Introdução
Uma revolução silenciosa está acontecendo nos departamentos de desenvolvimento de software: engenheiros estão escrevendo código apenas 1% do tempo, enquanto agentes de inteligência artificial assumem 99% do trabalho de programação. Essa transformação radical, relatada por empresas como Replit, Kilo Code e Symbotic, traz consigo um desafio inesperado: orçamentos de TI sendo consumidos em velocidade alarmante por tokens de IA. O que parecia ser a solução definitiva para aumentar a produtividade está se tornando um pesadelo financeiro para muitas organizações que não estavam preparadas para gerenciar esses novos custos.
A questão central não é mais se devemos usar IA para programar, mas como fazer isso de forma sustentável. Empresas estão descobrindo que um único desenvolvedor pode gastar centenas de dólares por dia em tokens de IA, levantando questões urgentes sobre ROI, controle de custos e a real eficiência desses sistemas. Este cenário está forçando uma reavaliação completa de como medimos produtividade e valor no desenvolvimento de software.
A nova realidade do desenvolvimento com agentes de IA
Na Kilo Code, a transformação é impressionante: engenheiros passam 99% do tempo revisando e supervisionando código gerado por IA, dedicando apenas 1% para escrever ou ler código diretamente. Emilie Schario, co-fundadora da empresa, descreve essa mudança como natural e bem-vinda, mas reconhece os desafios que ela traz. A empresa agora suporta mais de 500 modelos diferentes em seu gateway, permitindo que clientes escolham a melhor combinação de custo e capacidade para cada tarefa.
A Replit adotou uma abordagem que chamam de ‘human on the loop’ em vez de ‘human in the loop’. Seu sistema interno funciona como um piloto automático para engenheiros de software: desenvolvedores delegam tarefas para agentes que realizam planejamento, implementação e testes de ponta a ponta. Amol Jain, chefe de engenharia de produto da empresa, compartilhou um caso notável onde um bug complexo que deixou engenheiros humanos perplexos foi resolvido por uma frota de agentes de IA em apenas seis horas, trabalhando autonomamente durante a noite.
Na Symbotic, empresa de automação de armazéns, o foco está em direcionar a IA para tarefas específicas com critérios claros. Jared Go, engenheiro distinto de IA e cloud da empresa, enfatiza que os agentes são excelentes para projetos greenfield (código novo), mas ainda enfrentam desafios significativos em projetos brownfield (manutenção e atualização de código existente). Essa distinção é crucial para entender onde a IA pode realmente agregar valor versus onde a expertise humana permanece insubstituível.
O desafio do controle de custos com tokens
O problema dos custos disparados não é apenas teórico. Schario relata casos de clientes que ‘acidentalmente gastaram todo o orçamento anual de IA’ em questão de meses. Um engenheiro específico na Kilo Code, descrito como tendo ‘pé pesado’, consistentemente aparece no topo da lista de uso, gerando contas diárias de 600 dólares. Isso levou a empresa a desenvolver estratégias sofisticadas de gerenciamento de custos.
A solução encontrada pela Kilo Code envolve usar modelos frontier (mais caros e poderosos) apenas para arquitetura e planejamento inicial, mudando depois para modelos open-weight mais econômicos para o trabalho pesado de implementação. Essa abordagem em camadas permite maximizar o valor extraído de cada dólar gasto em tokens.
A Symbotic implementou um sistema de tiers (níveis) mensais de custos para seus funcionários. Desenvolveram uma ferramenta que dá aos gerentes visibilidade completa sobre pull requests e tendências de uso, permitindo ajustes dinâmicos nos limites de cada desenvolvedor. Quando a Cursor, ferramenta amplamente usada pela empresa, eliminou um desconto legacy e passou a cobrar preços cheios, isso forçou uma reavaliação em toda a empresa sobre eficiência e escolha de modelos.
Estratégias para otimização multi-modelo
Uma tendência clara emergindo é a necessidade de arquiteturas multi-modelo. As empresas estão percebendo que depender de um único provedor ou modelo é tanto caro quanto limitante. A Kilo Code lidera essa abordagem com suporte para mais de 500 modelos, permitindo que o software de engenharia agentica seja completamente desacoplado do modelo subjacente.
