O ranking das reclamações sobre IA virou de cabeça para baixo
Até pouco tempo atrás, a reclamação número um sobre ferramentas de IA para programação era previsível: "o código que ela gera está errado". Uma síntese publicada em setembro de 2026 pelo pesquisador independente Dybsky, cruzando 66.320 posts do Reddit entre agosto de 2025 e setembro de 2026, mostra que essa dor caiu do 1º para o 7º lugar no ranking de queixas — de 13,1% para 9,6% das menções.
No lugar dela, subiu uma reclamação que quase ninguém citava um ano antes: consumo excessivo de tokens, que saltou do 9º para o 3º lugar (de 9,1% para 13,7%). Queixas sobre segurança e privacidade também cresceram 3,5 pontos percentuais no mesmo período.
Isso não é só uma curiosidade estatística. É sinal de que o problema dos agentes de IA em desenvolvimento deixou de ser "a IA não sabe programar" e passou a ser "a IA programa, mas ninguém sabe quanto isso custa até a fatura chegar".
Por que o custo virou o vilão
Três fatores explicam essa virada:
- Agentes autônomos rodam mais tempo sem supervisão. Em vez de uma sugestão pontual de autocomplete, o modelo atual executa loops de várias etapas — ler código, planejar, editar, testar, repetir — e cada etapa consome tokens, mesmo quando o resultado final é pequeno.
- Falta de visibilidade por execução. A maioria das equipes só descobre que uma tarefa "simples" consumiu uma fortuna em tokens quando olha a fatura mensal, não durante a execução.
- Expectativa desalinhada. O discurso de "a IA economiza seu tempo" criou a expectativa de economia geral — mas tempo de desenvolvedor e custo de API são orçamentos diferentes, e o segundo está crescendo mais rápido do que muitas equipes planejaram.
Como resumiu um dos threads mais discutidos no Hacker News sobre o tema, os agentes de codificação substituíram todos os frameworks — e também o orçamento de infraestrutura que a equipe usava para outra coisa.
FinOps para agentes de IA: como medir antes de controlar
Times de infraestrutura já passaram por essa curva de aprendizado com cloud computing — a resposta madura não foi "parar de usar a nuvem", foi criar disciplina de FinOps. Com agentes de IA, o caminho é parecido.
Métricas que vale a pena rastrear por execução
- Tokens consumidos por tarefa concluída (não só por mês)
- Custo médio por pull request gerado ou revisado por agente
- Proporção entre tarefas que precisaram de retrabalho e o custo adicional gerado por esse retrabalho
Práticas de orçamento e alerta
- Definir um teto de tokens por tarefa antes de disparar a execução, não depois
- Alertas automáticos quando uma única execução passa de um limite (por exemplo, 3x a mediana histórica)
- Comparar custo entre modelos e provedores para a mesma classe de tarefa — nem toda tarefa precisa do modelo mais caro disponível
Code review não desapareceu — ele mudou de forma
A queda da reclamação sobre "código errado" não significa que a revisão humana ficou menos importante. Significa que o ponto de atenção migrou: hoje o revisor não está só checando se a lógica funciona, está checando quanto custou chegar até ali e se o agente tomou decisões de arquitetura que vão gerar custo recorrente — por exemplo, loops de regeneração de código a cada pequena mudança de requisito.
Checklist de governança para equipes que usam agentes de IA
- Revisão humana obrigatória antes de qualquer merge de código gerado por agente
- Log de prompts, decisões e custo por pull request
- Métrica de custo por funcionalidade entregue, não só por hora de desenvolvedor economizada
- Política clara de quando usar um agente autônomo versus assistência pontual (autocomplete)
O que fazer a partir de agora
Se sua equipe já usa agentes de IA no dia a dia, vale auditar uma semana de execuções e responder: qual tarefa consumiu mais tokens em relação ao valor entregue? A resposta normalmente aponta exatamente para onde a governança está faltando — e, cada vez mais, não é na qualidade do código, é no controle do gasto.
Fontes: openchamber.dev — A year of AI coding complaints, Hacker News, thorstenmeyerai.com.
