Code with Claude: O Que Muda no Seu Time nos Próximos 12 Meses

📈 Dado central

A duração das tarefas que a IA consegue fazer está dobrando a cada 7 meses

Hoje a IA faz tarefas que levam cerca de 1 hora de trabalho. Ano que vem, será o equivalente a 1 dia. Em 2 anos, 1 semana inteira.

A analogia usada pelo Erik da Anthropic: o que seria a rotina de um engenheiro se um computador fosse 1 milhão de vezes mais rápido que hoje? Foi exatamente isso que aconteceu nos últimos 20 anos.

Case real — Anthropic

22.000 linhas de código em produção, escritas pelo Claude

Um time interno da própria Anthropic mergeu uma mudança de 22 mil linhas de código escrita majoritariamente pelo Claude, em produção.

O que seria 2 semanas de trabalho humano virou 1 dia. O time acabou com o mesmo nível de confiança que teria com código 100% manual.

A descoberta mais importante do case não foi a economia de tempo. Foi a mudança mental: "coisas que levavam 2 semanas agora levam 1 dia — então vamos fazer mais coisas que antes não consideraríamos".

📈 Ganhos concretos do Claude 4 vs anterior

✓ Claude 4 reduz em 80% a tendência de "trapacear" em testes (hardcodar resposta)
✓ Em uma base de código complexa da própria Anthropic, o sistema de instruções caiu 70% em tamanho
✓ Onboarding técnico na Anthropic caiu de 2-3 semanas pra 2-3 dias
✓ Claude consegue manter foco em planos de +12 horas contínuas de trabalho

"Coding vai embora primeiro. Engenharia de software depois."

Dario fez uma separação importante:

◦ Coding (escrever código, debug, criar funções) → vai ser 95% feito por IA
◦ Engenharia de software (design de sistema, arquitetura, definir o quê construir) → ainda vai exigir humanos por mais tempo

Implicação: o valor do dev vai migrar de "quem escreve código" pra "quem pensa o que deve ser construído e garante qualidade". O papel do engenheiro vira mais próximo do papel que hoje é de arquiteto de software e tech lead.

📈 A lógica da vantagem comparativa

Mesmo que a IA faça 95% da tarefa e você faça só 5%, o resultado é você virar 20x mais produtivo.

O que importa é quais 5% você traz — e esses 5% são exatamente as partes que hoje consomem mais tempo (decisões de arquitetura, entender requisitos reais, garantir qualidade).

📈 Quando o custo de produzir software cai pra perto de zero

Dario fez uma pergunta-chave pra executivos:

"É um artigo de fé da nossa indústria assumir que software só vale a pena se milhões de pessoas usarem. Ou pelo menos centenas de milhares. Mas e quando criar um software customizado pra um único evento custar 20 centavos e 10 segundos? O que isso faz com o papel do dev? Com o papel de empresas de software? Com o papel de startups?"

A resposta dele: "Eu não sei. E acho que ninguém sabe ainda. Mas é a pergunta mais importante que CEOs e gestores deveriam estar fazendo."

🚀 "Abrace as exponenciais"

A frase que todo palestrante repetiu. Não é só que os modelos vão melhorar — é que vão melhorar mais rápido do que a sua intuição espera.

Para CEOs e gestores de TI: não planeje com base em "onde a IA está hoje". Planeje com base em "onde ela vai estar daqui a 12 meses, quando meu projeto de adocacao entrar em produção".

Ganhos de produtividade reportados pelas empresas

⚠️ Observação importante: nenhum desses ganhos foi automático. Todos os cases envolveram investimento em treinamento do time, criação de padrões internos (como o CLAUDE.md) e pelo menos 15-20 minutos de preparação de contexto por tarefa complexa.

"Não pergunte o que o Claude pode fazer por você. Pergunte o que você pode fazer pelo Claude."

O que isso muda na prática

O dev deixa de ser quem executa a tarefa e passa a ser quem prepara o contexto e verifica o resultado. É essencialmente o papel de um gerente de produto, mas aplicado a um "funcionário" que é o Claude.

