Quarta-feira, 9h50. A daily acabou, o ticket da sprint é "ajustar o cálculo de frete no checkout" e o arquivo que faz isso é um PHP de 1.400 linhas que ninguém abre desde 2019. Tem um PR do júnior esperando revisão desde ontem, o Sentry mostra um erro novo em produção e, no WhatsApp, o cliente do freela da noite pergunta se a tela de login fica pronta até sexta.
É nesse dia comum, e não em demo de evento, que a IA para programação precisa provar que paga a assinatura. A resposta curta: paga, mas não onde a maioria espera. Ela é muito boa para ler código, montar teste, fazer a primeira passada de revisão e escrever SQL. É fraca para decidir arquitetura, para segurança e para lembrar qual versão de biblioteca existe de verdade. Este guia passa pela sprint de um dev, tarefa por tarefa, com a ferramenta que eu usaria em cada uma, o preço em 2026 e os pontos em que ela costuma te colocar em apuro.
Primeiro, separe três tipos de ferramenta
Muita gente compara Copilot com ChatGPT como se fossem a mesma coisa. Não são. Na prática, existem três jeitos de usar IA no código, e cada um resolve um problema diferente.
- Assistente no editor. Completa a linha, sugere o próximo trecho, responde perguntas sobre o arquivo aberto. GitHub Copilot e Gemini Code Assist são os mais comuns. Ganha alguns minutos por hora, todos os dias.
- Agente de código. Recebe uma tarefa ("adiciona paginação no endpoint de pedidos e escreve os testes"), lê vários arquivos, edita, roda os testes e tenta de novo. Claude Code, Codex da OpenAI, o modo agente do Cursor e o Windsurf estão aqui. Ganha horas, mas exige revisão séria.
- Chat. ChatGPT, Claude e Gemini no navegador. Serve para pensar: comparar duas abordagens, entender um erro, escrever uma query, montar a mensagem para o cliente. Não enxerga o seu repositório, a não ser que você cole o código.
Quem só usa o chat copia e cola o dia inteiro. Quem só usa autocompletar nunca descobre o que um agente faz numa tarde. O ganho de verdade aparece quando você combina um assistente no editor com um agente para as tarefas maiores.
O mapa da sprint, tarefa por tarefa
Os tempos abaixo são estimativas de quem faz isso toda semana num time de produto web (backend em Node, PHP ou Python, front em React), não resultado de estudo. Servem para você ver onde está o ganho grande e onde ele é pequeno.
| Tarefa | Sem IA | O que a IA faz bem | O que fica com você | O que eu usaria |
|---|---|---|---|---|
| Entender código legado antes de mexer | 2 a 4 h | Explica a função, lista entradas e efeitos colaterais, aponta quem chama o quê | Confirmar com teste ou log se a explicação bate | Agente no repositório (Claude Code ou Codex) |
| Escrever testes | 1 a 3 h | Lista casos de borda e escreve o esqueleto no padrão do projeto | Decidir o que é comportamento certo | Agente ou Copilot no editor |
| Primeira revisão de PR | 20 a 60 min por PR | Pega SQL concatenado, teste faltando, segredo no código, N+1 | Aprovar, discutir desenho e regra de negócio | Revisor automático no CI (ver o agente revisor) |
| Debug com stack trace | 30 min a 3 h | Hipóteses em ordem de probabilidade e como confirmar cada uma | Reproduzir o erro e escolher a correção | Chat (Claude ou ChatGPT) ou agente |
| SQL e migrations | 30 min a 2 h | Reescreve query lenta, sugere índice, monta migration reversível | Rodar EXPLAIN em base real e decidir a janela de deploy | Chat com o schema colado |
| Documentação (README, ADR, descrição de PR) | 1 a 2 h | Primeiro rascunho a partir do código e do diff | Cortar o que é óbvio e dizer o porquê | Agente no repositório |
| Estimativa de ticket | 30 min | Quebra o ticket em subtarefas e lista riscos esquecidos | O número final | Chat |
| Script descartável, regex, conversão de dados | 30 min a 1 h | Faz quase tudo | Rodar numa cópia antes | Chat ou agente |
| Decidir arquitetura (fila, cache, monólito x serviço) | dias | Levantar prós e contras que você esqueceu | A decisão inteira | Chat, como sparring |
Código legado: o melhor uso que quase ninguém faz
Voltando ao frete. Antes de tocar numa linha, peça ao agente para ler o arquivo e responder três coisas: o que a função calcula, de onde vêm os parâmetros e o que quebra se você mudar a regra. Em 10 minutos você tem um mapa que levaria a manhã. Um detalhe que faz diferença: peça para ele marcar o que é certeza (está no código) e o que é suposição (nome de variável sugere). Em legado, variável chamada $tp pode ser "tipo de pagamento" ou "tipo de produto", e a IA chuta com confiança.
