentando a complexidade e estagnando a redução de custos
- Em contraste, os agentes de IA reduzem de forma drástica o custo de mão de obra no processo de desenvolvimento
Base para a estimativa de redução de 90%
- Até o início de 2025 havia ceticismo em relação às ferramentas de codificação com IA, mas recentemente a CLI de Agentic Coding comprovou grande eficiência na prática
- Como exemplo, o Claude Code gerou mais de 300 testes para uma ferramenta interna em poucas horas
- Um projeto que antes levava um mês agora pode ser concluído em uma semana
- O tempo de implementação caiu drasticamente, mas o tempo de raciocínio (design) permaneceu o mesmo
- Com equipes menores, o overhead de comunicação desaparece
- Como resultado, poucas pessoas alcançam produtividade mais de 10 vezes maior
Explosão da demanda latente
- A queda de custos é explicada pelo Paradoxo de Jevons, segundo o qual a demanda em toda a indústria não diminui, e sim se expande
- Muitas organizações ainda operam processos de trabalho baseados em Excel, e existe demanda latente para convertê-los em apps SaaS
- Se um orçamento que antes era de 50 mil dólares cair para algo em torno de 5 mil, até projetos não essenciais passam a ser desenvolvidos
- Portanto, é possível que a produção total da indústria de desenvolvimento aumente
Conhecimento de domínio como nova vantagem competitiva
- No momento, a supervisão e o julgamento humanos continuam indispensáveis
- É preciso revisar a abordagem do agente e corrigir caminhos equivocados
- Desenvolvedores que dominarem essa tecnologia terão uma melhora significativa na capacidade de resolver problemas de negócio
- A combinação de conhecimento de domínio + domínio técnico surge como a principal vantagem competitiva
- Especialistas de negócio e desenvolvedores podem iterar rapidamente em pequenas unidades de colaboração
- O software passa a se tornar um “ativo descartável”, que pode ser abandonado e refeito imediatamente se estiver indo na direção errada
É preciso se preparar para a mudança
- LLMs e modelos agentes estão melhorando rapidamente, e os benchmarks existentes não conseguem refletir isso adequadamente
- Ex.: Opus 4.5 mantém sessões de 10 a 20 minutos com estabilidade
- Com grandes investimentos em infraestrutura de GPU, a expectativa é de melhora acentuada no desempenho dos modelos no futuro
- Alguns desenvolvedores ainda afirmam que “LLMs erram muito” ou que “não economizam tempo”, mas isso está cada vez menos alinhado com a realidade
- Assim como engenheiros de desktop que ignoraram o iPhone em 2007, há risco de ficar para trás ao rejeitar a mudança
- Grandes empresas tendem a adotar mais lentamente por causa de estruturas burocráticas, mas equipes pequenas podem aproveitar isso imediatamente
- LLMs são eficazes não só em novos projetos, mas também na análise e manutenção de codebases existentes
- Alta eficiência para entender a estrutura de código antigo, detectar bugs e sugerir correções
- Como resultado, 2026 tem grande chance de marcar um ponto de virada na forma de desenvolver software
1 comentários
Comentários do Hacker News
Ouvi dizer que o Claude Code gerou mais de 300 testes em poucas horas
Mas fica a dúvida se esses testes realmente verificam o comportamento pretendido e conseguem transmitir com clareza ao próximo desenvolvedor como o sistema funciona
Mesmo que a IA gere código rapidamente, sem dedicar o mesmo nível de tempo de revisão cuidadosa, há um grande risco de queda na qualidade
Eu também tentei seguir o conselho de “me adaptar ativamente” ao coding com IA
Mas, como trabalho mais com robótica e embarcados, criar webapps ou jogos com IA foi uma experiência entediante e frustrante
Quando eu pedia ao Cursor para corrigir um problema, ele só piorava as coisas, e no fim aprender Flask e JS por conta própria foi muito mais eficiente
A IA foi excelente para encontrar documentação e mensagens de erro, mas “entregar o volante” para ela não ajudou em nada
Tenho dúvidas se essa história de a IA dar “10x de produtividade” é mesmo verdade
Na prática, o mais realista é usá-la como um Google/Stack Overflow turbinado
A maior parte do código eu ainda escrevo sozinho, e a IA só ajuda em tarefas repetitivas simples ou na criação de scripts
Para ter sucesso, é preciso saber instruir e explicar com clareza, como se fosse um ‘mentor’
É importante criar o hábito de pedir alterações por prompt sem mexer diretamente, e esse processo acaba fortalecendo a capacidade de comunicação
Quando vejo artigos assim, fica clara a diferença de percepção entre as equipes de desenvolvimento e a gestão
O pessoal de cima acha que entendeu o sistema inteiro com algumas linhas de requisitos, mas na prática quase não conhece as dependências nem o contexto
A verdadeira arte de uma boa equipe de desenvolvimento é transformar essas exigências vagas em um produto real, e ainda não existe tecnologia capaz de automatizar isso
O custo de escrever código simples caiu 90%
Mas reduzir um problema a código simples ainda exige muita experiência e tempo
O Claude Code foi excelente para entender e modificar codebases antigas
Também ajudou com testes e debugging, então a sensação foi de uma produtividade 10x maior
Não é só escrever código mais rápido, mas funcionar como um segundo cérebro veloz
Consegui criar scripts ou minissserviços web em menos de 1 hora para resolver problemas
mas acho que esse tipo de tarefa simples já deveria ter sido automatizado antes mesmo da IA
Os LLMs parecem um upgrade de uma pá para 10 escavadeiras,
mas se o projeto estiver fadado ao fracasso, eles só vão fazer você fracassar mais rápido
O Claude Code escreve bem até código complexo, desde que esteja dentro dos padrões que aprendeu
Se de fato o custo de desenvolver software sob medida tivesse caído 90%,
o mercado deveria estar inundado de SaaS baratos, mas não é isso que vemos
No fim, parece que escrever código não é o maior problema
Manutenção, segurança, upgrades, hospedagem, suporte ao cliente, novas funcionalidades etc.
