← blog
Vibe CodingClean CodeIA

Vibe coding entre a euforia e a ressaca técnica

10 de maio de 202611 min de leitura

Em fevereiro de 2025, Andrej Karpathy publicou um tweet casual descrevendo uma forma de programar que parecia mais improviso do que engenharia. A ideia era simples: conversar com uma IA, aceitar as sugestões quase sem revisar e seguir construindo software guiado pela sensação de progresso. Pouco tempo depois, aquilo já tinha nome: vibe coding.

O termo saiu rápido do nicho técnico. Virou pauta de conferência, discurso de CEO, aposta de investidores e combustível para uma nova onda de ferramentas de desenvolvimento assistido por IA. Em menos de dois anos, copilotos de código deixaram de ser curiosidade experimental para se tornarem parte do fluxo diário de milhares de desenvolvedores.

Mas junto da euforia veio outra coisa: bugs absurdos, vazamentos de dados, sistemas frágeis e uma sensação crescente de que talvez a produtividade prometida estivesse cobrando uma conta técnica pesada demais.

O debate deixou de ser “IA vai mudar programação?” e passou a ser outro:

O que acontece quando velocidade de geração é confundida com engenharia de software?

A origem do vibe coding

Karpathy descreveu vibe coding como um processo em que o desenvolvedor “se entrega às vibrações”, deixa a IA gerar o código e para de acompanhar cada detalhe do que está sendo produzido.

O detalhe mais importante — e frequentemente ignorado — é que ele falava de projetos descartáveis, protótipos rápidos e experimentos de fim de semana. Não de sistemas críticos em produção.

Esse contexto desapareceu rápido.

O mercado pegou a ideia original, removeu os limites implícitos e transformou o conceito em narrativa de inevitabilidade. Em pouco tempo, vibe coding passou a ser vendido quase como uma evolução natural da engenharia de software.

O próprio Karpathy recuou parcialmente depois. Em 2026, começou a usar outro termo: agentic engineering.

A mudança não foi estética. Ela marca uma diferença importante:

  • vibe coding = improvisação acelerada;
  • agentic engineering = coordenação disciplinada de agentes de IA sob supervisão humana.

Na prática, até os criadores da narrativa perceberam cedo que “aceitar tudo” não escala.

A explosão das ferramentas

O crescimento das ferramentas de IA para programação foi agressivo até para os padrões do mercado de software.

Cursor, Copilot, Claude Code, Devin, Replit Agent, Bolt.new e dezenas de plataformas similares criaram uma sensação inédita: a de que escrever software estava ficando mais próximo de dirigir um sistema do que de programar linha por linha.

E, honestamente, parte disso é verdade.

Hoje é possível:

  • gerar boilerplate em segundos;
  • criar protótipos completos muito rápido;
  • migrar partes de código automaticamente;
  • automatizar tarefas repetitivas;
  • acelerar debugging e documentação;
  • explorar ideias com um custo inicial muito menor.

Isso mudou o fluxo de trabalho real de engenharia.

O problema é que produtividade aparente não é a mesma coisa que produtividade sustentável.

A IA reduz fricção na geração. Mas manutenção, segurança, coerência arquitetural e entendimento do sistema continuam existindo.

Só que agora eles chegam depois — acumulados.

O mercado comprou a ideia de inevitabilidade

Parte da euforia veio do próprio discurso das big techs.

Executivos passaram a divulgar percentuais cada vez maiores de código “escrito por IA”. Isso ajudou a criar a percepção de que a transição já estava decidida e que resistir seria ficar para trás.

O problema é que essas declarações quase sempre falam de volume gerado, não de qualidade sustentada.

Existe uma diferença enorme entre:

  • IA participar do desenvolvimento;
  • IA substituir engenharia de software madura.

E essa diferença começou a aparecer quando os estudos saíram do marketing e chegaram nos dados.

A produtividade não foi tão simples quanto parecia

Os primeiros estudos usados para defender IA em programação mostravam ganhos relevantes de velocidade em tarefas específicas.