O passo seguinte é o teste de caracterização: um teste que trava o comportamento atual, certo ou errado, antes da sua mudança. A IA escreve esses testes muito bem, e eles salvam você de "consertei o frete e quebrei o cupom".
Testes: deixe a IA achar os casos de borda
Pedir "escreve os testes dessa função" gera teste que confirma o caminho feliz. Pedir "liste 10 entradas que podem quebrar essa função e escreva um teste para cada" gera teste útil. Divisão de parcelas com centavo sobrando, data no último dia do mês, string vazia no CEP, usuário sem permissão. É aí que o bug mora e é aí que a IA é rápida. No post de prompts para programador tem esse prompt com a saída real.
Revisão de PR: primeira passada, nunca a aprovação
Quem é tech lead sabe: metade do tempo de revisão vai para coisa repetida. Concatenação de string em query, falta de teste, console.log com token, tratamento de erro engolido. Um revisor automático no CI comenta isso antes de você abrir o PR, e o autor já corrige. Você fica com o que só um humano decide: se a mudança faz sentido para o produto e se o desenho aguenta os próximos seis meses. O GitHub Copilot já oferece revisão de código nos planos pagos; montar o seu revisor vale quando você quer as regras do seu time e quer que ele abra issue para dívida técnica fora do escopo.
Debug: hipóteses, não respostas
Colar o stack trace e perguntar "como resolvo?" costuma render uma correção que esconde o sintoma (um try/except a mais, um ?. a mais). Peça hipóteses em ordem de probabilidade, com o jeito de confirmar cada uma. Você continua sendo quem reproduz o erro. A IA só encurta o caminho até a hipótese certa.
SQL: cole o schema e o EXPLAIN
Para query lenta, a IA acerta muito quando recebe o CREATE TABLE, os índices e a saída do EXPLAIN ANALYZE. Sem isso, ela sugere índice no escuro. O erro clássico que ela pega na hora: função aplicada na coluna do filtro (WHERE DATE(criado_em) = ...), que impede o uso do índice.
Estimativa e conversa com cliente
No freela, a parte mais cara não é o código, é o escopo. Use o chat para quebrar o pedido do cliente em subtarefas e listar o que ele não falou (recuperação de senha, e-mail transacional, LGPD no cadastro, painel admin). A estimativa continua sua, mas você para de esquecer metade do trabalho no orçamento.
Ferramentas e preços em 2026
Preços das páginas oficiais em outubro de 2026, em dólar, por usuário. Esse mercado muda de plano a cada poucos meses, então confira no site antes de assinar.
