Vibecoding com IA
Seu MVP feito com vibecoding parou de sair em produção, como todo código escrito por juniores antes dele
Um MVP feito com vibecoding trava pelo mesmo motivo que trava uma equipe de juniores sem um sênior: o código é escrito rápido, nada pega os erros antes que cheguem à produção, e cada mudança nova quebra a anterior sem ninguém perceber.
A mesma história aparece sem parar nas comunidades de fundadores (a imprensa de tecnologia já lhe deu nome: a ressaca do vibe coding), e ela sempre chega ao mesmo ponto. O MVP existe. Tem usuários reais, às vezes receita real. Os primeiros meses foram a melhor experiência de criar produto da vida do fundador: você descreve uma funcionalidade no Cursor, no Claude Code, no Lovable ou no Bolt, e ganha a funcionalidade. E então, meses depois, as entregas vão parando. Aos poucos. Os releases ficam mais assustadores, as correções demoram mais, e mudanças que levavam uma tarde passam a levar semanas.
A conclusão de sempre, nesse ponto, é que programar com IA foi uma armadilha, ou que o código é um lixo e precisa ser reescrito. Não acho que nenhuma das duas seja verdade. O que vejo nesses códigos é algo que eu já corrigia havia anos antes de um LLM escrever a primeira linha de código de produção: o resultado de trabalho júnior, rápido e sem supervisão. A indústria sabe lidar com isso há décadas, e num MVP típico feito com vibecoding quase nada desse conhecimento foi aplicado. Essa é a boa notícia: a sua situação é bem conhecida, e as soluções também.
O formato do travamento
O padrão se repete com tanta constância que consigo listar os sintomas sem ver o código:
- Você adiciona uma funcionalidade e outras três quebram. Descobrir quais três leva mais tempo do que a própria funcionalidade.
- Há partes do código gerado por IA que ninguém entende, nem você, nem a IA que as escreveu. Mexer nelas é uma aposta.
- A IA reescreve o mesmo código de jeitos diferentes, uma vez após a outra. Cada correção desfaz uma correção anterior. Você paga tokens para andar em círculos.
- O fluxo da demo funciona. Aí um usuário real faz algo um pouco fora do comum, a produção cai de madrugada, e você só fica sabendo pela reclamação de um usuário.
Os quatro sintomas vêm do mesmo lugar: nada no código ou no fluxo de trabalho segura as decisões anteriores no lugar, então cada mudança nova volta a jogar os dados para tudo o que veio antes. As pesquisas começam a documentar a mesma troca: um estudo recente sobre vibe coding na prática descreve uma geração sem atrito que se paga mais tarde com inconsistência de arquitetura, falhas de segurança e custo de manutenção.
O júnior mais rápido que você já contratou
Esta é a mudança de olhar que torna a situação toda administrável: trate o agente de código como um colega com um perfil bem específico. É o desenvolvedor júnior mais rápido com quem você já trabalhou: entrega uma funcionalidade em minutos, nunca discorda, nunca se cansa. E tem zero memória do porquê das decisões do mês passado, nenhum medo de mexer em nada e nenhuma responsabilidade pelo resultado. Ele vai entregar com toda a confiança um código que parece pronto, porque parecer pronto é exatamente o que ele otimiza.
Equipes de software empregam exatamente essa pessoa desde que a indústria existe; cada prática construída em torno de desenvolvedores juniores existe por causa desse perfil. Engenheiros experientes em grande parte já chegaram a essa visão; o que ainda não chegou aos fundadores é a metade que importa: o sistema de gestão que vem junto.
Digo isso como alguém que constrói com agentes de IA todos os dias: o meu próprio trabalho de produto é feito com vibecoding, e não pretendo parar. Cada mudança que os meus agentes produzem passa por linters, checagem de tipos e testes no CI antes de entrar. As ferramentas variam por stack (mypy e pytest em Python, tsc e ESLint em Node, PHPStan e PHPUnit em PHP), e a ideia é a mesma. A velocidade é real. O perfil também.
Já arrumei a versão humana disso várias vezes. Numa startup de EdTech em que trabalhei como CTO em tempo parcial, a produção podia ficar fora do ar por horas antes que alguém percebesse: nada estava vigiando. Nenhum alerta, nenhum rastreamento de erros. Bugs funcionais ficavam no produto sem que ninguém prestasse atenção neles. O código tinha sido escrito às pressas, por pessoas com mais velocidade do que experiência, e as maiores lacunas estavam em volta dele: ninguém revisava as mudanças, nada testava os caminhos críticos, nada vigiava a produção, e um release significava um desenvolvedor entrando no servidor de produção e mudando coisas à mão.