Só que os resultados mais próximos da realidade começaram a complicar a narrativa.

Em experimentos envolvendo desenvolvedores experientes trabalhando em repositórios reais, alguns grupos ficaram mais lentos usando IA — mesmo acreditando que estavam mais rápidos.

Esse talvez seja o dado mais importante de toda a discussão:

Desenvolvedores frequentemente não conseguem medir corretamente se a IA realmente aumentou sua produtividade.

Isso acontece porque boa parte da fricção foi deslocada.

Você escreve menos.

Mas revisa mais. Depura mais. Valida mais. Corrige mais.

A sensação subjetiva de velocidade continua existindo porque gerar código é divertido e instantâneo. Já manutenção, regressão e investigação aparecem depois.

O código piorou em vários cenários

Esse é o ponto em que o hype começa a perder força.

Relatórios de qualidade de código mostraram aumento de:

  • duplicação;
  • retrabalho;
  • bugs;
  • vulnerabilidades;
  • configurações inseguras;
  • código descartável;
  • regressões difíceis de rastrear.

E isso faz sentido.

LLMs otimizam principalmente para:

“código que parece plausível”.

Não para:

  • clareza arquitetural;
  • longevidade;
  • domínio de negócio;
  • consistência sistêmica;
  • manutenção futura.

Uma IA consegue produzir rapidamente algo funcional. Isso não significa que produziu algo saudável.

A diferença entre essas duas coisas é exatamente o espaço onde engenharia de software continua sendo necessária.

Quando o “Accept All” encontra produção

Os incidentes começaram a aparecer em sequência.

Aplicações geradas com forte dependência de IA passaram a acumular:

  • bancos apagados;
  • permissões abertas;
  • segredos expostos;
  • autenticação quebrada;
  • dados vazados;
  • infraestrutura insegura.

O problema nunca foi a IA sugerir código ruim.

O problema foi transformar sugestão automática em decisão final sem revisão humana séria.

“Accept All” funciona relativamente bem enquanto o sistema é pequeno, descartável ou isolado.

Quando isso encontra produção, compliance, auditoria, múltiplos times e dados reais, a brincadeira muda completamente.

Clean code virou ainda mais importante

Existe uma leitura preguiçosa do momento:

“Se a IA escreve tudo, princípios clássicos perderam valor.”

Na prática, aconteceu o contrário.

Quanto mais código é gerado automaticamente, mais importante fica:

  • nomear bem;
  • reduzir complexidade;
  • revisar cuidadosamente;
  • escrever testes;
  • manter arquitetura coerente;
  • documentar intenção;
  • limitar acoplamento.

Porque agora o volume de código cresce mais rápido do que a capacidade humana de absorver contexto.

Sem disciplina, o sistema degrada muito mais cedo.

IA não eliminou a necessidade de engenharia.

Ela aumentou a velocidade com que sistemas ruins podem ser produzidos.

O que está substituindo o vibe coding

As equipes mais maduras começaram a convergir para um modelo diferente.

Menos improviso. Mais supervisão.

O fluxo mais saudável hoje parece envolver:

  1. Especificação antes da geração

    Prompts deixam de ser conversa solta e passam a virar artefatos rastreáveis.

  2. Testes como barreira obrigatória

    Não como “etapa opcional depois”.

  3. Revisão humana contínua

    Se ninguém entende o código, ninguém deveria aprová-lo.

  4. IA como amplificador, não substituto

    O desenvolvedor continua responsável pelo sistema. A IA acelera execução. Ela não assume responsabilidade arquitetural.

O risco silencioso: atrofia de habilidade

Talvez o efeito mais perigoso ainda esteja começando.

Quanto mais alguém delega raciocínio técnico para a IA, menos exercita fundamentos.

Isso é especialmente delicado para desenvolvedores iniciantes.

Existe um risco real de formar profissionais capazes de produzir muito sem compreender profundamente o que estão produzindo.

E esse problema não aparece imediatamente.

