Um relatório recente da Gartner projeta que abordagens de geração de código por IA, se adotadas sem os devidos controles, podem aumentar os defeitos de software em 2.500% até 2028. O número é grande o bastante para soar exagerado, mas os dados que já existem hoje apontam na mesma direção. Squads de desenvolvimento estão produzindo código mais rápido do que nunca, e revisando esse código mais devagar do que deveriam. Este artigo explica o que está por trás dessa previsão, o que os dados de adoção no Brasil revelam sobre o problema e quais práticas de QA precisam mudar antes que o volume de código gerado por IA vire uma dívida técnica impossível de pagar.
O que a Gartner realmente previu
O relatório “Predicts 2026: AI Potential and Risks Emerge in Software Engineering Technologies”, publicado pela Gartner em dezembro de 2025, descreve uma nova classe de defeito de software: código que é sintaticamente correto, mas “context-deficient”: sem noção da arquitetura mais ampla do sistema nem das regras de negócio específicas daquela empresa. São bugs arquiteturais e lógicos, muito mais difíceis de pegar em um teste automatizado tradicional do que um erro de sintaxe comum.
Essa não é uma previsão abstrata. Uma análise da CodeRabbit sobre 470 repositórios open source, divulgada em janeiro de 2026 e reportada pelo blog do Stack Overflow, encontrou que código coautorado por IA já tem 1,7 vez mais bugs que código escrito só por humanos, com 75% mais erros de lógica e vulnerabilidades de segurança até duas vezes mais frequentes. O salto de 2.500% não é ficção científica: é a extrapolação de uma tendência que já está em andamento.
Adoção de IA no Brasil está à frente da maturidade em QA
O Brasil não é espectador desse movimento. Uma pesquisa do GitHub mostrou que 99% dos desenvolvedores brasileiros já usam ferramentas de IA no dia a dia e praticamente todas as empresas do país já usam IA para gerar casos de teste automatizados. O problema é o descompasso: apenas 38% dessas empresas dizem incentivar formalmente o uso dessas ferramentas, segundo a mesma pesquisa. Adoção alta e governança baixa formam exatamente a combinação que a Gartner aponta como gatilho da crise de qualidade.
O quadro se repete globalmente. O State of Code Developer Survey da Sonar, de janeiro de 2026, mostra que 96% dos desenvolvedores não confiam plenamente que o código gerado por IA está funcionalmente correto, mas só 48% sempre verificam esse código antes de commitar. Enquanto isso, 64% já usam agentes autônomos de IA, e o código gerado por máquina, hoje 42% de tudo que é commitado, deve chegar a 65% até 2027. A confiança não está acompanhando o volume.
O que muda no dia a dia dos squads de desenvolvimento
Um artigo do consultor Roberto Dias Duarte resume bem a mudança: o gargalo do desenvolvimento de software saiu da escrita de código e foi para a decisão de confiar nele ou não. Times com alta adoção de IA relatam mais pull requests, mais churn de código e mais merges feitos sem revisão adequada, segundo dados citados no artigo. Na prática, isso significa que revisar diff linha a linha deixou de ser suficiente. O volume simplesmente superou a capacidade humana de ler tudo com atenção.
Times que adotaram ferramentas de revisão assistida por IA já sentem o efeito dos dois lados. Segundo dados divulgados pela própria Anthropic e reportados pelo SINDPD, o percentual de pull requests com feedback relevante subiu de 16% para 54% após a implementação de revisão automatizada. Em mudanças com mais de mil linhas, porém, 84% ainda continham problemas identificados, com média de 7,5 falhas por revisão. Mais ferramenta não é sinônimo de menos vigilância.
Práticas de revisão que precisam ser redesenhadas
Para squads que já geram parte relevante do código com IA, três frentes de QA não podem mais operar no piloto automático:
- Revisar cada linha de todo PR deixou de ser viável diante do volume atual. Faz mais sentido classificar mudanças por criticidade: código de negócio, caminhos de produção e áreas sensíveis a segurança exigem revisão humana obrigatória, enquanto ajustes de baixo risco podem passar por triagem automatizada com amostragem.
- Testes unitários tradicionais não capturam bem os bugs “context-deficient” descritos pela Gartner. Vale reforçar testes de integração e de regressão que validem regras de negócio específicas da empresa, não apenas a sintaxe do código.
- Cada PR gerado com apoio de IA deveria carregar um registro de intenção e contexto, explicando o que a IA foi instruída a fazer e por quê. Isso transforma a revisão em auditoria rastreável, em vez de leitura às cegas de um diff gigante.
Como consultorias de tecnologia estão se posicionando
É justamente nesse ponto que consultorias de tecnologia como a Luby entram na conversa. Com mais de duas décadas atendendo empresas de médio e grande porte em serviços financeiros, saúde, educação e SaaS, a Luby já trata revisão de código e QA como parte estrutural da entrega de software, não como etapa opcional que se pula quando o prazo aperta. À medida que mais clientes adotam IA generativa para acelerar o desenvolvimento, o papel de uma consultoria madura passa a incluir também o redesenho dos próprios processos de revisão: definir onde a IA pode gerar código com segurança, onde o humano precisa validar cada linha e como medir se a qualidade está de fato acompanhando a velocidade.
Conclusão
A previsão de 2.500% da Gartner não é uma sentença, é um alerta sobre o que acontece quando a velocidade de geração de código cresce mais rápido que a maturidade dos processos de revisão. Os dados de 2026 mostram que essa distância já existe: alta adoção, baixa confiança, pouca governança formal. A pergunta que resta para squads e lideranças técnicas não é se vão usar IA para gerar código: isso já está definido. A pergunta é se o processo de revisão vai ser redesenhado antes ou depois da crise de qualidade chegar.