Artigos originais
Medir a segunda alteração quando a IA escreve a primeira
A DevMojos argumenta que um piloto de programação com IA deve medir o esforço para fazer uma alteração subsequente, bem como o tempo necessário para entregar a primeira.
Numa entrevista à InfoQ, após a sua apresentação no GOTO Copenhagen, Adam Tornhill descreveu três coisas que utiliza ao refatorar com agentes de IA. Ele estabelece uma linha de base, protege o comportamento que deve permanecer igual e dá feedback ao agente enquanto trabalha. Traríamos essa abordagem para o momento em que uma equipa decide se o seu piloto de programação com IA está a dar frutos.
Imagine que um agente acrescenta uma nova regra de devoluções a uma ferramenta interna de apoio. A primeira tarefa fica pronta depressa e a demonstração corre bem. Um mês depois, a política volta a mudar. Se a regra estiver agora no formulário de apoio, no serviço e numa rotina de geração de relatórios, o programador seguinte terá de encontrar todas as cópias e perceber qual prevalece. O esforço da segunda tarefa faz parte da avaliação da primeira.
Daríamos duas tarefas à equipa no piloto. Na primeira, faça uma alteração real e registe o tempo entre um pedido claro e uma alteração revista que passa nos testes. Depois, peça a outro programador uma alteração plausível na mesma parte do código. Mantenha os testes existentes e o processo normal de revisão. Registe o tempo gasto a perceber o comportamento, o trabalho adicional apontado na revisão e os ficheiros que foi preciso alterar.
Se a alteração subsequente for mais difícil do que deveria ser, corrija a causa enquanto o exemplo ainda está fresco. Coloque a regra de devoluções num único lugar e teste-a onde a decisão é tomada. Peça outra pequena variação e veja se a próxima alteração é mais fácil de rever. O uso de tokens pode ser útil aqui quando as ferramentas o expõem, juntamente com o tempo de engenharia e o trabalho necessário para fazer uma alteração passar na revisão.
A questão que levaríamos a um líder de equipa é se a próxima pessoa consegue alterar o que o agente acabou de construir. Um piloto que consiga responder a essa questão dá-lhe uma base mais sólida para expandir o acesso aos agentes em toda a base de código.
Para contexto, veja a entrevista da InfoQ de Ben Linders com Adam Tornhill em “Producing Healthy Code with Artificial Intelligence Costs Fewer Tokens” (19 de novembro de 2026) em https://www.infoq.com/news/2026/11/healthy-code-AI-tokens/
Esta história foi redigida com assistência de IA.

