PulseFlow Tecnologia
← Insights
·6 min de leitura·analise-de-mercado·coding-agents·modelo-operacional·harness-engineering
PulseFlow Tecnologia

Coding agents vão mudar o modelo operacional de engenharia

Três engenheiros. Um milhão de linhas de código. Mais de 1.500 pull requests mesclados em cinco meses. Esse não é um caso hipotético de produtividade - é o experimento de harness engineering que a própria OpenAI documentou, e o número que mais importa nele não é a quantidade de código gerado, é a proporção: uma fração do time humano que qualquer projeto desse porte normalmente exigiria.

O que muda não é quem escreve código, é quem faz o quê

O próprio conceito de harness engineering descreve essa mudança: quando o trabalho principal de um time deixa de ser escrever código e passa a ser desenhar ambientes, especificar intenção, e construir loops de feedback que permitem a agentes fazer trabalho confiável. Isso reorganiza o que um engenheiro sênior faz no dia a dia - menos tempo implementando, mais tempo definindo escopo, revisando arquitetura, e mantendo o repositório "legível" o suficiente para que agentes operem bem nele.

O fluxo de PR já absorve isso, sem esperar por um caso extremo

Nem toda empresa vai operar como o experimento da OpenAI, com zero código escrito manualmente. O modelo mais provável para a maioria é o que o GitHub já documenta: alguém atribui uma issue a um coding agent, o agente abre PR num branch dedicado, roda testes e lint, e pede revisão humana - cada etapa "registrada, visível e aberta à participação do time". Isso não elimina o engenheiro humano do ciclo; move o papel dele de "quem escreve a primeira versão" para "quem revisa, aprova e direciona".

O que isso significa para como times são dimensionados

Se um time pequeno, com o processo certo, consegue sustentar o volume de PRs que normalmente exigiria um time muito maior, a pergunta que times de engenharia e RH vão precisar responder não é "quantos engenheiros contratar para este projeto", mas "que tipo de engenheiro" - alguém que sabe desenhar contexto, revisar arquitetura e validar trabalho de agente, não necessariamente alguém que passa o dia inteiro implementando funcionalidade linha por linha.

Refatoração, testes e documentação são os primeiros candidatos

Dentro da própria OpenAI, o uso mais comum de agentes de código não é gerar funcionalidade nova do zero - é justamente o tipo de tarefa que historicamente broke o fluxo de um engenheiro humano: refatoração, renomeação, escrita de testes. Esse é o padrão que deve se espalhar primeiro pelo mercado: não substituição total do trabalho de engenharia, mas absorção da fatia mais repetitiva e menos estratégica dele.

O risco de ler isso como "menos engenheiros necessários"

A leitura mais simplista - "agentes substituem engenheiros" - erra o ponto. O que os dois casos mostram é que o gargalo se desloca: de "quantas mãos para escrever código" para "quem consegue desenhar processo, contexto e revisão o suficiente para um agente operar com confiabilidade". Isso é uma mudança de modelo operacional, não uma simples redução de quadro - e times que tratarem como redução de quadro sem redesenhar o processo em volta tendem a acumular dívida técnica na mesma velocidade em que geram código.

Fontes