Nos últimos 18 meses, a maior parte do seu time começou a usar alguma ferramenta de IA no trabalho: GitHub Copilot, ChatGPT, Claude, Cursor. A empresa não pediu, o time não esperou permissão e ninguém proibiu.
Em muitas organizações o resultado é uso fragmentado, padrão inconsistente, código gerado entrando sem revisão crítica e líder técnico sem visibilidade do que aceita nos repositórios.
Estado da adoção
A Developer Survey da Stack Overflow de 2024 registrou 76% dos respondentes usando ou planejando usar ferramentas de IA no desenvolvimento. Sida Peng, Eirini Kalliamvakou, Peter Cihon e Mert Demirer mediram em "The Impact of AI on Developer Productivity: Evidence from GitHub Copilot" (2023) uma tarefa concluída 55% mais rápido com o Copilot ligado.
Usar cobre um espectro: autocompletar import até gerar arquivo inteiro de lógica de negócio. O risco aparece quando cada engenheiro usa do jeito próprio, sem revisão crítica.
- Código gerado que roda e que ninguém entende o suficiente para manter
- Padrão inconsistente que atrasa code review e onboarding
- Vulnerabilidade aceita sem análise
- Dependência desnecessária adicionada pelo gerador
- Teste que cobre caminho feliz e ignora caso de borda
Quatro práticas de time
1. Limite onde a IA entra
Em código repetitivo, transformação bem definida, teste unitário de função pura e documentação de API, a ferramenta encurta o tempo. Reserve revisão humana ativa para lógica de negócio crítica, código de segurança e decisão de arquitetura.
2. Regra de revisão para código gerado
Código gerado passa pelos mesmos critérios de código humano. Quem abriu o PR responde pelo que está lá, independente do gerador. Escreva a regra: parte do time trata saída de ferramenta como rascunho que não pede revisão.
3. Prompts de referência do repositório
Prompt pronto para o padrão do repositório e o estilo de teste do time gera código coerente e corta retrabalho. Fica documentado e evolui quando o padrão muda.
4. Medição do efeito
Meça tempo de ciclo de feature antes e depois, bugs por sprint e tempo médio de code review. Velocidade igual com qualidade pior aponta para a prática do time, e a ferramenta sai do processo de decisão.
Segurança em código gerado
Modelo de linguagem aprendeu de código público, inclusive de código inseguro, e devolve padrão que funciona com falha conhecida. SQL injection, XSS e exposição de dado sensível aparecem em saída de ferramenta popular.
A OWASP listou esses riscos em Top 10 for LLM Applications (2023), com injeção de prompt e fuga de dados entre os itens. O State of DevOps da DORA de 2024 mostrou adoção alta entre os respondentes e um efeito contraditório: mais produtividade individual junto com queda de vazão e de estabilidade na entrega.
Mantenha as camadas existentes rodando: code review, teste de segurança e SAST. Treine o time para reconhecer o padrão de risco mais comum em código gerado.
Quem conduz a adoção
Liderança técnica define ferramenta aprovada para o contexto da empresa, publica guia para os usos mais comuns, fixa critério de revisão e abre espaço para o time compartilhar prática. Time com essa estrutura extrai mais valor da ferramenta e produz menos retrabalho. Time sem ela discute a ferramenta toda semana.