Liderança técnica

A IA escreve o código. Quem revisa?

Pedido de mudança com os testes e a revisão automática conferidos, o risco marcado e a revisão de uma pessoa em branco.

Com IA, um dev consegue abrir em uma tarde o que antes levava uma semana. O review do time não acompanhou esse ritmo. Sobram duas saídas ruins: revisar tudo e travar a entrega, ou aprovar tudo e transformar o review em carimbo. Nenhuma das duas garante a qualidade do que vai para o ar.

Este texto mostra o que a IA mudou no trabalho de quem revisa, como empresas de tecnologia organizam o review e quatro decisões para adotar no tamanho do seu time.

O review entrega mais do que achar bug

O review de código tem duas funções: pegar o erro antes que ele chegue ao cliente e espalhar pelo time o conhecimento do que mudou. Num time pequeno, a segunda pesa tanto quanto a primeira, porque impede que o sistema dependa de uma pessoa só.

A revisão formal nasceu na IBM, em 1976, com Michael Fagan (abre em nova aba): reunião, papéis definidos e checklist. Ela encontrava defeitos, mas custava caro, e a indústria passou para um review leve, feito por escrito sobre cada mudança proposta. Quando pesquisadores da Microsoft estudaram esse formato, em 2013, achar defeito era a motivação que os times declaravam. O review entregava também transferência de conhecimento, um time mais atento ao código e soluções alternativas para o problema (Bacchelli e Bird, ICSE 2013 (abre em nova aba)). O guia do Google resume a régua: aprovar quando a mudança deixa o código melhor do que estava (abre em nova aba), sem esperar perfeição.

O que a IA mudou no trabalho de quem revisa

A IA tirou do revisor o trabalho fácil e deixou o difícil. Nome de variável, formatação e organização de arquivos já são resolvidos pelo verificador automático de estilo e pela própria IA. Para a pessoa sobra o que exige julgamento:

  • Correção: o código parece certo. Está certo?
  • Pedido: fez o que a tarefa pedia ou uma interpretação razoável dela?
  • Padrões: o erro foi tratado ou escondido? Há dado pessoal no registro de log? O teste confere alguma coisa?
  • Segurança e escala: a consulta respeita o que cada usuário pode ver? Aguenta o volume? O combinado com outro sistema mudou sem aviso?

Esse trabalho é mais lento, e o volume subiu. A Faros AI analisou dados de mais de 10 mil devs: nos times com mais uso de IA, cada mudança enviada para revisão ficou 154% maior e o tempo de review subiu 91%, sem melhora mensurável nos resultados da empresa (Faros AI, julho de 2025 (abre em nova aba)). Numa pesquisa da Sonar com mais de 1.100 devs, 96% disseram não confiar totalmente no código gerado por IA, mas só 48% conferem sempre antes de registrar a mudança (Sonar, janeiro de 2026 (abre em nova aba)). Werner Vogels, CTO da AWS, chamou essa distância de dívida de verificação no re:Invent de 2025.

A IA acelera quem escreve. A entrega depende do time inteiro, e o review virou o ponto onde o código se acumula.

Como as empresas de tecnologia organizam o review

Nenhuma delas depende da boa vontade de quem revisa. O review segue regra escrita, mudança pequena e tempo de resposta medido.

  • Google: a mudança mediana tem 24 linhas, menos de 25% das mudanças têm mais de um revisor e a primeira resposta a uma mudança pequena sai em menos de uma hora, segundo a análise de 9 milhões de mudanças (Sadowski e outros, 2018 (abre em nova aba)). Comentário que não bloqueia vem marcado como detalhe.
  • Cisco: num estudo com a SmartBear, a revisão perdeu eficácia acima de 200 a 400 linhas por vez, de 60 a 90 minutos de sessão e de 500 linhas por hora (SmartBear (abre em nova aba)). Daí a regra de mudanças pequenas.
  • Meta: mede quanto tempo a mudança espera por quem revisa. Num experimento com mais de 30 mil engenheiros, um aviso automático sobre mudanças paradas havia mais de 24 horas reduziu esse tempo em 6,8% (Shan e outros, FSE 2022 (abre em nova aba)).
  • Spotify e Netflix: com o Golden Path e a Paved Road, o jeito padrão de construir vira o caminho mais fácil, e o time segue a regra sem precisar de fiscal.

