Como fazer code review na era da IA?

• Ensaio que, a partir da experiência de um CTO com 15 anos de carreira, organiza o debate sobre code review na era da IA em tese-antítese-síntese
• Code review sempre foi um problema — faltavam tempo, pessoas e processo
• A IA fez o volume de código produzido explodir, mas a capacidade de revisão permaneceu a mesma → o gargalo ficou ainda maior

Tese — a revisão humana é indispensável

• Simon Willison: "não empurre para seus colaboradores um código que você não revisou"
• Kent Beck: quanto mais o custo de geração se aproxima de zero, mais o valor migra da geração para a verificação
• Addy Osmani: "o problema não resolvido não é a geração, e sim a verificação"
• Por melhor que a IA seja, a responsabilidade continua sendo humana → é preciso verificar → é preciso revisar

Antítese — o fim da era da revisão humana

• Bryan Finster: aplicação do teorema de Nyquist-Shannon — se só a frequência de produção aumenta e a frequência de feedback permanece igual, haverá falhas sistemáticas
• Dados da SmartBear: acima de 400 linhas, a taxa de detecção de defeitos despenca; a IA gera 600 linhas de uma vez
• StrongDM, "fábrica de software": humanos não escrevem nem leem código. Apenas definem intenções e fazem a curadoria de cenários
• Stanford CodeX: "se agentes criam e testam, em quem podemos confiar?"
• Salesforce Prizm: o próprio modelo de revisão centrado em diff não funciona na era da IA → reconstrução da intenção

Síntese — o que deve ser revisado

• latent.space: code review → intent review (revisão de intenção)
• A especificação é a fonte da verdade; o código é o artefato resultante
• Construir confiança em 5 camadas (modelo do queijo suíço)
• Padrão Qodo: contexto em primeiro lugar, baseado em severidade, revisão por agentes especialistas
• Bryan Finster: os únicos bloqueios humanos são conhecimento insuficiente + caminho regulatório

Conclusão

• O autor não revisa diretamente o código gerado por IA → faz a transição para o papel de QA
• Engenheiro nativo de IA = precisa assumir por conta própria o papel de PM de eras anteriores
• "Você consegue se responsabilizar pelo seu código?"

[kgcrom]

https://app.devin.ai/review

Ainda não sei se isso vai acabar sendo só mais um método passageiro, como os erros de ponto intermediário,
mas estou compartilhando uma ferramenta que permite entender o código e corrigir bugs enquanto faz review de PR com IA.

Eu a uso em projetos paralelos quando não consigo entender as alterações de código feitas pela IA.

[pencil6962]

Falácia do meio-termo (argument to moderation): quando existem duas afirmações extremas (A e Z), trata-se da lógica de concluir, sem justificativa, que o ponto intermediário (M) será a verdade ou a melhor solução.

[overthinker]

Do ponto de vista do grupo contrário, a revisão humana acaba sendo o gargalo.

[vk8520]

Acho que metade e metade ainda é algo irrealista por enquanto. O código continua sendo usado, e como os LLMs são probabilísticos, a pessoa ainda precisa ler todo o código que escreveu. Para facilitar a revisão, ainda há necessidade de usar um template automático para o PR ou registrar em ADR para entender contexto e intenção.