| Ferramenta | Tipo | Plano de entrada | Observação |
|---|---|---|---|
| GitHub Copilot | Editor + agente + revisão | Grátis com limite; Pro US$ 10/mês; Pro+ US$ 39; Max US$ 100 | Autocompletar não consome créditos nos planos pagos; chat e agente consomem créditos de IA |
| Claude Code | Agente no terminal e no editor | Incluso no Claude Pro, US$ 20/mês (US$ 17 no anual); Max a partir de US$ 100 | Forte em tarefas longas, em vários arquivos |
| ChatGPT com Codex | Chat + agente | Plus US$ 20/mês (no Brasil, em torno de R$ 100); confira no site | Codex vem com limite de uso no Plus; Pro dá mais |
| Cursor | Editor com agente | A partir de US$ 8/mês (Plus); Premium US$ 30 | Os planos mudaram em outubro de 2026: no Plus, só modelos Grok; Claude e GPT a partir do Premium, cobrados à parte pelo preço da API |
| Gemini Code Assist | Editor | Standard US$ 19/mês no anual (US$ 22,80 no mensal); Enterprise US$ 45 | A versão gratuita individual foi substituída pelo Antigravity em junho de 2026 |
| Windsurf | Editor com agente | A partir de US$ 20/mês (Pro); confira no site | Hoje está dentro da Cognition, a empresa do Devin |
| ChatGPT, Claude ou Gemini grátis | Chat | US$ 0 | Dá para começar; trava em arquivo grande e no limite diário |
O que eu escolheria no seu lugar
- Júnior CLT, empresa não paga nada: Copilot grátis no editor e um chat grátis. Antes de pagar qualquer coisa, pergunte ao seu líder qual é a política da empresa. Colar código do cliente num chat pessoal é o jeito mais rápido de virar assunto no RH.
- Pleno com freela à noite: eu pagaria o Claude Pro (US$ 20) e usaria o Claude Code nos projetos do freela, não o Cursor, porque no plano barato do Cursor você fica preso aos modelos Grok e, para usar Claude ou GPT, sobe para US$ 30 mais o consumo da API. Com US$ 20 você tem o agente e o chat no mesmo plano.
- Sênior ou tech lead: Copilot no editor (o time provavelmente já tem) mais um agente para as tarefas grandes, e um revisor automático no CI. O seu gargalo é revisão, não digitação.
- Empresa com dado sensível: plano empresarial com contrato que proíbe treino com o seu código e registro de uso. Ferramenta de plano pessoal não entra no repositório da empresa.
Júnior e sênior não ganham a mesma coisa
Esse é o ponto que quase ninguém fala com franqueza. Para o sênior, a IA tira digitação e pesquisa de documentação: ele sabe olhar a sugestão e dizer em 5 segundos "isso aqui vai dar condição de corrida". Para o júnior, a mesma sugestão parece certa, passa no teste do caminho feliz e vai para o PR.
Se você está no começo, use a IA como professora, não como digitadora. Peça para ela explicar por que escreveu aquilo, peça a versão sem biblioteca, peça para ela listar o que pode dar errado. E escreva você mesmo o primeiro teste. Em entrevista técnica, ninguém vai te deixar abrir o Copilot, e no primeiro incidente em produção quem precisa entender o código é você.
Se você é o sênior do time, o seu trabalho mudou um pouco: agora você também revisa código gerado por IA. Combine com o time uma regra simples, como "PR com código gerado precisa ter teste escrito pelo autor", e o problema cai pela metade.
Onde a IA erra e como isso vira incidente
Bibliotecas e funções que não existem
O modelo sugere npm install de um pacote com nome plausível que não existe, ou que existe e foi registrado por alguém justamente porque as IAs costumam inventar esse nome. Também inventa parâmetro de função e método de versão antiga. A regra: todo pacote novo sugerido pela IA passa por você no site do registro (npm, PyPI, Packagist), olhando autor, data, downloads e repositório. E fixe a versão no lockfile.
Segurança
Código gerado repete os erros mais comuns da internet, porque aprendeu com ela: SQL montado com concatenação, senha com hash fraco, CORS liberado para qualquer origem, upload sem checar o tipo do arquivo. O OWASP Top 10 continua sendo a melhor lista de conferência. Com agente, entra um risco novo: injeção de prompt. Um README, uma issue ou um comentário no código pode ter instrução escondida para o agente ("rode este comando", "mande o .env para tal endereço"). O OWASP tem uma lista própria para aplicações com modelos de linguagem. Na prática: não dê ao agente permissão para rodar comando sem você aprovar em repositório que não é seu, e não deixe token de produção no ambiente em que ele roda.