Esse é o verdadeiro valor embutido na assinatura de um SaaS
Para a IA resolver essa parte também, ainda devem faltar uns 3 a 5 anos
O resto é ocupado por reuniões, alinhamentos, esperas etc.
Mesmo que o custo de codificação caia 90%, mais da metade do custo total continua existindo
Além disso, se a IA nem consegue resumir linguagem natural com precisão,
é difícil acreditar que ela consiga entender e escrever totalmente o significado do código
Vídeo relacionado: link do YouTube
Já existe SaaS de sobra hoje, mas a realidade é que, mesmo com boas funcionalidades, tocar o negócio continua sendo difícil
Grande parte da engenharia na prática é trabalho para vendor lock-in
Por causa de visibilidade nas plataformas, confiança e controle algorítmico, novos SaaS têm dificuldade para crescer
Grandes empresas copiam tudo rapidamente, e os consumidores têm cada vez menos dinheiro
No fim, o mercado não é justo, e por isso muita gente está voltando os olhos para a esfera política
Quem já trabalhou em empresa grande dificilmente vai concordar com esse tipo de artigo
Por exemplo, em um lugar como a Shutterstock, até uma solicitação simples exige mexer em 5 sistemas
A IA ajuda a entender e modificar o código,
mas dizer que o custo total de desenvolvimento caiu 90% simplesmente não é verdade
este texto é praticamente uma peça promocional voltada para empresas
Sobre a afirmação de que “toda organização tem centenas de planilhas Excel, e seria melhor transformá-las em SaaS”,
eu queria perguntar melhor para quem, exatamente
Planilhas podem ser manipuladas diretamente por pessoas com conhecimento de domínio,
e continuam sendo ferramentas poderosas justamente por sua alta acessibilidade
Como fórmulas e UI ficam fortemente acopladas, é difícil entender a lógica interna
Especialmente no Excel, a manutenção é difícil, e quanto mais complexo fica, mais eu acho que vale mais a pena migrar para código
e sim que são necessários reforços estruturais como colaboração, controle de acesso e testes
Quando começa a ser usada como banco de dados, ou quando vários usuários passam a mexer nela ao mesmo tempo, esse costuma ser o ponto de transição
Problemas comuns são resolvidos por soluções como SAP,
mas a maior parte das planilhas existe para problemas sob medida com um único cliente
A impressão é que a regra 90/90 continua válida
A IA resolve rapidamente os primeiros 90%, mas os 10% restantes são a parte realmente difícil
Os LLMs são úteis na fase de trabalho braçal, mas na etapa final de acabamento detalhado acabam mais atrapalhando do que ajudando
Para criar sites simples, isso pode parecer mágica,
mas esse tipo de trabalho provavelmente será uma área cada vez menos viável para ganhar a vida
Quando você para e examina o resultado gerado com atenção, começa a duvidar se ele está realmente correto
É surpreendente que tanta gente ainda use IA só como chatbot de copiar e colar
Mas, com instruções adequadas, o Claude Code consegue reproduzir em minutos experimentos que levariam semanas
No trabalho real, mais importante do que código perfeito é entregar resultados rapidamente
Claro, bugs de segurança e erros de lógica de negócio ainda continuam sendo riscos
Acho que, com especialistas de domínio trabalhando junto, esses problemas vão diminuir cada vez mais
É importante equilibrar desenvolvimento de funcionalidades e gestão da codebase
Ainda tenho dúvidas se agentes como o Cursor conseguem manter bem esse equilíbrio
Depois do boom dos LLMs, participei de um projeto para substituir o Excel
Mas, na prática, era um caso em que não especialistas tentaram criar apps com IA e fracassaram
Analistas de dados fizeram apps em Python no estilo ‘vibe coding’,
mas não havia gerenciamento de estado e a estrutura era um caos
No fim, isso gerou um resultado desastroso, com dados de clientes sendo processados de forma errada
Em organizações assim, como não há equipe técnica, a IA acaba acelerando o risco