Cobramos US$ 10 mil por semana para apagar código gerado por IA

Modelo de negócio: serviço de refatoração “Slopfix”

• Serviço: contratos de uma semana, três engenheiros seniores, ~US$ 10 mil, focado em apagar e refatorar código “slop” gerado por IA.
• Eles assumem um alvo de redução do tamanho do código; o pagamento é proporcional à redução que conseguem alcançar.
• Uso intenso de LLMs como ferramentas (por exemplo, Claude Code) para refatorações em larga escala, mas humanos conduzem a arquitetura e as decisões.
• A janela de “garantia” de duas semanas recebeu críticas por ser curta demais; o fornecedor afirma que, na prática, não abandona os clientes e que os bugs agora são mais fáceis de corrigir.

Isso é realmente novo?

• Um lado: isso é apenas a versão mais recente de limpar sistemas legados “big ball of mud”, código terceirizado, rescaldo de hype de cloud/cripto/qualquer coisa.
• Outro lado: a IA criou uma explosão sem precedentes de LOC; o AI-slop vai superar em muito a tecnologia legada clássica e criar trabalho de longo prazo em um “slopfield”.

Qualidade do código gerado por IA

• As experiências variam muito:
  • Alguns relatam código assistido por IA mais limpo, melhor documentado e mais fácil de manter do que o código anterior à IA quando usado por engenheiros habilidosos.
  • Outros veem um caos extremo de “vibe coding” vindo de não engenheiros ou usuários inexperientes: arquiteturas frágeis, emaranhadas, atalhos perigosos (por exemplo, migrações destrutivas de banco de dados).
• Vários comentaristas distinguem:
  1. Vibe coding puro feito por não devs.
  2. Não codificadores com noção de processo usando IA.
  3. Engenheiros usando IA com revisão e estrutura fortes.
  • Mover clientes de (1) para (3) é visto como altamente valioso.

Usar IA para limpar IA

• Céticos comparam “IA entra, IA sai” a transcodificação com perdas repetidas: os erros se acumulam em vez de se cancelar.
• Defensores dizem que IA é uma ferramenta poderosa: nas mãos de devs experientes, ela acelera refatorações direcionadas, profiling de código e limpeza baseada em padrões.
• Padrão comum: escrever ou melhorar testes (e2e, unitários, mutation), definir regras rígidas de duplicação/lint, e então cortar e refatorar iterativamente com IA sob CI.

Viabilidade, escopo e risco

• Há dúvidas sobre entender regras de negócio complexas em uma semana e capturar regressões, especialmente com suítes de testes fracas.
• Defensores afirmam:
  • Muito AI-slop está em fase inicial e ainda não foi sobrecarregado por uma década de casos de canto.
  • O trabalho pode ser decomposto em tarefas humanas “conceitualmente difíceis” e tarefas “repetitivas e padronizadas” delegadas à IA.
  • As inspeções iniciais, walkthroughs com o cliente e decisões de arquitetura são conduzidas por humanos.

Mercado, incentivos e preocupações de longo prazo

• Os clientes-alvo costumam ser fundadores não técnicos que abusaram da IA e agora enfrentam repositórios impossíveis de manter.
• Alguns preveem um ciclo perpétuo: clientes refatoram e depois voltam a fazer vibe coding por cima, gerando trabalho recorrente de consultoria.
• Outros argumentam que a verdadeira solução são reescritas lideradas por humanos, mas muitos discordam que reescritas totais raramente são a melhor opção.
• Foi levantada a preocupação com a dependência do setor de LLMs proprietários (Anthropic/OpenAI) como infraestrutura central e o risco de futuras mudanças de preço ou disponibilidade.