Há mais no code review do que a detecção (automatizável)
Em meio ao aumento de código gerado por IA e revisores automatizados, engenheiros estão reavaliando para que serve, de fato, a revisão de código. Muitos argumentam que, embora bots e linters consigam detectar problemas de sintaxe, bugs básicos e violações de estilo, eles falham em questões de nível superior como arquitetura, aderência ao negócio, manutenibilidade de longo prazo e compartilhamento de conhecimento dentro da equipe. Outros contrapõem que a revisão humana não escalará com a produção acelerada por IA e precisará ser complementada ou substituída por testes automatizados mais fortes, revisões de design e novos processos para distribuir o entendimento do sistema.
Propósito e Valor da Revisão de Código
- Visto como muito mais do que encontrar bugs: transferência de conhecimento, entendimento compartilhado do sistema, defesa da arquitetura, validação de testes e planos de implantação, e até “due diligence” legal/organizacional.
- Alguns argumentam que os PRs são a última e crítica barreira onde erros de arquitetura, mal-entendidos e dívida técnica ainda podem ser impedidos.
- Outros dizem que, se grandes problemas são rotineiramente detectados na etapa de PR, as etapas anteriores (design, dailies, pairing, revisão de requisitos) estão falhando.
Pecinhas de Estilo vs Automação
- Reclamações de que revisores seniores muitas vezes só comentam sobre formatação e pontuação.
- Forte apoio a linters/formatadores automatizados e a uma decisão única de guia de estilo para eliminar discussões inúteis.
- Debate entre consenso de baixo para cima vs imposição de cima para baixo do estilo para evitar discussões intermináveis.
Humanos vs IA na Revisão de Código
- Muitos observam que LLMs são razoáveis em preocupações locais: sintaxe, bugs simples, dicas de desempenho, testes e estilo.
- Fraquezas amplamente percebidas:
- Adequação arquitetural e reutilização de padrões existentes.
- Questões “meta” como manutenibilidade, convenções do projeto e organização do repositório.
- Lógica de negócio, critérios de aceitação e “será que queremos mesmo este recurso?”
- Reconhecer e reduzir overengineering e grandes blocos gerados por IA que não são passíveis de revisão.
- Alguns relatam ferramentas de revisão por IA como “boas o suficiente agora” para substituir a maior parte da revisão humana; outros consideram as ferramentas populares superficiais, ruidosas e pouco confiáveis.
Impacto da IA nas Equipes e no Processo
- Preocupação de que o uso intenso de IA corroa o entendimento profundo dos desenvolvedores, tornando mais difícil estimar custo/benefício e fazer mudanças seguras.
- Uma organização descreveu uma “crise” em que ninguém se sentia seguro para alterar o código; eles reintroduziram revisão humana rígida de código, limites de WIP e aprovação obrigatória de dois humanos.
- Frustração de que o feedback humano muitas vezes é simplesmente devolvido aos agentes, aparentemente treinando ferramentas em vez de pessoas.
Futuro da Revisão de Código
- Alguns preveem que a revisão humana desaparecerá em grande parte para código não crítico; o foco humano mudará para revisões de design e governança.
- Outros argumentam que confiar na revisão humana para barrar código gerado por IA em velocidades de IA é impossível; defendem testes orientados por IA, meta-verificações e até regeneração completa de subsistemas em vez disso.
- Visão contrária: a saída atual da IA muitas vezes é confusa, duplicativa e corrosiva para a arquitetura; pular a revisão humana é visto como acumulação imprudente de dívida técnica.