80% do código de ANTHROPIC é criado por IA e revisão humana se torna o novo desafio

A Anthropic revelou que mais de 80% do código utilizado em seus modelos Claude e nas ferramentas associadas foi gerado pela própria IA. Esse percentual refere-se ao código que passa pelo processo oficial da empresa, sendo revisado antes de ser integrado aos sistemas de treinamento, infraestrutura e produtos de inteligência artificial.

Além do volume de código, o ritmo de produção dos engenheiros também aumentou significativamente. Dados internos indicam que o número de linhas de código produzidas por trimestre aumentou em até 8 vezes se comparado com o período de 2021 a 2025. A natureza do trabalho evoluiu: menos digitação e mais ênfase na direção e revisão.

Esse processo de transição se desenrolou ao longo de cinco anos. Entre 2021 e 2023, o código era redigido manualmente. Em 2024, começou o uso consistente de chatbots para gerar pequenos trechos de código. Já em 2025, agentes começaram a lidar com arquivos completos, e em 2026, esses mesmos agentes passaram a executar tarefas longas com pouca intervenção humana.

O benchmark METR, que mediu a operação autônoma de modelos como GPT‑3.5 em 2022, mostrava um tempo de 35 segundos. Em 2026, o Claude Opus 4.6 foi capaz de trabalhar por até 16 horas em tarefas complexas. A duração das tarefas apresentava um crescimento significativo, dobrando a cada 7 meses inicialmente, e depois a cada 4 meses. Se esse padrão continuar, em 2027 espera-se que os sistemas realizem tarefas que duram vários dias.

Os métodos de avaliação clássicos também enfrentam desafios. O SWE-bench, utilizado para medir a capacidade de programação, já não diferencia bem os modelos mais recentes. Entretanto, os ganhos de desempenho em execução de código são evidentes, com versões do Claude alcançando uma velocidade de execução até 52 vezes maior em alguns casos documentados.

O modelo de IA é capaz de gerar dados, corrigir erros e criar novos desafios para si mesmo, reduzindo a necessidade de intervenção humana. A própria IA passa a preparar datasets e ajustes, retroalimentando seu treinamento.

Entretanto, esse aumento na automação traz riscos. Pequenos vieses podem ser potencializados com o tempo, e mudanças nos critérios de decisão podem ocorrer sem supervisão clara. Em resposta a isso, a empresa implementa ambientes isolados para testes e sistemas independentes que auditam cada modificação.

Com o aumento da geração de código, surge um novo desafio. A lei de Amdahl explica que a parte do sistema que não é automatizada começa a dominar o tempo total, que é ocupado pela revisão humana. Assim, quanto mais código é gerado pela IA, mais tempo os humanos levam para validar essas mudanças.

Essa mudança na dinâmica de trabalho e produção traz grandes desafios e avanços, que merecem atenção e discussão!