Do lado de fora, o mercado de assistência de codificação de IA pode parecer um grande borrão de codificação assistida. A realidade é muito mais sutil e movendo -se à velocidade vertiginosa.
O que começou como simples conclusão de código evoluiu através de gerações distintas, cada uma representando uma mudança fundamental na maneira como os desenvolvedores trabalham com as ferramentas de IA. E se você não está prestando atenção, você já está atrasado.
Andrew FileV é fundador/CEO da Zencoder e fundador original da Wrike.
A primeira geração: quando a AI aprendeu a “completar nossas frases de sanduíches”
A revolução da codificação da IA começou modestamente com a conclusão do código – pense nela como preenchimento automático nos esteróides. Os primeiros pioneiros como o Kite pavimentaram o caminho, mas foi o GitHub Copilot que trouxe essa capacidade às massas pelos vastos canais de distribuição da Microsoft. Até 2024, 62% dos desenvolvedores relataram usar ferramentas de IA para escrever código, com a conclusão do código como o medicamento para gateway.
Mas é aqui que o setor errou: o marketing prometeu uma revolução ao oferecer uma evolução. Os aficionados do GitHub divulgou 20% de melhorias de produtividade, os céticos reagiram de que era um código de lixo que gerava tendências negativas e a verdade, como sempre, morava em algum lugar. Foi uma capacidade maravilhosa e útil que os desenvolvedores realmente gostaram.
Mas mudanças de jogo? Não exatamente.
Os números contam uma história interessante. A partir de 2024, mais de um quarto de todo o novo código gerado pelo Google é escrito pela IA. No entanto, apesar dessa adoção maciça, de acordo com o relatório Dora de 2024, a velocidade e a estabilidade realmente diminuíram. A primeira geração foi entregue a quantidade, mas lutou contra a qualidade – um caso clássico de resolver o problema errado.
A segunda geração: do assistente ao agente
Então, no início de 2024, algo fundamental mudou. O cursor, o Zencoder e outras ferramentas de IA que vivem nos IDEs dos desenvolvedores obtiveram cérebros completamente novos com recursos radicalmente diferentes.
Esses não eram mais apenas completistas de código – eles eram agentes de codificação na frente. O que permitiu essa mudança geracional é a nova classe de modelos mais agênticos, especificamente, eles são melhores no uso de ferramentas, na compreensão do ambiente do seu projeto e mantendo a inteligência em sessões mais longas.
A mudança foi enganosa porque visualmente, nada mudou. A mesma interface, os mesmos pontos de integração, mas sob o capô? Uma besta completamente diferente. Os agentes podem corrigir um bug em um grande repositório ou ajudar os usuários a “codificar” um protótipo inteiro usando tecnologia desconhecida.
É um daqueles casos raros da “mesma interface do usuário, UX diferente” – os casos de uso mudaram e o uso mudou com eles. Os desenvolvedores gastam 10 vezes mais nessas ferramentas de segunda geração, queimando significativamente mais tokens à medida que descarregam tarefas cada vez mais complexas.
A terceira geração: agentes de engenharia de software integrados ao SDLC
Marque o segundo trimestre de 2025 em seus calendários como o surgimento precoce da terceira geração, e está acontecendo mais rápido do que a maioria percebe:
-May 9º: Zencoder lançou agentes Zen, marcando uma mudança da produtividade individual para os agentes baseados em equipe, cobrindo o SDLC completo.
-May 16o: o OpenAI lançou o Codex, permitindo que você use o ChatGPT semi-autônomo no seu github.
-May 19º: o GitHub Copilot lançou o Agentic DevOps.
-May 20o: o Google anunciou um agente assíncrono Jules.
-May 22nd: Anthropic anunciou o Claude 4, atualizando sua ferramenta de código Claude que suporta a automação da linha de comando.
-June 10: O Zentester é lançado para trazer verificação automatizada para AI SDLC
O setor está interessado em desbloquear o próximo nível de valor, passando de agentes de codificação baseados em IDE para agentes de engenharia de software integrados em todo o ciclo de vida de desenvolvimento de software. Esses agentes podem obter problemas do seu backlog, implementar recursos, executar testes automatizados e aproveitar os scanners de segurança do pipeline do CI/CD. Em breve, eles estarão autocorretando os erros que aparecem neste ciclo.
Sou um grande fã de inteligência coletiva e ingenuidade humana. Nas últimas quatro décadas e 100 milhões de engenheiros (que ainda são o padrão dourado de inteligência), o setor desenvolveu um conjunto sofisticado de ferramentas e processos para apoiar a engenharia de software.
Sempre senti que as primeiras tentativas de treinar LLMs para substituir ferramentas como compiladores ou depuradores eram comercialmente e cientificamente um beco sem saída, e que o ensino do LLMS para alavancar as ferramentas e processos existentes é uma rota melhor. Essa filosofia (alavancando as ferramentas existentes) mudou a indústria para a segunda geração, e agora que a filosofia (alavancagem de operações de desenvolvimento) está levando à terceira geração.
A verificação da realidade: ainda estamos na versão beta
Aqui está a ressalva crucial: assim como a conclusão do código de primeira geração evoluiu de buggy e primitiva para genuinamente útil, essa terceira geração ainda é nascente. Os recursos estão lá, mas eles são difíceis nas bordas. Nos seis meses seguintes, planeje reavaliar essas ferramentas a cada dois meses-esse é um ritmo vertiginoso no qual veremos melhorias de função de etapa. Como é comum com a IA, você pode obter um valor tremendo se implantá -lo no cenário certo com o contexto certo.
A promessa dos 10x engenheiros está ganhando vida, e a maior mudança está acontecendo neste ano civil. Na minha carreira, levou de 5 a 15 anos para ver mudanças geracionais em qualquer categoria de software específica, e agora as vemos duas vezes em 12 meses. As ferramentas de primeira geração precisavam de fortes Code LLMs e referências de preencher o meio.
Os agentes de segunda geração adquiriram janelas de contexto mais longas, recursos de uso de ferramentas e a capacidade de navegar nos ambientes de desenvolvimento. Agora, os agentes de terceira geração estão aproveitando melhores modelos que podem navegar em sites para testes de ponta a ponta, entender as ferramentas de CI/CD e orquestrar vários agentes especializados que trabalham em concerto.
O que isso significa para você
O setor está passando de assistentes de codificação de IA para agentes de codificação interna e agentes de engenharia de software integrados ao SDLC. Cada transição representa não apenas uma melhoria, mas uma reimaginação fundamental de como os desenvolvedores trabalham com a IA. Até o final de 2025, a maioria das empresas iniciantes e para a frente usará fortemente os agentes de segunda geração e descarregará um pedaço considerável de trabalho de rotina para os agentes de terceira geração integrados ao CI/CD.
O futuro do desenvolvimento de software não é digitar mais rápido – trata -se de pensar maior enquanto a IA lida com os detalhes da implementação. Mantenha os olhos abertos, atualize suas ferramentas com frequência e, o mais importante, ajuste suas expectativas e avaliações. A idade dos agentes de engenharia de software chegou e está se movendo mais rápido do que qualquer um de nós antecipou.
Listamos os melhores modelos de idiomas grandes (LLMS) para codificação.
Este artigo foi produzido como parte do canal especialista da TechRadarPro, onde apresentamos as melhores e mais brilhantes mentes do setor de tecnologia hoje. As opiniões expressas aqui são as do autor e não são necessariamente as do TechRadarpro ou do Future Plc. Se você estiver interessado em contribuir, descubra mais aqui:
Deixe um comentário
Você precisa fazer o login para publicar um comentário.
Fique conectado