Essa flexibilidade é crucial por várias razões práticas. Primeiro, permite respeitar limitações específicas de provedores, como requisitos de ambientes isolados ou restrições regionais de dados. Segundo, possibilita otimização de custos em tempo real, escolhendo o modelo mais apropriado para cada tarefa específica. Terceiro, evita vendor lock-in, um problema crescente no mercado de IA.
A Replit desenvolveu sistemas sofisticados de roteamento que tomam decisões automáticas sobre qual modelo usar baseado em fatores como complexidade da tarefa, orçamento disponível e requisitos de performance. Como Jain enfatiza, ‘a maioria das tarefas não precisa do modelo frontier’, uma percepção que pode economizar milhares de dólares mensalmente para empresas que implementam roteamento inteligente.
Métricas e ROI no mundo dos agentes de IA
A forma como medimos produtividade e retorno sobre investimento está mudando fundamentalmente. Schario introduziu uma métrica particularmente interessante: custo por pull request. Essa abordagem reconhece que o gasto absoluto em tokens não é o problema – o problema é gastar sem retorno correspondente em produtividade.
A Replit reporta um aumento de 3x na produtividade de engenharia, o que justifica os custos elevados de IA. No entanto, quando expandiram o uso de agentes para além da engenharia, descobriram que uma pessoa do suporte estava gastando quantias ‘insanas’ rodando automações em modelos premium desnecessariamente. Isso destacou a importância de educação e governança em toda a organização, não apenas em TI.
As empresas estão desenvolvendo dashboards sofisticados que mostram não apenas quanto está sendo gasto, mas qual valor está sendo gerado. Isso inclui métricas como linhas de código produzidas, bugs resolvidos, features implementadas e tempo economizado. A transparência é crucial, mas como Jain alerta, ela não pode ser ‘anti-produtiva’ – o objetivo é empoderar desenvolvedores, não criar uma cultura de vigilância excessiva.
O que isso significa para o mercado brasileiro
Para empresas brasileiras considerando a adoção de agentes de IA para desenvolvimento, as lições dessas empresas pioneiras são valiosas. Primeiro, é essencial estabelecer governança e controles de custo desde o início. Esperar até receber a primeira fatura astronômica é uma estratégia perigosa, especialmente considerando as taxas de câmbio e orçamentos mais restritos típicos do mercado nacional.
Segundo, a abordagem multi-modelo é ainda mais relevante no Brasil, onde questões de soberania de dados e custos em dólar tornam a flexibilidade crucial. Empresas brasileiras devem considerar seriamente modelos open-source e provedores locais quando possível, reservando modelos frontier caros apenas para tarefas que realmente os justifiquem.
Terceiro, o treinamento e a educação das equipes são fundamentais. O caso do funcionário de suporte da Replit gastando fortunas em automações desnecessárias é um alerta: toda a organização precisa entender os custos e benefícios da IA, não apenas o departamento de TI. Isso é especialmente importante em um mercado onde a familiaridade com essas tecnologias ainda está se desenvolvendo.
Conclusão
A era dos agentes de IA no desenvolvimento de software chegou para ficar, mas traz consigo desafios de gestão que muitas empresas não anteciparam. O sucesso neste novo paradigma não depende apenas de adotar a tecnologia mais avançada, mas de desenvolver processos sofisticados de governança, controle de custos e otimização de recursos.
As experiências de Replit, Kilo Code e Symbotic mostram que é possível extrair valor extraordinário dos agentes de IA – aumentos de produtividade de 3x ou mais são reais e mensuráveis. No entanto, esse valor só se materializa quando acompanhado de disciplina operacional, métricas claras e uma cultura organizacional que entende tanto as capacidades quanto as limitações da IA.
Para o mercado brasileiro, a mensagem é clara: a revolução dos agentes de IA oferece oportunidades sem precedentes para competir globalmente em desenvolvimento de software, mas requer uma abordagem estratégica e cuidadosa. Empresas que dominarem o equilíbrio entre inovação e controle de custos estarão melhor posicionadas para prosperar nesta nova era do desenvolvimento assistido por IA.
Fonte original: Este artigo foi adaptado e traduzido a partir da matéria publicada em VentureBeat, disponível em https://venturebeat.com/orchestration/ai-coding-agents-are-blowing-through-budgets-replit-kilo-code-and-symbotic-explain-how-theyre-managing-it.
