A IA escreve o seu código agora. Os incidentes por pull request subiram 242%.
O código gerado por IA está ultrapassando a revisão de código: incidentes por PR em alta de 242%, bugs por desenvolvedor em alta de 54%.Por que os testes end-to-end são agora o controle de qualidade que escala.
10 min de leituraPela equipe do GUI Test Studio
O que a Faros AI mediu
Em abril de 2026, a Faros AI publicou The AI Engineering Report 2026: The Acceleration Whiplash.Não é uma pesquisa sobre como os desenvolvedores se sentem.São cerca de dois anos de telemetria de 22 mil desenvolvedores em mais de 4 mil equipes, comparando os períodos de menor e de maior adoção de IA dentro de cada organização.
A primeira conclusão já mostra o cenário.Em 80% das equipes, mais da metade dos desenvolvedores usa ferramentas de IA toda semana, e a parcela de código gerado por IA que os desenvolvedores aceitam subiu de 20% para 60%.
“A IA não está auxiliando os desenvolvedores. Na maioria das organizações, ela os está liderando.”
A boa notícia é real, e o relatório diz isso.Com alta adoção de IA, as equipes concluem mais trabalho.
+66%
Épicos concluídos por desenvolvedor
+33.7%
Tarefas concluídas por desenvolvedor
+16.2%
Pull requests mesclados por desenvolvedor
Depois vem o tranco.As mesmas equipes entregam mais incidentes e mais bugs, e a curva está ficando mais íngreme, não mais plana.
Qualidade em produção com alta adoção de IA
Incidentes por pull request
Os incidentes por alteração mesclada ocorrem a mais de três vezes a taxa anterior.
Incidentes mensais
Interrupções, eventos de segurança e falhas que chegam aos usuários.
Bugs por desenvolvedor, relatório de 2026
Bugs por desenvolvedor, relatório de 2025
A taxa de defeitos está ficando mais íngreme, não mais plana.
Bugs por pull request
Por que os bugs e os incidentes aumentam com o código gerado por IA?
Um incidente é o que o usuário sente: uma interrupção, um evento de segurança, uma falha do sistema.Entre a baixa e a alta adoção de IA, a razão entre incidentes e pull requests mesclados subiu 242.7%, e os incidentes mensais subiram 57.9%.
“Para cada PR mesclado, os incidentes estão ocorrendo a mais de três vezes a taxa anterior.”
Os bugs seguem a mesma linha.O relatório de 2025 da Faros, The AI Productivity Paradox, mediu um aumento de 9% nos bugs por desenvolvedor.Neste conjunto de dados, o número sobe 54%, e a própria página do relatório indica bugs por pull request com alta de 28.7%.Quanto mais uma equipe depende de IA, mais rápido os defeitos crescem.
Esses números descrevem o que aconteceu, não uma causa única, e a Faros tem o cuidado de dizer isso.Mas todos apontam na mesma direção.Mais código chega à produção, mais rápido, e cada alteração traz mais risco do que antes.
Por que a revisão de código não consegue acompanhar os agentes de programação com IA?
A revisão de código foi pensada para código escrito na velocidade humana.Um agente de programação com IA escreve um pull request em minutos, e uma equipe com cinco agentes abre mais pull requests em um dia do que os engenheiros seniores conseguem ler em uma semana.
A revisão de código diante do volume gerado por IA
Tempo mediano em revisão
Tempo mediano até a primeira revisão
Pull requests mesclados sem nenhuma revisão
Nem uma pessoa nem um agente de IA olhou para eles.
A Faros mediu a fila: o tempo mediano até a primeira revisão subiu 156.6%, o tempo mediano em revisão subiu 441.5%.E a pressão encontra uma saída.Os pull requests mesclados sem nenhuma revisão, nem humana nem de agente, subiram 31.3%.
“O código está chegando aos sistemas de produção sem nenhuma supervisão a uma taxa significativamente maior.”
Até uma revisão cuidadosa tem um ponto cego.
- Quem revisa lê um diff, e um diff nunca mostra o aplicativo em execução.
- Um botão escondido por um novo estilo, um total calculado do jeito errado na página de pagamento, uma caixa de diálogo que abre atrás da janela: nada disso aparece no código que causou o problema.
O que detecta os bugs que a revisão deixa passar?
A primeira ideia é pedir mais testes de unidade ao agente.Peça, mas não pare por aí.Os testes escritos pelo agente que escreveu o código compartilham o entendimento dele sobre a tarefa: se ele entendeu mal o requisito, o código e os testes concordam entre si, e os dois estão errados.