Ele surge meses depois:

  • na manutenção;
  • na depuração;
  • em incidentes;
  • em decisões arquiteturais;
  • em sistemas que precisam sobreviver.
  • Software tolera improviso no começo.

Mas cobra entendimento no longo prazo.

A ressaca técnica já começou

Depois da euforia veio a fase menos glamourosa:

  • dívida técnica acumulada;
  • custo crescente de manutenção;
  • retrabalho;
  • perda de confiança;
  • código difícil de sustentar;
  • times tentando “limpar” sistemas gerados rápido demais.

A indústria começou a perceber que IA acelera criação, mas não remove a necessidade de engenharia cuidadosa.

Na verdade, em muitos casos, ela torna essa necessidade ainda maior.

Porque quanto mais rápido você produz, mais rápido consegue produzir problemas em escala.

A regulação está chegando junto

Outro fator importante é que o tema deixou de ser apenas técnico.

Governança, compliance e regulação estão entrando na conversa.

Se um sistema usa IA em processos críticos, empresas precisarão explicar:

  • como o código foi gerado;
  • quem revisou;
  • quais controles existiram;
  • como decisões foram tomadas;
  • quais riscos foram avaliados.
  • Isso muda bastante o jogo.

O futuro provavelmente não será um cenário sem processo.

Será um cenário com processos ainda mais auditáveis.

Conclusão: o piso subiu, o teto continua o mesmo

O vibe coding realmente mudou a indústria.

Hoje qualquer pessoa consegue construir software funcional muito mais rápido do que conseguia há poucos anos. O piso subiu.

Mas o teto continua praticamente igual.

Software confiável ainda exige:

  • clareza;
  • revisão;
  • testes;
  • entendimento;
  • segurança;
  • arquitetura;
  • responsabilidade. A IA reduziu drasticamente o custo de gerar código.

Ela não reduziu proporcionalmente o custo de entender, manter e garantir esse código.

E talvez essa seja a síntese mais importante de todo o debate:

O problema nunca foi a IA escrever código. O problema foi tratar geração rápida como substituto de engenharia.

Como ferramenta, IA já é indispensável.

Como desculpa para abandonar disciplina técnica, ela virou dívida técnica acelerada.

E a conta já começou a chegar.

Referências

Observação: algumas fontes citadas no artigo são tweets, talks, entrevistas e relatórios corporativos recentes que ainda não possuem padronização acadêmica sólida ou publicação formal consolidada. As referências abaixo seguem uma adaptação do padrão ABNT para materiais digitais e documentação online.

KARPATHY, Andrej. Publicação sobre “vibe coding”. X (Twitter), 2 fev. 2025. Disponível em: https://x.com/karpathy. Acesso em: 11 maio 2026.

KARPATHY, Andrej. Agentic Engineering. Sequoia AI Ascent, maio 2026. Disponível em: https://www.sequoiacap.com. Acesso em: 11 maio 2026.

COLLINS DICTIONARY. Word of the Year 2025: Vibe Coding. Collins Dictionary Blog, 6 nov. 2025. Disponível em: https://www.collinsdictionary.com. Acesso em: 11 maio 2026.

MERRIAM-WEBSTER. Vibe Coding. Merriam-Webster Dictionary, 2025. Disponível em: https://www.merriam-webster.com. Acesso em: 11 maio 2026.

ROOSE, Kevin. The Rise of Vibe Coding. The New York Times, 2025. Disponível em: https://www.nytimes.com. Acesso em: 11 maio 2026.

WILLISON, Simon. On vibe coding and reviewing AI-generated code. Simon Willison’s Weblog, 2025. Disponível em: https://simonwillison.net. Acesso em: 11 maio 2026.

PENG, Sida et al. The Impact of AI Pair Programmers on Software Development. GitHub Research, 2023. Disponível em: https://github.blog. Acesso em: 11 maio 2026.

METR. Measuring the Impact of AI Coding Tools on Experienced Open-Source Developers. METR Research, jul. 2025. Disponível em: https://metr.org. Acesso em: 11 maio 2026.

