Eu apresentei a palestra “Os 5 super poderes do Vibe Coding que vão mudar a forma como você desenvolve software” (slides, video) no Google I/O Extended Natal 2026 com a temática Build With AI. O evento como sempre foi muito bem organizado e trouxa palestras variadas e muito interessantes. Parabéns a todos do @gdgnatal que fizeram o evento acontecer!
A palestra foi muito inspirada no livro “Vibe Coding: Building Production-Grade Software with GenAI, Chat, Agents, and Beyond” do Gene Kim e do Steve Yegge com prólogo do Dario Amodei, que fala do acrônimo FAAFO (Fast, Autonomous, Ambitious, Fun, and Optionality) que eu traduzi para ADORA (Autonomia, Diversão, Opções, Rapidez e Ambição). Estes são os superpoderes do Vibe Coding que vão mudar a forma como você desenvolve software.
A palestra foi dividida em 5 partes:
O que é Vibe Coding?
Como a IA impacta carreiras?
ADORA - Os Superpoderes do Vibe Coding
Loop de Vibe Coding
O que pode dar errado?
Neste artigo vou abordar os primeiros 3 e o que você deve aprender com a IA.
O que é Vibe Coding?
Eu começo por definir o que é Vibe Coding porque imagino que cada um tem um conceito diferente na cabeça. E essa confusão se justifica.
Como o próprio livro define:
“Vibe Coding acontece sempre que você está direcionando e não digitando, permitindo que a IA cuide da implementação enquanto você foca em visão e verificação.”
Direcionar é muito diferente da visão que muitos têm de que Vibe Coding é apenas mandar prompts para que a IA eventualmente chegue ao resultado esperado. Essa visão é muito suportada pelo tweet do Andrej Karpathy que introduziu o termo:
“Existe um novo tipo de programação que eu chamo de ‘Vibe Coding’, onde você se entrega completamente à vibe, abraça exponenciais e esquece que o código sequer existe. [...]”
Se o desenvolvedor “esquece que o código sequer existe”, qual a responsabilidade que ele tem sobre esse código?
E o tweet vai além:
“Eu ‘Aceito tudo’ sempre, eu não leio mais diffs […]”
E continua:
“O código cresce além da minha compreensão, […]”
Como alguém pode se responsabilizar por algo que ela sequer compreende?
“[…] eu apenas contorno o bug e peço mudanças aleatórias até que ele suma.”
Essa última frase é exatamente a visão de que basta mandar prompts que a IA vai chegar ao resultado esperado em algum momento.
Mas como podemos esperar que isso aconteça se esse resultado esperado não está claro? Se não definimos os padrões de engenharia que devem ser aplicados? Se não criamos procedimentos confiáveis de verificação do resultado produzido pela IA?
A questão gira em torno exatamente da percepção de responsabilidade em torno do termo que descreve o trabalho profissional de geração de software utilizando a IA como ferramenta. E aí começaram a surgir diversos outros termos para tentar definir melhor:
Prompt Engineering
AI-assisted Engineering/Programming/Development
AI-driven […]
Agentic […]
Harness […]
Spec-driven […]
E quando a gente para pra ver a definição de cada um deles, não é muito diferente do que o livro define como Vibe Coding.
Como a IA impacta carreiras?
Uma pergunta que eu tenho ouvido bastante é se a IA vai tornar o desenvolvedor de software obsoleto. E quanto mais eu estudo sobre o assunto, mais eu acredito que isso não vai acontecer.
Mas tornar obsoleto é diferente de impactar e eu acredito que a evolução da IA está impactando não só trabalho do desenvolvedor como qualquer outro trabalho relacionado a conhecimento. O próprio livro do Steve e do Kim fala que se seu trabalho envolve pensar, analisar, criar ou comunicar, ele já está mudando e não tem como voltar atrás.
“A IA está mudando todo trabalho relacionado a conhecimento.”
Muitas das tarefas podem e devem ser delegadas para agentes de IA, mas delegar implementação ≠ delegar responsabilidade. Por mais que boa parte do trabalho seja feito pela IA, as pessoas ainda são responsáveis por ele.
Tem uma frase que eu gosto muito do Dr. Andrew Ng que diz:
“A IA não vai substituir as pessoas, mas talvez pessoas que usam IA vão substituir pessoas que não usam.”
E esse mesmo padrão aconteceu com outras revoluções que aconteceram na tecnologia da informação e outras indústrias:
Linguagens de alto nível vão matar programadores assembly
Visual Basic vai substituir programadores profissionais
Plataformas de low-code vão tornar programadores obsoletos
etc.
Assisti à palestra “A reality check on AI’s impact on business transformation” do Dilip Krishna na Lead Dev NYC 2025. Foi quando eu conheci o paradoxo de Jevons:
“Baratear ou tornar mais eficiente o uso de um recurso pode levar a uma maior demanda por esse mesmo recurso.”