Colocamos monitoramento, adicionamos testes, revisão de código e uma etapa de QA, trocamos as edições à mão no servidor por um pipeline de release e reescrevemos algumas partes do código no caminho. As quedas pararam; a produção ficou estável dali em diante. Ao longo do trabalho, o tempo fora do ar caiu mais de dez vezes, a velocidade de entrega (time-to-market e throughput) mais que dobrou, os custos de operação caíram 1,5×, e o eNPS da equipe foi de −100% para +100%. Além das ferramentas, sentei com o desenvolvedor em conversas individuais, sobre os objetivos dele e como alcançá-los, porque gerenciar um júnior inclui fazê-lo crescer. Nada disso é exótico; é o kit padrão, aplicado tarde.
A IA não existia para aquela startup, e a falha é idêntica à de um MVP construído com IA. A IA só chega lá mais rápido.
O que equipes experientes fazem com juniores, e o equivalente para a IA
As práticas que transformam o trabalho de juniores num negócio que funciona são conhecidas até demais. Cada uma tem um equivalente direto na era da IA, e um MVP feito com vibecoding costuma não ter nenhuma delas.
| Como as equipes lidam com juniores | O equivalente para a IA | O que isso impede |
|---|---|---|
| Um documento de onboarding: como estruturamos o código aqui, o que nunca fazemos | Um arquivo de convenções que o agente lê em toda tarefa (AGENTS.md / CLAUDE.md) | O agente reinventando a arquitetura do zero a cada pedido |
| Revisão de código antes de qualquer merge | Uma pessoa ou um agente sênior revisa cada mudança da IA; linters e checagem de tipos funcionam como barreira obrigatória | Código que “parece pronto” quebrando em silêncio funcionalidades que funcionavam |
| Uma suíte de testes que precisa ficar verde | Testes nos caminhos críticos, rodando automaticamente; uma suíte vermelha bloqueia o merge | A correção que quebra outras duas coisas; a regressão que você descobre em produção |
| Um CI que não deixa mudanças ruins passarem | O mesmo pipeline, aplicado ao que o agente produz: lint, tipos, varredura de segurança, build | Credenciais fixas no código, entrada sem validação, dependências que ninguém escolheu de propósito |
| Monitoramento, para que os problemas apareçam antes dos clientes | Rastreamento de erros e alertas ligados ao produto em produção | A produção fora do ar por horas enquanto todo mundo acha que está tudo bem |
| Tarefas pequenas e bem delimitadas: um júnior nunca recebe “refazer o faturamento” num ticket só | Uma mudança por pedido, num tamanho que uma pessoa consiga de fato revisar o diff | O diff de 4.000 linhas que ninguém consegue checar, onde moram as piores surpresas |
| Conversas individuais e feedback regulares, para o júnior crescer em vez de repetir erros | O que a revisão pega volta para o arquivo de convenções, e o agente para de cometer aquele erro | Pagar pela mesma correção, em tokens e em tempo de revisão, toda santa semana |
A coluna da esquerda e a da direita são a mesma lista. Esse é o argumento inteiro deste ensaio: a disciplina para gerenciar agentes de IA já existe, testada na prática, e está esperando para ser aplicada.
A linha de segurança traz um número que vale conhecer: no relatório de 2025 da Veracode sobre a segurança do código gerado por IA, 45% das amostras de código gerado por IA, de mais de 100 modelos, falharam nas verificações de segurança. A barreira existe porque o júnior entrega vulnerabilidades em escala.
Prompts melhores ficaram fora da lista de propósito. Um sênior ajusta o ambiente em volta do júnior para que um trabalho descuidado fisicamente não consiga chegar à produção, seja qual for a redação do ticket.
As soluções que você já tentou, e por que não se sustentaram
Quando um fundador começa a procurar ajuda de fora, normalmente já passou por duas ou três tentativas de resgate. Elas falham de jeitos previsíveis, e a lente do júnior explica cada uma.
Trocar de ferramenta de IA. Trocar o Cursor pelo Windsurf ou pelo Copilot substitui um júnior por outro júnior. O novo pode ser mais esperto; ainda assim não tem memória, não tem medo, e não há revisão nenhuma esperando o que ele produz. Os mesmos padrões voltam em semanas, porque eles nunca dependeram de qual modelo escreveu o código.
