O Que Times de Banco de Dados Podem Ensinar Sobre Agentes de IA no Código

Vamos ser sinceros: toda semana surge uma nova manchete sobre agentes de IA escrevendo código mais rápido que programadores. O Cursor recriou o SQLite em dias. Fábricas de software geram PRs em volume. É o suficiente para qualquer desenvolvedor ficar pensando se seu emprego está com os dias contados.

Mas o que essas manchetes ignoram: velocidade é a parte fácil. Fazer agentes escreverem código rápido? Problema trivialmente resolvido. Fazer eles escreverem código que você confiaria em sistemas de produção? Esse é o problema difícil que ninguém quer discutir.

A Cockroach Labs recentemente compartilhou sua abordagem para esse desafio, e vale a pena analisar — especialmente se você é uma startup ou desenvolvedor pensando em integrar agentes de IA no seu fluxo de trabalho.

A Questão dos R$800 Mil

Em 2024, a Cockroach Labs adicionou suporte a Oracle no MOLT, sua ferramenta de migração. O projeto levou nove meses e custou aproximadamente 160 mil dólares em tempo de engenharia. Trabalho sólido e profissional feito por engenheiros experientes.

Depois veio abril. O time precisava adicionar suporte ao IBM Db2 — um banco de dados com dialeto SQL rico, sistema de tipos complexo e protocolo nativo. Escopo técnico equivalente.

Fizeram em menos de dois dias. O custo total foi de 4.172 dólares.

A pegadinha? Nenhum humano escreveu qualquer código.

Antes de começar a drafting sua carta de demissão mental, considere o que tornou isso possível: não foram apenas agentes mais inteligentes. Foi um sistema construído em torno de uma premissa radical — que o gargalo não é escrever código, é escrever código confiável.

Apresentando MOLT Sinai: Um Hospital de Código

A Cockroach Labs não jogou agentes no problema. Eles construíram o que chamam de MOLT Sinai: um pipeline modelado em hospitais universitários onde issues se tornam "pacientes", código merged se torna "alta", e revisores humanos se tornam "Diretores Médicos".

O vocabulário é charmoso, mas a filosofia por trás é séria:

• Issues são pacientes: Cada tarefa entra no sistema com documentação, passa por triagem e segue um caminho de cuidado definido
• Decomposição é diagnóstico: Problemas grandes são quebrados em sub-problemas com grafos de dependência explícitos. Base antes de sistemas de tipos. Sistemas de tipos antes de iteradores de linha. Você não pode apressar a cura.
• Revisão são rodadas: Cada pedaço de trabalho é examinado, devolvido para revisões (às vezes 55 vezes por issue pai), e escalado quando necessário
• Humanos são diretores: A autoridade final permanece com engenheiros experientes que podem escalar issues para si mesmos quando algo parece errado

Isso não é sobre substituir médicos — é sobre construir um sistema onde residentes, attendings e especialistas todos têm papéis claramente definidos.

Por Que Throughput É a Métrica Errada

Aqui é onde a maioria dos experimentos com IA dá errado: eles otimizam para "PRs por hora" ou "linhas de código por dia". Essas métricas parecem emocionantes em demos. Geram manchetes excelentes. São quase inúteis para realmente entregar software.

A Cockroach Labs é direta: eles preferem que agentes levem 10x mais tempo do que entreguem dados errados em uma migração de cliente. Para uma empresa cuja proposta de valor inteira é correção de dados, isso não é só filosofia — é sobrevivência.

A pergunta deles não era "quantos PRs podemos fazer merge?". Era "quantos desses PRs nósostaríamos envergonhados de fazer merge?".

Essa é uma pergunta que mais times deveriam fazer, estejam usando agentes de IA ou não.

O Que Realmente Aconteceu

Quando o suporte a Db2 chegou no MOLT:

• 32 sub-issues foram abertas sob a issue pai
• 27 pull requests passaram pelo pipeline
• 55 vezes, revisores devolveram o trabalho para revisão
• 9 issues foram escaladas, com 2 chegando a intervenção humana
• Cobertura de testes igualou ao dialeto mais bem testado (PostgreSQL)

Os agentes não eram perfeitos. Eles abriram issues contra o próprio trabalho: gaps em fixtures, bugs em type-mapping, correções de isolation-level. Precisavam de supervisão. Mas a supervisão era estruturada, proposital e dimensionada para a complexidade do trabalho.

Compare isso com uma fábrica de software rodando agentes em paralelo com uma camada de merge-handling. Essa arquitetura faz sentido quando o gargalo é velocidade de escrita. Para trabalho crítico de correção? Você precisa de algo mais próximo de um hospital, não de uma linha de produção.

O Que Isso Significa Para Seu Time

Olha, a maioria de vocês não está construindo ferramentas de migração de banco de dados. Vocês estão construindo web apps, APIs, ferramentas internas, MVPs para a próxima grande coisa. As stakes são diferentes.

Mas a lição se aplica: agentes de IA são ótimos em volume, humanos são ótimos em julgamento. Os times que estão obtendo valor real de IA não estão só fazendo prompting no ChatGPT e shipping o output. Eles estão construindo sistemas que tiram proveito de cada um para o que são bons.

Isso pode significar:

• Usar agentes para boilerplate, testes e scaffolding
• Construir pipelines de revisão que capturam o que agentes perdem
• Tratar output de agentes como "rascunho um" ao invés de "pronto para shippar"
• Manter humanos no loop para qualquer coisa tocando dados de cliente ou lógica central do negócio

Os desenvolvedores que vão prosperar ao lado de agentes de IA não são os que aprendem a digitar mais rápido. São os que aprendem a arquitetar sistemas que fazem da IA um multiplicador de forças ao invés de um risco.

O Fim da História

O MOLT Sinai processou o equivalente a nove meses de trabalho de engenharia em dois dias, a 2,5% do custo, com qualidade igualando código escrito por humanos.

Mas essa manchete obscurece o que realmente aconteceu: um time de humanos construiu um sistema rigoroso, definiu papéis claros, estabeleceu checkpoints significativos, e então confiou nos agentes para operar dentro daquele framework.

Os agentes não substituíram os engenheiros. Eles amplificaram eles.

Essa não é uma história sobre IA substituindo desenvolvedores. É uma história sobre desenvolvedores construindo sistemas sofisticados o suficiente para usar IA bem.

E francamente? Essa é a versão dessa história que vale a pena prestar atenção.

Cansado de infraestrutura que te segura? A Vibe Hosting combina deployment alimentado por IA com a confiabilidade que você precisa para shippar rápido sem medo. Registro de domain, certificados SSL e cloud hosting — tudo em um lugar só.