Em fevereiro de 2025, Andrej Karpathy, um dos pesquisadores mais influentes da geração atual de IA, cunhou o termo "vibe coding" em um post casual no X. A ideia era simples: em vez de escrever código linha a linha, o desenvolvedor descreve o que quer em linguagem natural e aceita o que a IA gera, sem ler o diff, sem entender completamente o que foi produzido. Era rápido, era divertido, e funcionava razoavelmente bem para protótipos.
Um ano depois, na mesma data, Karpathy anunciou o fim do vibe coding como prática profissional. No lugar, propôs um novo termo: "agentic engineering". A diferença não é apenas semântica. É uma mudança de paradigma no que significa construir software.
Do assistente ao agente
Durante anos, as ferramentas de IA para desenvolvimento operaram como assistentes sofisticados. Você perguntava, ela respondia. Você pedia uma função, ela sugeria. A interação era fundamentalmente reativa: a IA esperava um comando, executava, e devolvia o controle para o humano.
A IA agêntica funciona de forma diferente. Em vez de responder a um comando, ela recebe um objetivo e decide como alcançá-lo. Um agente de IA pode receber a instrução "migre este módulo para uma nova arquitetura, garanta cobertura de 90% de testes e documente todas as funções" e então planejar o trabalho, escrever o código, executar os testes, corrigir os erros que encontrar, e devolver o resultado final, tudo isso sem que o desenvolvedor precise intervir a cada passo.
A distinção é crítica. Um assistente de IA aumenta a velocidade de um desenvolvedor. Um agente de IA muda o que um único desenvolvedor é capaz de fazer sozinho.
O que mudou tecnicamente
O que tornou isso possível não foi apenas modelos de linguagem maiores. Foi a combinação de três avanços que amadureceram simultaneamente.
O primeiro é a capacidade de raciocínio de longo prazo. Os modelos de 2025 e 2026 conseguem manter contexto sobre projetos complexos, planejar sequências de ações e revisar suas próprias decisões ao longo de um processo extenso, sem degradar a qualidade conforme o contexto cresce.
O segundo é o acesso a ferramentas. Um agente moderno não apenas gera texto: ele executa comandos no terminal, lê e escreve arquivos, navega em documentação, chama APIs externas, roda testes e interpreta os resultados. Ele interage com o ambiente da mesma forma que um desenvolvedor humano faz, usando as mesmas ferramentas.
O terceiro é a orquestração de múltiplos agentes. Sistemas agênticos avançados não operam com um único agente monolítico, mas com redes de agentes especializados: um agente que planeja, outro que implementa, outro que testa, outro que revisa segurança. Um orquestrador coordena o trabalho entre eles, sintetiza os resultados e garante coerência no output final.
Como isso está mudando o desenvolvimento de software na prática
Os exemplos do mundo real são expressivos. A TELUS, empresa de telecomunicações canadense, economizou mais de 500 mil horas de trabalho com 13.000 soluções desenvolvidas com agentes de IA. A Zapier atingiu 89% de adoção de IA em toda a organização. A equipe de IA da Stripe, chamada internamente de "Minions", produz mais de 1.000 pull requests mesclados por semana usando agentes autônomos.
Esses não são casos isolados. A Gartner projeta que 40% das aplicações enterprise já terão agentes de IA integrados para tarefas específicas até o final de 2026, contra menos de 5% em 2025.
O impacto no ciclo de desenvolvimento é concreto. Tarefas que exigiam semanas de coordenação entre equipes agora podem ser conduzidas em sessões de trabalho focadas. O tempo de integração de novos desenvolvedores a projetos complexos, que antes levava semanas, pode ser reduzido a horas quando um agente consegue extrair e documentar o conhecimento do codebase.
Para pequenas equipes e empresas de software independentes, isso é especialmente relevante. Um desenvolvedor com domínio de fluxos agênticos consegue manter sistemas que antes exigiriam equipes inteiras, não porque o agente escreve código perfeito, mas porque o desenvolvedor passou a saber como arquitetar, orquestrar e supervisionar o trabalho dos agentes de forma eficiente.
O papel do desenvolvedor está mudando, não desaparecendo
Um equívoco comum quando se fala em IA agêntica é imaginar que o papel do desenvolvedor está sendo eliminado. O que está acontecendo é mais interessante e mais exigente do que isso.
O desenvolvedor de 2026 passa menos tempo escrevendo código repetitivo e mais tempo em atividades que a IA ainda não consegue realizar de forma confiável: definir a arquitetura do sistema, estabelecer constraints de qualidade e segurança, avaliar se o output do agente resolve o problema real, e tomar decisões de design que envolvem trade-offs que dependem de contexto de negócio.
