{"id":16441,"date":"2026-03-17T11:45:08","date_gmt":"2026-03-17T14:45:08","guid":{"rendered":"https:\/\/fenati.org.br\/?p=16441"},"modified":"2026-03-17T16:01:01","modified_gmt":"2026-03-17T19:01:01","slug":"revisao-codigo-ia-avanca-sobre-etapa-desenvolvimento","status":"publish","type":"post","link":"https:\/\/fenati.org.br\/en\/revisao-codigo-ia-avanca-sobre-etapa-desenvolvimento\/","title":{"rendered":"Com revis\u00e3o de c\u00f3digo, IA avan\u00e7a sobre \u00faltima etapa do desenvolvimento"},"content":{"rendered":"

IA –<\/strong> A ascens\u00e3o da intelig\u00eancia artificial (IA) generativa no desenvolvimento de software parecia seguir um roteiro bem definido: sistemas automatizados escreveriam c\u00f3digo enquanto humanos ficariam respons\u00e1veis pela revis\u00e3o. Esse modelo, no entanto, acaba de ser colocado em xeque ap\u00f3s um novo movimento da Anthropic<\/a>.<\/p>\n

A empresa apresentou uma ferramenta que automatiza justamente essa etapa final do processo, considerada at\u00e9 ent\u00e3o uma das principais fun\u00e7\u00f5es humanas no ciclo de desenvolvimento.<\/p>\n

LEIA: Sindplay lan\u00e7a curso de soft skills com base na Terapia Cognitivo-Comportamental<\/strong><\/a><\/p>\n

Gargalo na revis\u00e3o<\/strong><\/p>\n

O avan\u00e7o da chamada programa\u00e7\u00e3o intuitiva, em que desenvolvedores utilizam linguagem natural para instruir sistemas de IA a gerar c\u00f3digo, impulsionou a produtividade nas empresas. Segundo a Anthropic, a quantidade de c\u00f3digo produzida por seus engenheiros cresceu 200% no \u00faltimo ano.<\/p>\n

Esse aumento, por\u00e9m, trouxe um efeito colateral: o volume elevado de c\u00f3digo tornou a revis\u00e3o um gargalo. Muitas solicita\u00e7\u00f5es de pull request, que precisam ser avaliadas antes da integra\u00e7\u00e3o, passaram a ser analisadas de forma superficial ou insuficiente.<\/p>\n

Solu\u00e7\u00e3o da Anthropic<\/strong><\/p>\n

Para enfrentar esse problema, a empresa lan\u00e7ou o Code Review, ferramenta integrada ao Claude Code que utiliza uma equipe de agentes de IA para revisar automaticamente o c\u00f3digo assim que uma solicita\u00e7\u00e3o de pull request \u00e9 aberta. O sistema j\u00e1 est\u00e1 dispon\u00edvel em vers\u00e3o pr\u00e9via para clientes dos planos Team e Enterprise.<\/p>\n

Cat Wu, gerente de produto da Anthropic, explicou ao TechCrunch que a principal d\u00favida dos clientes era recorrente: “Agora que o Claude Code est\u00e1 gerando muitas solicita\u00e7\u00f5es de pull request, como posso garantir que elas sejam revisadas de forma eficiente?”<\/p>\n

Como funciona<\/strong><\/p>\n

Os agentes de IA operam de forma aut\u00f4noma e simult\u00e2nea, analisando o c\u00f3digo sob diferentes perspectivas. Um agente final consolida os resultados, elimina duplicidades e prioriza os problemas encontrados com base na gravidade.<\/p>\n

O feedback \u00e9 entregue ao desenvolvedor por meio de coment\u00e1rios destacados e anota\u00e7\u00f5es espec\u00edficas no c\u00f3digo. O foco est\u00e1 em erros l\u00f3gicos, e n\u00e3o em estilo, para reduzir ru\u00eddo no processo.<\/p>\n

Os problemas s\u00e3o classificados por cores: vermelho para falhas cr\u00edticas, amarelo para quest\u00f5es que exigem aten\u00e7\u00e3o e roxo para problemas relacionados a c\u00f3digo preexistente.<\/p>\n

Impacto nos resultados<\/strong><\/p>\n

Antes da implementa\u00e7\u00e3o da ferramenta, apenas 16% das solicita\u00e7\u00f5es de pull request recebiam feedback relevante. Com o Code Review, esse n\u00famero subiu para 54%.<\/p>\n

Em altera\u00e7\u00f5es maiores, com mais de 1.000 linhas de c\u00f3digo, 84% apresentaram problemas identificados, com m\u00e9dia de 7,5 falhas por revis\u00e3o. Menos de 1% dos apontamentos foram considerados incorretos pelos engenheiros.<\/p>\n

Em um dos casos relatados, uma altera\u00e7\u00e3o de uma \u00fanica linha foi classificada como cr\u00edtica por potencialmente comprometer a autentica\u00e7\u00e3o do sistema. O erro foi corrigido antes da integra\u00e7\u00e3o, e o pr\u00f3prio engenheiro admitiu que n\u00e3o o teria identificado sozinho.<\/p>\n

Novo papel dos desenvolvedores<\/strong><\/p>\n

Nos \u00faltimos anos, consolidou-se a ideia de que programadores passariam a atuar como revisores de c\u00f3digo gerado por IA. Com a automa\u00e7\u00e3o dessa etapa, essa fun\u00e7\u00e3o tamb\u00e9m come\u00e7a a ser transformada.<\/p>\n

A ferramenta da Anthropic n\u00e3o elimina a participa\u00e7\u00e3o humana, j\u00e1 que n\u00e3o aprova automaticamente as altera\u00e7\u00f5es, mas reduz significativamente o papel direto na revis\u00e3o. O desenvolvedor passa a atuar mais como um \u00e1rbitro final do processo.<\/p>\n

Custo da automa\u00e7\u00e3o<\/strong><\/p>\n

O uso da ferramenta tem custo baseado no consumo de tokens. A Anthropic estima que cada revis\u00e3o varia entre US$ 15 e US$ 25 (entre R$ 77 e R$ 129), dependendo da complexidade do c\u00f3digo.<\/p>\n

A empresa defende que o investimento \u00e9 justific\u00e1vel, especialmente em grandes empresas de tecnologia, onde falhas n\u00e3o detectadas podem gerar preju\u00edzos significativamente maiores.<\/p>\n

(Com informa\u00e7\u00f5es de Xataka)<\/strong><\/p>\n

(Foto: Reprodu\u00e7\u00e3o\/Freepik\/DC Studio)<\/strong><\/p>","protected":false},"excerpt":{"rendered":"

Nova ferramenta integrada ao Claude Code usa agentes de IA para revisar automaticamente solicita\u00e7\u00f5es de c\u00f3digo<\/p>","protected":false},"author":16,"featured_media":16443,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[42],"tags":[13],"class_list":["post-16441","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-noticias","tag-sindical"],"_links":{"self":[{"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/posts\/16441","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/users\/16"}],"replies":[{"embeddable":true,"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/comments?post=16441"}],"version-history":[{"count":1,"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/posts\/16441\/revisions"}],"predecessor-version":[{"id":16445,"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/posts\/16441\/revisions\/16445"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/media\/16443"}],"wp:attachment":[{"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/media?parent=16441"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/categories?post=16441"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/tags?post=16441"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}