O que o dev precisa aprender:

◦ Escrever requisitos claros
◦ Identificar e documentar contexto não-óbvio
◦ Criar casos de teste robustos
◦ Revisar output em alto nível (não linha por linha)
◦ Saber quando NÃO confiar na IA (tarefas críticas, arquitetura central)

Erik compara com gerência tradicional:

◦ Um CTO não lê todo código dos times dele — ele faz spot check e confia em testes
◦ Um PM não implementa as features — ele usa o produto pra validar
◦ Um CEO não faz os cálculos — ele verifica pontos-chave do modelo financeiro

Dev "PM do Claude" é a mesma lógica aplicada ao código.

⚠️ Alerta do próprio CEO da Anthropic

Usar IA do jeito errado faz a equipe perder habilidades

Dario admitiu publicamente: "A Anthropic rodou estudos internos que mostram que, dependendo de como você usa IA pra coding, você perde habilidades."

Ele citou o exemplo de alunos que usam IA pra escrever redação: estão basicamente trapaceando no dever, e isso deteriora a capacidade de pensamento estruturado.

Como evitar deskilling no time de TI

✅ Use IA pra amplificar, não substituir o pensamento — o dev ainda precisa entender a arquitetura
✅ Revisão humana obrigatória em arquitetura central — deixe IA fazer "leaf nodes", humano continua na parte crítica
✅ Treinamentos regulares sem IA — fundamentos de algoritmos, design de sistema
✅ Cultura de curiosidade — pergunte "por que Claude fez assim?", não "funciona, partiu mergear"
✅ Pensamento crítico — sempre validar se o código realmente resolve o problema

🎓 Preocupação específica com devs juniores

Se juniores nunca passam pelo processo de quebrar a cabeça e entender arquitetura antes de pedir pra IA resolver, o risco de deskilling é maior. Eles podem produzir resultado, mas sem construir a base de conhecimento que fica pra vida inteira.

Recomendação: estabeleça um "regime de aprendizado" pra devs nos primeiros 6 meses — algumas tarefas sem IA, tempo de pair programming com seniores, revisão crítica do que a IA entrega.

🎨 Canva — prototipagem interna & Canva Code externo

Uso interno: times de produto usam Artifacts do Claude pra criar protótipos clicáveis em minutos. Antes, esse processo levava dias de trabalho com engenheiros. Agora qualquer PM ou designer consegue validar ideias e testar com usuários rapidamente.

Uso externo: lançaram Canva Code, onde usuários sem conhecimento técnico descrevem o que querem e Claude gera aplicações funcionais que podem ser publicadas com 1 clique. Democratizou desenvolvimento pra os +300 milhões de usuários.

🛒 Shopify — framework de automação (Roast)

Criaram e lançaram open source um framework chamado Roast, que combina passos determinísticos ("sempre rodar esses testes") com passos agênticos ("pede pro Claude analisar o resultado e consertar").

Aplicações: migrações de código em larga escala, aumentar cobertura de teste, pipelines de revisão de PR automática. O CTO comentou que está "se espalhando como fogo na palha" dentro da Shopify.

📄 Sourcegraph — repensou o produto inteiro

A Sourcegraph atende 7 das 10 maiores empresas de software do mundo. Quando viram o poder dos agentes, fizeram uma decisão radical: reconstruir o produto do zero em volta da arquitetura de agentes, em vez de tentar plugar IA no que já existia.

O CTO argumenta que empresas com produtos legados precisam fazer a mesma pergunta: "se estivéssemos começando hoje, com IA disponível, construiríamos a mesma arquitetura?"

🔧 Tempo Labs — PMs e designers codando

Startup que criou uma IDE que parece Figma mas edita código real. O resultado: designers abrem PRs direto, sem precisar envolver engenheiro pra ajustes de front-end.

Número reportado: 10-15% dos PRs de front-end nos clientes são abertos por designers ou PMs. O engenheiro só revisa, não escreve.

💡 Padrão comum entre os cases

Nenhuma dessas empresas usa IA como "ferramenta à parte". Todas repensaram processos ou produtos pra incorporar IA no core. O dev vira PM do Claude, o designer vira design engineer, o PM vira protótipador. As fronteiras de papel se borram.