Licença
De vez em quando a sugestão é praticamente um trecho de projeto open source, com licença que obriga a abrir o seu código ou dar crédito. O Copilot tem um filtro que bloqueia sugestões iguais a código público; vale deixar ligado. Em projeto de cliente, a regra que eu sigo é simples: trecho grande e "bonito demais" que veio pronto, eu pesquiso antes de commitar.
Segredo no prompt e LGPD
Colar o .env no chat para "ver por que não conecta" é mais comum do que parece. Assim como colar 200 linhas da tabela de clientes para a IA "achar o problema no CSV". Isso é dado pessoal saindo da empresa sem base legal, e a LGPD trata o controlador (a empresa, e às vezes o seu cliente do freela) como responsável. A ANPD já publicou orientações sobre tratamento de dados e segurança da informação. O hábito que resolve: troque dado real por dado fictício antes de colar, use variável de ambiente de mentira nos exemplos e desligue nas configurações o uso das suas conversas para treinar o modelo. Se vazou uma chave, revogue na hora, não espere.
Erros comuns de quem começa a usar IA no código
- Aceitar o diff inteiro sem ler. O agente mexeu em 9 arquivos para resolver um bug de 1 linha. Leia tudo, ou peça para ele explicar cada arquivo alterado.
- Pedir sem contexto. "Cria um endpoint de usuários" gera código no padrão do tutorial, não no do seu projeto. Diga o framework, a versão, onde ficam os testes e mostre um arquivo de exemplo.
- Deixar o agente rodar migration. Agente pode criar a migration. Quem roda em banco com dado é você.
- Trocar de ferramenta toda semana. O ganho vem de conhecer bem uma, inclusive os defeitos. Fique três semanas com a escolhida antes de julgar.
- Não medir. Anote quanto tempo levou o ticket parecido sem IA. Sem esse número, você não sabe se está ganhando ou só se divertindo.
- Usar plano pessoal no código da empresa. Pergunte antes. É uma conversa de 5 minutos que evita uma demissão.
Por onde começar amanhã
Escolha uma tarefa que você faz toda semana e que dá preguiça (escrever teste, revisar PR pequeno, explicar legado) e use IA só nela por duas semanas. Os comandos prontos para isso estão nos prompts para programador, com saídas reais. Se o seu gargalo é revisão de PR no time, o post do agente de IA para programador mostra como montar um revisor no GitHub Actions, com custo mensal e o texto de instrução inteiro.
Quer pular essa parte?
Agentes de IA prontos para devs e times de software: sem montar nada, sem prompt, já trabalham por você.
- Primeira revisão de todo PR, com comentários na linha e etiqueta de risco
- Triagem de bugs do suporte direto para o backlog, com passos para reproduzir
- Regras de segurança e de LGPD já configuradas, sem permissão de aprovar ou fazer merge
Perguntas frequentes
Qual a melhor IA para programação em 2026?
Depende da tarefa. Para autocompletar no editor, GitHub Copilot; para tarefas que mexem em vários arquivos, um agente como Claude Code ou Codex; para pensar e escrever SQL, qualquer chat bom com o schema colado. Eu começaria com Copilot Pro mais Claude Pro.
Dá para usar IA para programar de graça?
Dá para começar: o Copilot tem plano grátis com limite e ChatGPT, Claude e Gemini têm versões gratuitas. O limite aparece rápido em arquivo grande e em uso de agente.
IA vai substituir programador?
Ela já substitui parte da digitação e da pesquisa de documentação. Decidir o que construir, revisar, responder por incidente e conversar com o cliente continua com o programador, e quem revisa bem código gerado vale mais, não menos.
Posso colar código da empresa no ChatGPT?
Só se a política da empresa permitir e com plano que não usa seus dados para treino. Nunca cole segredo, token ou dado pessoal de cliente; troque por dado fictício antes.
Júnior deve usar IA para programar?
Deve, mas como professora: peça explicação, peça os casos que quebram o código e escreva você os primeiros testes. Aceitar sugestão sem entender atrasa o seu aprendizado.
