Simon Willison: escrever código ficou barato, código bom não

Existe uma frase que resume a nova economia do software em cinco palavras, e Simon Willison a colocou como título do primeiro capítulo do seu guia: escrever código ficou barato agora. Willison, cocriador do Django e autor de ferramentas de dados muito usadas como o Datasette e o LLM, abriu um projeto chamado Agentic Engineering Patterns para documentar as práticas dessa nova fase, e o ponto de partida é uma verdade desconfortável para quem passou a carreira inteira otimizando o custo de escrever código.

O argumento

"O código sempre foi caro", escreve Willison. Produzir algumas centenas de linhas limpas e testadas toma um dia inteiro de trabalho, ou mais. E, segundo ele, quase todos os nossos hábitos de engenharia foram construídos em torno dessa restrição. No nível macro, gastamos tempo desenhando, estimando e planejando projetos para garantir que aquelas horas caras de código sejam bem gastas. Uma ideia de feature precisa provar que vale muitas vezes o custo de desenvolvê-la. No nível micro, tomamos dezenas de decisões por dia com base em tempo: vale refatorar essa função para deixá-la mais elegante se custa mais uma hora? Vale escrever a documentação? Vale o teste para aquele caso de borda?

Os agentes de codificação, diz Willison, derrubaram drasticamente o custo de digitar código no computador, e com isso bagunçam quase todas essas intuições pessoais e organizacionais. Pior: a possibilidade de rodar vários agentes em paralelo torna a conta ainda mais difícil, porque um único engenheiro pode estar implementando, refatorando, testando e documentando em vários lugares ao mesmo tempo.

O contraponto que salva a ideia do hype

Se parasse aí, seria mais um hino ao "a IA escreve tudo". Mas Willison faz questão do contraponto, e é ele que dá peso ao texto. "Entregar código novo caiu para quase de graça", escreve, "mas entregar código bom continua bem mais caro que isso." E ele define, sem economia, o que é código bom: o código funciona; nós sabemos que ele funciona, porque tomamos passos para confirmar isso; ele resolve o problema certo; trata os casos de erro com clareza, não só o caminho feliz; é simples e mínimo, faz só o necessário; é protegido por testes que provam que funciona hoje e evitam que quebre em silêncio amanhã; é documentado no nível certo; e o desenho permite mudanças futuras sem virar um nó.

O ferramental de agente ajuda em quase tudo isso, reconhece Willison, mas o peso de garantir que o código produzido é bom, para o subconjunto de "bom" que aquele projeto exige, continua no colo do desenvolvedor que dirige a ferramenta.

Escrever código virou quase de graça. Garantir que o código presta continua caro. O trabalho não sumiu, mudou de lugar: da digitação para a verificação.

O novo hábito

A parte prescritiva do texto é curta e provocadora. Willison admite que essas práticas ainda estão sendo descobertas pela indústria inteira, e por ele mesmo. Mas propõe um exercício concreto para o presente: desconfiar do próprio instinto. Toda vez que a sua intuição disser "não construa isso, não vale o tempo", dispare o prompt mesmo assim, numa sessão de agente assíncrona, onde o pior que pode acontecer é você conferir dez minutos depois e descobrir que não valia os tokens. O cálculo de "vale a pena?" foi calibrado numa era em que código custava um dia. Numa era em que custa minutos e alguns centavos, o instinto está errado com frequência.

Vale registrar um detalhe de postura que Willison faz questão de deixar claro: ele tem uma política pessoal de não publicar texto gerado por IA sob o próprio nome. Usa modelos para revisar e para escrever código de exemplo, mas as palavras do guia são dele. Num momento de enxurrada de conteúdo sintético, é uma âncora de credibilidade que combina com o argumento.

Nossa leitura

Para quem coloca IA em produção, a tese de Willison é um mapa de para onde mover o orçamento. Se escrever ficou barato e verificar continua caro, o investimento do time precisa migrar de quem digita para quem garante. Na prática, isso quer dizer três coisas.

Teste vira o ativo, não a tarefa chata do fim. Se o agente produz código em minutos, o que separa código bom de lixo veloz é a suíte de testes que diz se ele presta. Não à toa o próprio Willison dedica um capítulo do guia ao ciclo vermelho e verde do TDD com agentes. É a mesma lógica de escrever a especificação como exemplo executável: o exemplo que valida vale mais quando a produção é barata.

O engenheiro sobe de camada. Ele deixa de ser quem escreve a linha e passa a ser quem define o problema certo e julga o resultado. Isso ecoa a ideia de que o agente é 10% modelo e 90% entorno: o valor está no entorno que você monta, e no julgamento que você aplica, não na geração em si. Demitir o julgamento porque a geração ficou barata é o erro clássico.

A conta de token vira parte do design. Quando alfabetização em IA é saber gastar e poupar token, disparar um agente assíncrono "só para ver" deixa de ser desperdício e vira método. O custo marginal baixo é uma ferramenta, desde que você tenha a verificação para separar o que voltou bom do que voltou plausível e errado.

O código ficou barato. A qualidade, não. Quem entender essa tesoura e mover o time da digitação para a verificação vai tirar proveito real dos agentes. Quem só comemorar o barato vai encher o repositório de código veloz que ninguém garante, e descobrir o custo disso na primeira quebra em produção.

Se você quer redesenhar o fluxo do seu time para a era em que escrever código ficou barato e garantir qualidade não, fala com a gente no WhatsApp.