Prompts e arquivos de regras melhores. Mais perto: esse é o documento de onboarding, e é uma camada de verdade. Só que uma instrução que o pipeline não faz cumprir é uma sugestão. Um júnior concorda com o guia de estilo e depois entrega o que entrega; o que torna o guia real é a revisão e as barreiras por trás dele.
O sprint de refatoração. “Vamos parar as funcionalidades por duas semanas e arrumar a casa.” Refatorar sem testes é como um júnior transforma bugs velhos em bugs novos: o código acaba quebrado de outro jeito, e você pagou duas semanas de paralisação por isso. A limpeza vem depois da rede que pega o que a limpeza quebra.
Contratar um desenvolvedor sênior. O instinto certo, muitas vezes na hora errada. Coloque um sênior num código sem testes, sem histórico de revisão e sem monitoramento, e os primeiros meses dele somem em arqueologia: redescobrindo à mão fatos que as ferramentas deveriam mostrar de cara. Alguns vão embora. Construa a rede de segurança primeiro, e a mesma contratação rende já na primeira semana, se é que você ainda vai precisar dela.
Como retomar as entregas
A ordem das etapas importa mais do que qualquer prática isolada.
- Primeiro, o diagnóstico. Qual camada ausente está de fato travando as entregas agora? Se a produção quebra em silêncio, o monitoramento vem primeiro. Se cada mudança causa regressões, vêm primeiro os testes nos dois ou três caminhos críticos do usuário. Um MVP feito com vibecoding não absorve seis práticas novas numa semana; comece pela que mais dói e depois adicione a próxima.
- Monte a rede de segurança. Monitoramento e rastreamento de erros, um pipeline de CI com barreiras de verdade, testes nos caminhos sem os quais o negócio morre, revisão em toda mudança. Seja de uma pessoa ou de um agente, a regra é a mesma: nada entra sem ser visto. Essa fase se mede em semanas, alguns meses no máximo, e é nela que as entregas recomeçam sem alarde, porque as mudanças deixam de dar medo.
- Só então, escale. Arrumar a arquitetura, ajustar a performance, decidir contratações: o trabalho de escalar um software gerado por IA. Tudo isso sai barato quando a rede existe e é imprudente enquanto ela não existe.
É a mesma sequência que aplico há anos em códigos escritos por juniores, e é exatamente o que ofereço para produtos feitos com vibecoding. A versão mais longa, com quanto custa e o que rende cada fase, está na página MVP de vibecoding de volta aos trilhos. E, se você quiser medir onde as suas entregas realmente travam em vez de adivinhar (quais tarefas empacam, e em que etapa), escrevi um guia à parte sobre como diagnosticar um sistema de entrega com métricas; ele vale para uma equipe de duas pessoas com IA do mesmo jeito que para uma organização de quarenta engenheiros.
Perguntas frequentes
Preciso reescrever o MVP do zero?
Quase certamente não. Códigos escritos por juniores são resgatados sem recomeçar do zero há décadas, e o método se aplica diretamente: estabilize, monte a rede de segurança e depois reescreva as piores partes aos poucos, com a rede ali para pegar o que a reescrita quebrar. Reescrever tudo joga fora o único ativo que você de fato tem, um código que funciona e que os usuários já usam todo dia, e recomeça o mesmo processo com as mesmas práticas faltando.
Isso é só dívida técnica?
É algo mais específico. Dívida técnica pressupõe que alguém entendeu a troca e escolheu a velocidade. Um código gerado por IA contém decisões que ninguém tomou conscientemente e ninguém sabe explicar: a dívida está na compreensão. Por isso a solução começa por tornar o código observável e testável; a limpeza vem depois.
Posso continuar construindo com IA enquanto isso é corrigido?
Sim, e a ideia é justamente essa. O objetivo é colocar revisão, testes e barreiras em volta do júnior, com o teclado continuando onde está. Você segue entregando com IA o tempo todo; o que o agente produz simplesmente passa a atravessar as mesmas verificações que o trabalho de uma pessoa atravessaria. Eu construo com IA todos os dias dentro exatamente desse tipo de estrutura.
A IA consegue consertar o código que ela mesma quebrou?
Em parte, e só dentro de barreiras. Os agentes são realmente bons no trabalho de manutenção de que um código gerado por IA precisa (escrever testes, adicionar tratamento de erros, refatorações mecânicas) quando um pipeline verifica o que eles produzem. Pedir a um agente para “arrumar o código” sem testes e sem barreiras é pedir ao mesmo júnior que corrija a própria prova.