✅ Adote ao longo dos próximos 90 dias

✓ Claude Code pra devs (ganho imediato em onboarding e bug fixes)
✓ CLAUDE.md em todos os projetos principais — padroniza contexto pro time
✓ Claude GitHub Actions pra revisão automática de PRs
✓ Treinamento estruturado do time — o ganho de produtividade não é automático
✓ Políticas claras de onde pode/não pode usar IA (dados sensíveis, segurança, compliance)
✓ Migração pra Claude 4 onde estiver usando Claude 3.7

📅 Planeje pros próximos 6 meses

✓ Agentes para processos internos — triagem de suporte, análise de logs, relatórios
✓ MCP servers internos que expõem ferramentas do seu sistema pro Claude
✓ Migrações de código legado que vinham sendo postergadas
✓ Evolução dos papeis — devs começam a atuar mais como arquitetos/PMs do Claude
✓ Métricas de produtividade pra medir o ganho real no time
✓ Reavaliar arquitetura de produtos principais: precisa ser repensada pra era de agentes?

🚀 Monitore pros próximos 12+ meses

✓ Autonomia de agentes crescendo (de 1h pra 1 dia pra 1 semana de tarefas)
✓ Ferramentas mais robustas — vamos ver IDEs, debugadores, revisores repensados
✓ Redefinição do papel do dev — de implementador pra arquiteto
✓ Redução drástica no custo marginal de criar software
✓ Novos modelos de negócio que só fazem sentido quando código vira barato

1. Pensamento crítico (a nº 1 segundo Dario)

Num mundo onde IA gera texto, imagem, vídeo e código em massa — saber diferenciar real de fake, não cair em golpes, não ter crenças falsas é a habilidade de sobrevivência fundamental. Pra times: contratar e desenvolver pessoas com essa capacidade.

2. Fazer as perguntas certas

Erik amplia: "pessoas totalmente sem conhecimento técnico não vão conseguir usar IA bem, porque não conseguem fazer as perguntas certas. E o dev que deixa de fazer boas perguntas se torna apenas um digitador que a IA substitui." Priorize seniores que guiam, não que executam.

3. Habilidades "human-centered"

Relações, liderança, cuidado. Dario acredita que são as que mais demoram pra ser substituídas. Pra TI: a liderança de time, mentoria, gestão de stakeholders continua sendo fundamental.

4. Mistura digital + físico

Profissões que combinam mundo físico com análise (exemplo dele: radiologista). Pra TI: dev que combina TI com conhecimento de indústria específica (saúde, finanças, logística) fica mais valorizado.

❌ O que fica menos valioso

◦ Escrever código seguindo receita
◦ Tarefas repetitivas e rotineiras
◦ Ser "especialista em uma sintaxe" sem visão sistêmica
◦ Ser o "humano que conecta sistemas" (agentes fazem isso)

🛡️ Riscos que precisam de política

◦ Dívida técnica invisível — Erik enfatizou: "hoje não temos como validar dívida técnica sem ler o código". Se você fizer "vibe coding" em todo lugar, pode acumular dívida que só vai aparecer em 12 meses.
◦ Código gerado em base de código legada — arquitetura central precisa ser verificada por humanos
◦ Segurança e compliance — dados sensíveis só podem ser expostos a IA em ambientes controlados
◦ Reward hacking — embora 80% menor no Claude 4, ainda existe. Testes bem desenhados continuam críticos

👤 Riscos de pessoas

◦ Deskilling — time perde capacidade sem perceber
◦ Resistência à adoção — devs seniores que veem IA como ameaça
◦ Over-adoção — usar IA pra tudo, incluindo onde não faz sentido
◦ Falta de treinamento — ganho de produtividade não vem automático

📝 Itens de política interna que vão ter que existir

◦ Que modelos podem ser usados, com que dados, em que projetos
◦ O que precisa passar por revisão humana antes de mergar
◦ Critérios de qualidade pro output da IA (testes, coverage, tipo safety)
◦ Quem autoriza uso em sistemas críticos
◦ Como gerenciar segredos e acessos em MCP servers
◦ Processo de auditoria de código gerado por IA