Onde está todo o software novo e bom?
Os rápidos avanços na codificação assistida por IA ainda não produziram, para a maioria dos usuários, uma onda visível de “software novo e bom”, o que alimenta o debate sobre para onde estão indo os ganhos de produtividade. Muitos engenheiros relatam que a geração de código ficou mais rápida, mas a tomada de decisão, a revisão, o QA, os gargalos organizacionais e a aversão ao risco limitam o impacto no mundo real, enquanto a qualidade geral do software pode até estar em declínio. Outros argumentam que a IA está viabilizando um boom discreto de ferramentas altamente personalizadas e projetos de nicho que raramente chegam às app stores ou ao público mais amplo, tornando os benefícios mais difíceis de enxergar de fora.
Âmbito dos Ganhos de Produtividade com IA
- Muitos argumentam que a IA acelera a codificação, mas não a entrega como um todo. Os gargalos estão no design, na tomada de decisão, na coordenação, nas operações, no QA e na revisão.
- Várias análises sugerem que até mesmo a automação perfeita de codificação/debugging resulta talvez em ~1,25–2x de produtividade, não 10x.
- A revisão de código e a compreensão muitas vezes ficam mais lentas porque a IA produz mais, e às vezes código mais bagunçado, para ser escrutinado.
- Alegações de que as equipes estão relaxando e fazendo “pausas para café” são amplamente rejeitadas; comentadores relatam demissões, maior pressão e nenhum lazer extra.
Qualidade de Software: Melhor ou Pior?
- Numerosas anedotas de mais bugs, pior desempenho e código frágil gerado por IA (especialmente apps “vibecoded” e produtos AI-first).
- Outros relatam melhorias internas claras: mais testes, menos issues no Sentry, melhor desempenho, descoberta mais rápida de bugs usando agentes e LLMs.
- Consenso: equipes disciplinadas podem obter ganhos de qualidade, mas muitas organizações não têm rigor ou pessoal de QA para concretizá-los.
Onde Está o Software “Novo e Bom”?
- O software “novo” visível frequentemente são clones construídos com IA (Photoshop, Excel, leitores de PDF) percebidos como de qualidade alpha, lentos e incompletos.
- Alguns veem esses clones como alternativas iniciais promissoras para monopólios; outros os chamam de “slop” e de cópias moralmente duvidosas.
- Vários argumentam que o “projeto do software está em grande parte completo”: a maioria das categorias amplas já existe; o novo trabalho são integrações, ferramentas de nicho ou UX incremental.
Software Sob Medida e Invisível
- Muitos participantes criaram ferramentas pessoais de alta qualidade (apps de contabilidade, automação residencial, planejadores de casas 3D, leitores, firmware de sintetizadores, utilitários de desenvolvimento).
- Essas ferramentas costumam ser melhores para seus criadores do que as opções comerciais, mas não são lançadas por causa de:
- Marketing/distribuição serem um sacrifício.
- Não haver recompensas claras, além do fardo de manutenção de longo prazo.
- Recepção hostil e estigma de “AI slop”.
- Resultado: muito “software novo e bom” existe privadamente nas máquinas de indivíduos.
Ecossistema, Incentivos e Descoberta
- As app stores parecem fechadas; a “internet antiga” como canal de descoberta é descrita como morta ou afogada em projetos de IA de baixa qualidade.
- A maioria dos repositórios em alta são ferramentas de IA, agentes e orquestração, não apps voltados ao usuário final.
- Os incentivos organizacionais favorecem mais recursos e escopo em vez de qualidade superior; as equipes são mantidas com o pessoal no “mínimo necessário”.
- Alguns preveem uma “era de fast-food” do software: ferramentas mais efêmeras, tolerantes a defeitos, lançadas mais rápido, com a qualidade sendo menos enfatizada.