STACK OVERFLOW. Developer Survey 2025. Stack Overflow Insights, 2025. Disponível em: https://survey.stackoverflow.co/2025. Acesso em: 11 maio 2026.

GITCLEAR. 2025 Code Quality Report. GitClear Research, 2025. Disponível em: https://www.gitclear.com. Acesso em: 11 maio 2026.

GOOGLE. DORA Report 2024. Google Cloud, 2024. Disponível em: https://cloud.google.com/devops/state-of-devops. Acesso em: 11 maio 2026.

FAROS AI. Engineering Productivity and AI Report 2026. Faros AI, 2026. Disponível em: https://www.faros.ai. Acesso em: 11 maio 2026.

CODERABBIT. AI-Assisted Pull Request Analysis Report. CodeRabbit Research, 2025. Disponível em: https://www.coderabbit.ai. Acesso em: 11 maio 2026.

VERACODE. 2025 GenAI Code Security Report. Veracode, 2025. Disponível em: https://www.veracode.com. Acesso em: 11 maio 2026.

GITGUARDIAN. State of Secrets Sprawl 2026. GitGuardian, 2026. Disponível em: https://www.gitguardian.com. Acesso em: 11 maio 2026.

PERRY, Neil; BONEH, Dan et al. Do Users Write More Secure Code with AI Assistants? Stanford University, 2025. Disponível em: https://cs.stanford.edu. Acesso em: 11 maio 2026.

LARSON, Seth. Slopsquatting: Supply Chain Attacks via Hallucinated Dependencies. 2025. Disponível em: https://sethmlarson.dev. Acesso em: 11 maio 2026.

BECK, Kent. Augmented Coding. 2025. Disponível em: https://tidyfirst.substack.com. Acesso em: 11 maio 2026.

FOWLER, Martin. LLMs and Software Engineering. Martin Fowler Blog, 2025. Disponível em: https://martinfowler.com. Acesso em: 11 maio 2026.

BÖCKELER, Birgitta. Thoughts on Vibe Coding. Thoughtworks Insights, 2025. Disponível em: https://www.thoughtworks.com. Acesso em: 11 maio 2026.

HANSSON, David Heinemeier. On AI-assisted coding. HEY World / 37signals, 2025–2026. Disponível em: https://world.hey.com/dhh. Acesso em: 11 maio 2026.

NG, Andrew. AI-assisted Software Development Commentary. DeepLearning.AI, 2025. Disponível em: https://www.deeplearning.ai. Acesso em: 11 maio 2026.

ANTHROPIC. Human Learning and AI Assistance Study. Anthropic Research, jan. 2026. Disponível em: https://www.anthropic.com. Acesso em: 11 maio 2026.

MICROSOFT RESEARCH. AI Assistance and Critical Thinking in Software Development. Microsoft Research, 2026. Disponível em: https://www.microsoft.com/research. Acesso em: 11 maio 2026.

FAST COMPANY. Inside the AI Coding Maintenance Crisis. Fast Company, 2025. Disponível em: https://www.fastcompany.com. Acesso em: 11 maio 2026.

MIT TECHNOLOGY REVIEW. The Hidden Cost of AI-Generated Software. MIT Technology Review, 2025. Disponível em: https://www.technologyreview.com. Acesso em: 11 maio 2026.

FORRESTER. Technical Debt Predictions for 2026. Forrester Research, 2025. Disponível em: https://www.forrester.com. Acesso em: 11 maio 2026.

KOREN, Ori et al. Vibe Coding Kills Open Source. arXiv, jan. 2026. Disponível em: https://arxiv.org. Acesso em: 11 maio 2026.

UNIÃO EUROPEIA. EU Artificial Intelligence Act (AI Act). Parlamento Europeu, 2024. Disponível em: https://artificialintelligenceact.eu. Acesso em: 11 maio 2026.

NIST. Secure Software Development Framework (SSDF). National Institute of Standards and Technology, 2024. Disponível em: https://www.nist.gov. Acesso em: 11 maio 2026.