A rede de segurança que acompanha o ritmo da IA tem três propriedades.
| Propriedade | Por que importa com código gerado por IA |
|---|---|
| Automatizada | É executada a cada pull request e a cada build, na velocidade dos agentes, sem esperar por um revisor. |
| Independente | Uma pessoa é dona dela, e ela não depende do código nem da IA que escreveu o código, então não pode compartilhar os erros deles. |
| Verifica o que os usuários veem | Ela conduz o aplicativo real pela interface e verifica a tela, onde os incidentes são sentidos. |
Isso é um teste de ponta a ponta: um teste do aplicativo inteiro pela interface, do jeito que um usuário o percorre, do login ao pagamento.É a isso que se resume testar código gerado por IA, e é o que os números da Faros pedem: uma verificação que cresce com o volume de alterações, não com o número de revisores.
Um agente abre um PR
Minutos de trabalho, muitos arquivos
Os testes de unidade passam
O próprio entendimento do agente
Os testes de ponta a ponta são executados
O que o usuário vê, sob a responsabilidade de uma pessoa
Merge, ou bloqueado
Uma falha aguarda uma correção
Como transformar testes de ponta a ponta em um portão de qualidade de CI/CD?
Definição
Um portão de qualidade é uma verificação pela qual uma alteração precisa passar antes de ser mesclada ou implantada.
- Cinco hábitos transformam os testes de ponta a ponta em um portão que nenhum agente consegue contornar na conversa.
- 1
Liste os percursos que nunca podem quebrar
Cadastro, login, busca, checkout, o relatório que os seus clientes exportam toda segunda-feira.De cinco a dez percursos, cada um com o resultado que o usuário espera.Essa lista é a especificação, e ela pertence a uma pessoa, não ao agente.
- 2
Teste a tela, não o código
Verifique o que um usuário lê e vê: o total, a mensagem, o botão, a disposição.Um agente renomeia classes e reescreve componentes à vontade.Um teste ancorado na tela sobrevive a isso e ainda reprova quando a tela está errada.
- 3
Execute a cada pull request e bloqueie em caso de falha
Um resultado que só avisa logo é ignorado.Faça um teste de ponta a ponta reprovado reprovar o build, para que a alteração aguarde uma correção em vez de chegar aos usuários.
- 4
Mantenha os testes fora do alcance do agente
O agente pode executar os testes e ler os resultados.Uma alteração no que um teste espera precisa da aprovação de uma pessoa, senão os testes vão se desviando para o que quer que o código faça.
- 5
Torne as falhas legíveis e registre-as
Uma falha deve dizer qual etapa falhou e em que a tela é diferente, com imagens, para que o agente possa propor uma correção e uma pessoa possa decidir.E ela deve virar um bug na sua ferramenta de acompanhamento sem que ninguém precise copiar capturas de tela: veja transformar testes reprovados em bugs do Jira.
Um aviso: um portão que reprova sem motivo é pior do que nenhum portão, porque as pessoas aprendem a ignorá-lo.Um portão precisa de testes que distingam uma regressão real de um ruído inofensivo.Esse é o assunto de testes instáveis e falsos positivos.
Faça
- Testes de ponta a ponta dos percursos dos quais os usuários dependem
- Uma execução reprovada que bloqueia o merge
- Uma pessoa que aprova cada alteração no que um teste espera
- Falhas com imagens e etapas, registradas como bugs
Evite
- Os próprios testes do agente como única rede de segurança
- Fazer o merge quando os revisores estão ocupados demais para olhar
- Uma execução de ponta a ponta vermelha que só avisa
- Portões tão instáveis que ninguém confia neles
Testar código gerado por IA a cada build com o GUI Test Studio
O GUI Test Studio foi feito exatamente para esse portão.Ele testa aplicativos web, aplicativos de desktop do Windows, celulares e jogos de ponta a ponta, pela interface, sem código de teste para escrever ou manter.
Um teste em minutos: grave-o ou descreva-o
Grave um fluxo de trabalho uma única vez no GUI Test Runner-Recorder, clicando e digitando no aplicativo real.Ou descreva-o em um prompt para o Claude, o ChatGPT com Codex ou um modelo de IA local, um dos nossos ou o seu, e o teste é criado para você.Cada asserção que um assistente adiciona é testada na hora e recusada se não puder ser aprovada na tela naquele momento.
De qualquer forma, o teste verifica o que a tela mostra.
- Uma asserção visual compara a imagem de um elemento, uma asserção textual lê as palavras dele.
- O GTS Engine + AI encontra cada elemento perguntando primeiro ao aplicativo, por meio das informações de acessibilidade ou dos próprios elementos da página web, e pela visão quando o aplicativo não informa.
- Uma classe renomeada ou um componente reescrito não quebra o teste.