Revisar cedo com máquina, tarde com gente

A máquina confere tudo, logo no começo. A pessoa revisa onde há risco, e uma regra escrita diz onde é.

Revisar cedo: o problema aparece antes de alguém pedir revisão. A especificação vem antes do código, os testes vêm junto e o próprio dev revisa com IA antes de enviar a mudança. A revisão do time passa a confirmar o que já foi visto. Com IA, revisar o teste, que descreve o que o código precisa fazer, sai mais barato e mais seguro do que revisar cada linha.

Pessoa por exceção: por padrão, o review da IA com os testes automáticos passando basta para a mudança entrar. Uma pessoa revisa quando um gatilho escrito dispara: a mudança mexe em área crítica (estrutura do banco de dados, login, pagamentos, infraestrutura), quem a enviou marcou risco ou a IA apontou um problema grave. A atenção do time é o recurso escasso, e a regra diz onde gastá-la.

O DORA, programa de pesquisa do Google Cloud que estuda há mais de dez anos como os times entregam software, mostra por que o tamanho importa. No relatório de 2024, cada 25% a mais de adoção de IA veio associado a 1,5% menos vazão de entrega e 7,2% menos estabilidade. A hipótese do relatório é que as mudanças ficaram maiores (DORA, 2024 (abre em nova aba)).

Quatro decisões para adotar no seu time

  1. Escreva no repositório o que o review deve olhar. O foco, as áreas críticas e o que ignorar ficam num arquivo AGENTS.md, um formato aberto (abre em nova aba) que o Codex e o Copilot leem; o Claude Code também lê. A segurança entra como pergunta sobre cada mudança, a partir do OWASP Top 10 (abre em nova aba): esta rota confere permissão? Este log tem dado pessoal? Este erro foi escondido?
  2. Defina níveis de revisão. Pessoa obrigatória onde o erro custa caro. IA com testes passando no resto do produto. O mínimo em documentação e manutenção.
  3. Use o que a plataforma já oferece. No GitHub, regras de revisão obrigatória por pasta, o arquivo CODEOWNERS para chamar o revisor certo, a opção "Require approval of the most recent reviewable push", que exige que a última alteração seja aprovada por alguém além de quem a enviou, e um campo de risco no modelo da mudança para o que nenhuma pasta revela, como uma configuração nova ou um combinado com outro sistema que muda.
  4. Meça o sistema, não as pessoas. Tempo até o primeiro review, tamanho das mudanças, apontamentos da IA aceitos e descartados. Para a entrega como um todo, as quatro métricas do DORA: frequência de publicação, tempo entre a mudança pronta e o ar, taxa de mudanças que falham e tempo para se recuperar de uma falha. Sem esses números, escolher ferramenta vira discussão de gosto.

A regra prática: adote o que já existe e crie só quando o existente não resolve o seu caso. Quando criar, registre o motivo num documento de decisão.

Nenhuma IA aprova

A IA comenta, e nos pontos de risco uma pessoa decide. Pôr a IA no lugar da pessoa troca um gargalo por um ponto cego. O review também tem limite: ele não substitui análise estática, varredura de dependências nem teste de invasão. O ganho está em liberar a atenção do time para onde ela faz diferença.

Se o review no seu time virou gargalo ou carimbo, o primeiro passo é decidir o que cada tipo de mudança precisa conferir, e por quem. É uma das decisões que a fiver.digital conduz em Liderança técnica.

Continue lendo

O conteúdo ajuda a pensar. A conversa começa pelo seu desafio.

Se algum destes temas é o momento da sua empresa, conte o contexto.