Karpathy descreveu bem essa transição: "agentic" porque o padrão agora é você não estar escrevendo o código diretamente 99% do tempo, mas orquestrando agentes que o fazem, atuando como supervisão. "Engineering" para enfatizar que há uma arte e uma ciência nisso, é algo que se aprende e no qual se melhora, com sua própria profundidade.
Pesquisa da Anthropic com a base de usuários do Claude Code aponta que engenheiros hoje usam IA para aproximadamente 60% do seu trabalho, mas relatam delegar completamente apenas 0% a 20% das tarefas. O padrão é AI presente mas supervisão humana constante, um modelo colaborativo que a indústria convencionou chamar de "human-in-the-loop".
Os riscos que ninguém está falando com clareza suficiente
A velocidade de adoção da IA agêntica está criando riscos reais que merecem atenção direta.
O primeiro é a escala de vulnerabilidades. Uma equipe usando um agente que produz 1.000 pull requests por semana com uma taxa de 1% de vulnerabilidade introduz 10 novas vulnerabilidades na base de código toda semana. A velocidade que torna os agentes produtivos para desenvolvimento também torna os agentes produtivos para atacantes. Sistemas agênticos acessam APIs, bancos de dados e serviços externos em nome do desenvolvedor, expandindo a superfície de ataque de cada projeto.
O segundo é a atrofia de habilidades. Addy Osmani, diretor no Google Cloud AI, identificou um risco que chama de "dangerous skill atrophy": desenvolvedores que dependem de IA antes de construir fundamentos técnicos sólidos produzem código sem entender o que estão produzindo. Um comentário no Hacker News de março de 2026 resumiu a preocupação com precisão: "Depois de três meses vendo o que a engenharia agêntica produz na prática, acho que vai haver uma correção considerável. Não estou dizendo que IA não tem lugar, mas há um estado seriamente deludido nessa indústria agora."
O terceiro é a governança. Quando um agente toma decisões de design de banco de dados, modifica configurações de infraestrutura ou gera código que vai para produção com supervisão humana mínima, as responsabilidades precisam estar claras. Quem é responsável pelo output de um agente autônomo? Qual é o padrão de auditoria adequado? A maioria das organizações ainda está respondendo essas perguntas enquanto já está implantando.
O que isso muda para empresas que contratam software
Para quem está do lado de quem compra e usa software, e não de quem o desenvolve, a IA agêntica tem implicações igualmente importantes.
O custo de desenvolvimento personalizado está caindo. Não de forma radical ou imediata, mas a tendência é clara: agentes capazes de executar ciclos completos de desenvolvimento reduzem o custo humano de construir sistemas específicos para um negócio. Projetos que antes eram descartados pelo custo de execução se tornam viáveis.
Ao mesmo tempo, a velocidade de entrega está aumentando, o que cria uma pressão nova sobre como projetos são especificados. Se um agente consegue implementar um módulo em horas, a etapa que passa a ser crítica é a definição precisa do que se quer. Requisitos vagos produzem output ágil e errado, e corrigir um erro gerado em velocidade agêntica pode consumir mais tempo do que teria levado escrever o código corretamente desde o início.
A lição prática para quem contrata desenvolvimento: a qualidade do briefing importa mais do que nunca. Saber o que você quer, com que nível de detalhe, e como vai validar o resultado são perguntas que precisam ter resposta antes de qualquer agente ser ativado.
O que vem a seguir
A curva de adoção da IA agêntica está acelerada. O mercado de agentes autônomos está estimado em mais de US$ 8 bilhões em 2026 e deve chegar a US$ 35 bilhões até 2030. Os gastos globais em automação agêntica devem ultrapassar US$ 1,3 trilhão até 2029.
Mas os números são menos interessantes do que a transformação subjacente. O que está acontecendo não é apenas um upgrade de ferramentas. É uma redefinição de quem pode construir o quê, em quanto tempo, com quantas pessoas. Profissionais de áreas como jurídico, marketing e operações já estão usando fluxos agênticos para criar suas próprias automações, sem precisar de um desenvolvedor para cada passo.
A distinção entre quem programa e quem não programa está ficando menos rígida. O que está ficando mais claro, por outro lado, é o valor de quem entende o que boa arquitetura significa, quem consegue avaliar output de forma crítica, e quem sabe quando confiar no agente e quando intervir.
A IA agêntica não é o fim do desenvolvedor. É o fim do desenvolvedor como executor primário de código. O que vem depois é mais parecido com um arquiteto que coordena uma equipe do que com um artesão que constrói sozinho. E como sempre acontece com transições assim, quem aprender mais cedo como trabalhar nesse novo modelo vai estar em posição muito melhor quando o mercado terminar de se ajustar.