Um portão no seu pipeline, com o gtr-cli
O gtr-cli executa os mesmos testes em uma máquina de build Windows e responde do jeito que um pipeline espera: o código de saída reprova o build, um arquivo JUnit preenche a aba de testes e um resumo em Markdown fica pronto para o pull request.Com uma opção, um teste reprovado vira um item do Jira com as etapas para reproduzir e as imagens esperada e encontrada.
gtr-cli run tests --countdown 0 --format github --junit results\junit.xml ^
--summary results\summary.md --artifacts results\artifacts --jira on-failureFunciona no TeamCity, no Jenkins, no GitHub Actions, no GitLab e no Azure DevOps: veja Executar testes no seu pipeline, e Execute os seus testes de ponta a ponta a cada build para uma configuração do TeamCity etapa por etapa.
Uma regressão real ou um ruído inofensivo?
Toda execução termina em um Relatório de confiança: para cada asserção, se o elemento foi encontrado na Fase de busca e se ele corresponde ao que foi gravado na Fase de verificação.
- Quando uma imagem difere, a Análise inteligente com IA dá uma segunda olhada.
- Ela ignora o ruído de renderização e ainda detecta uma palavra alterada, um selo que sumiu ou um botão que ficou cinza, e depois diz o que mudou em palavras simples.
O agente também pode executar o portão
Por meio do conector, o assistente que escreve o seu código pode executar os testes, ler o veredito e propor uma alteração em um teste, que aguarda a sua confirmação.Uma pessoa continua no comando do que os testes esperam.O ciclo completo está em Desenvolvimento com agentes de IA (ADLC).
Principais conclusões
- 1A IA agora é a principal autora do código. A produção subiu, e os incidentes também: +242.7% por pull request mesclado, +57.9% por mês.
- 2Os bugs estão acelerando, não se estabilizando. Os bugs por desenvolvedor subiram 54%, contra 9% no relatório de 2025.
- 3A revisão chegou ao limite. 31.3% mais pull requests são mesclados sem nenhuma revisão.
- 4A rede de segurança precisa ser automatizada e independente: testes de ponta a ponta do que os usuários veem, sob a responsabilidade de uma pessoa, executados a cada build.
- 5Faça disso um portão. Uma falha bloqueia o merge, registra um bug e diz o que mudou.
Perguntas
A IA gera código com mais bugs?
O AI Engineering Report 2026 da Faros AI comparou os períodos de menor e de maior adoção de IA dentro de cada organização, entre 22 mil desenvolvedores.Com alta adoção, os bugs por desenvolvedor subiram 54% e os incidentes por pull request mesclado subiram 242.7%.O relatório mede o que aconteceu, não uma causa única, mas a taxa de defeitos sobe conforme a adoção se aprofunda.
Por que a revisão de código não basta para o código gerado por IA?
O tempo de revisão cresce com o volume de código, e a IA multiplica o volume.A Faros mediu o tempo mediano até a primeira revisão com alta de 156.6% e os pull requests mesclados sem nenhuma revisão com alta de 31.3%.Quem revisa também lê um diff, nunca o aplicativo em execução, então uma tela quebrada pode passar por uma revisão cuidadosa.
Como testar código gerado por IA antes que ele chegue à produção?
Mantenha testes de ponta a ponta dos seus fluxos de trabalho críticos sob a responsabilidade de uma pessoa, independentes do código e do agente que o escreveu.Execute-os a cada pull request ou build e deixe uma falha bloquear o merge.Eles verificam o que os usuários veem, seja quem for que escreveu o código.
O que é um portão de qualidade de CI/CD?
Um portão de qualidade é uma verificação no seu pipeline pela qual uma alteração precisa passar antes de ser mesclada ou implantada.Um teste de ponta a ponta reprovado reprova o build, então a alteração aguarda uma correção em vez de chegar aos usuários.
Um agente de programação com IA pode criar e executar testes do GUI Test Studio?
Sim.O Claude, o ChatGPT com Codex, o Copilot Chat no VS Code ou um modelo de IA local, um dos nossos ou o seu, pode criar um teste a partir de um prompt e executá-lo por meio do conector do GUI Test Studio.Em um pipeline, o gtr-cli executa os mesmos testes sem nenhum assistente.
Números: Faros AI, The AI Engineering Report 2026: The Acceleration Whiplash (abril de 2026) e a página do relatório para bugs por pull request.Faros AI, Claude, ChatGPT, Codex, Copilot, OpenAI, Anthropic, Jira, TeamCity, Jenkins, GitHub, GitLab, Azure DevOps e YouTube são marcas comerciais dos respectivos proprietários.
Pronto para gravar o seu primeiro teste?
Todos os recursos, por 15 dias.
Prefere ver no tipo de aplicativo que você testa?Agende uma chamada gratuita de 30 minutos com a nossa equipe.