O recurso que estamos barateando é o software e o que estamos tornando mais eficiente é o programador. Dado que está mais barato, as pessoas vão experimentar mais formas de resolver problemas com software e isso vai gerar mais demanda. Então eu espero que vão existir mais empregos para desenvolvedores, não menos.
Os 5 superpoderes do Vibe Coding
São eles: Autonomia, Diversão, Opções, Rapidez e Ambição. Ou Fast, Autonomous, Ambitious, Fun, and Optionality em inglês.
Autonomia
Tarefas que antes precisavam de colaboração e coordenação intensas entre várias pessoas passaram a ser desempenhadas por uma única pessoa interagindo com agentes de IA.
Diversão
“Vibe coding transforma o seu teclado em uma slot machine. Você puxa a alavanca e receve uma recompensa” — adaptado do livro Vibe Coding
Cada uma dessas recompensas injeta um pouco de dopamina e nos encoraja a puxar a alavanca novamente. Como o ciclo entre enviar o prompt e receber a “recompensa” é curto, ficamos sempre querendo mandar só mais um prompt.
Opções
O Vibe Coding reduz o custo de explorar múltiplas soluções para um mesmo problema ao mesmo tempo.
A opção é um direito de fazer uma decisão no futuro e quando estamos em um cenário de indecisão, evitamos ao máximo tomar decisões com impacto de longo prazo. Isso é exatamente o problema do big design upfront: muitas decisões são tomadas no início de um projeto e à medida que o projeto evolui, elas se tornam cada vez mais difíceis de reverter.
Dado que o Vibe Coding reduz o custo de explorar múltiplas opções, essas decisões podem ser tomadas com mais embasamento. Além disso, o custo de revertê-las também é reduzido.
A assertividade dos modelos é diretamente impactada pelo tamanho do contexto. Isso significa que quanto menor o contexto associado a uma tarefa, mais assertivo o modelo vai ser. Então quanto mais modulares for a sua solução, menor o custo para reverter as decisões e explorar múltiplas opções.
Rapidez
Esse é provavelmente o aspecto do Vibe Coding mais debatido. A sensação de produtividade é real e à medida que vamos tendo boas experiências com a IA, vamos tendo cada vez mais confiança.
Mas velocidade é diferente de eficiência. Principalmente se for na direção errada. Quanto mais rápido se produz código de baixa qualidade, mais rápido se aumenta o débito técnico. Por isso que é importante que o ciclo de verificação seja curto. Para identificar desvios e corrigir a direção.
De acordo com o AI Engineering Report 2026 - The Acceleration Whiplash da Faros que considerou 22 mil desenvolvedores em 4 mil times, o code churn (quantidade de linhas excluídas em relação às adicionadas) cresceu 861%.
Outro problema de aumentar a velocidade de geração de código é que de acordo com a teoria das restrições, cada sistema tem pelo menos um gargalo. E o mesmo report indica que o gargalo migrou para a revisão de código que está levando em média 199% mais tempo. Isso é potencializado pelo aumento da quantidade de código sendo gerado por IA. O tamanho médio dos PRs cresceu em 51%, demandando cada vez mais engenheiros revisando código.
Ambição
“Vibe coding altera o espectro do que é possível ser construído.” — adaptado do livro Vibe Coding
A definição do que pode ser construído está muito relacionada com o ROI (Retorno sobre o investimento). O ROI é definido por:
Como já vimos, o Vibe Coding reduz o custo de construção. O ROI é inversamente proporcional ao custo, então quanto menor o custo, maior o ROI.
Tarefas que antes se acumulavam no backlog começam a parecer mais viáveis. O que geralmente ficava pro fim da priorização como documentação, testes, pequenas melhorias e refatorações ganha prioridade.
Aprendendo com a IA
Em primeiro lugar, precisamos entender que a área de tecnologia exige aprendizado constante. Ter uma rotina de leitura, pessoas que produzem conteúdo confiável e fontes seguras de informação são extremamente importantes. O importante é estar sempre buscando aprender.
Uma boa forma de aprender também é questionar os motivos da IA ter escolhido as soluções que ela escolheu. Geralmente pedir referências ajuda a IA a lhe dar formas de verificar as respostas. Isso pode levar a dois caminhos:
A IA pode identificar que se enganou
ou você vai aprender com ela com base em referências confiáveis
Por falar em verificação, essa é uma parte da interação com a IA que eu acredito que precisamos ter atenção especial. Se conseguirmos ser eficazes na verificação e no controle do que a IA produz, podemos nos beneficiar cada vez mais dela.
A mágica acontece quando a IA consegue observar, executar e validar o seu próprio trabalho.
ADORA eh um nome muito melhor, parabens pelo artigo mestre! Bem bom mesmo!