Por que o código gerado por IA ainda precisa de supervisão humana

A ideia de deixar a IA cuidar da parte repetitiva do código parece ótima. Você ganha velocidade, segue recomendações e lança o projeto mais rápido. A iniciativa Modern Web Guidance do Google tentou exatamente isso: fornecer diretrizes confiáveis para que agentes de IA criassem sites acessíveis, rápidos e seguros.

Na prática, o resultado ainda deixa a desejar.

Acessibilidade não é detalhe de última hora

Se o seu MVP ignora acessibilidade desde o início, ele não está pronto para produção. Esse aspecto não pode ser resolvido depois — ele faz parte da estrutura do projeto.

Em uma demonstração do MWG, a IA recebeu uma tarefa simples: criar um componente de estatísticas em formato sanfona, com animação suave. O código gerado falhou logo de cara. As animações não funcionavam no Firefox e o componente não atendia aos padrões WCAG AA. Mesmo com orientações explícitas sobre integração progressiva, o agente ignorou tudo.

Isso não é falha pontual. Reflete como os modelos de linguagem funcionam.

Modelos não determinísticos

A própria documentação do MWG reconhece, em um comentário técnico, que LLMs são não determinísticos. Mesmo seguindo todas as regras, não há garantia de que as diretrizes serão aplicadas em uma determinada solicitação.

Diferente de linters ou verificadores de tipo — que impõem regras — os LLMs apenas sugerem. Eles podem até ter as informações no treinamento, mas nada garante que vão recuperá-las ou usá-las da forma correta.

Cobertura incompleta de padrões agrava o problema

O MWG estreou com lacunas importantes. Componentes como notificações toast, por exemplo, não tinham orientações específicas. Quando o desenvolvedor pede esse tipo de elemento, a IA precisa juntar recomendações genéricas e torcer para acertar.

Quanto mais fragmentada a documentação, menor a chance de o modelo sintetizar tudo corretamente. Diretrizes precisam estar em um só lugar, com redundância e contexto claro. Hoje, isso ainda não acontece.

O que isso muda nos seus projetos

Se você usa IA para gerar código em produção, é melhor encarar a realidade:

• O modelo é um assistente de escrita, não um revisor de qualidade.
• Toda linha gerada precisa de revisão humana, especialmente em:
  • Conformidade com acessibilidade
  • Testes em diferentes navegadores
  • Segurança
  • Desempenho

Como seguir em frente

Isso não significa abandonar a IA. Significa usá-la com critério:

1. Nunca tratar a saída como pronta. Revisar como faria com código de outro desenvolvedor.
2. Criar ciclos de feedback para corrigir falhas e melhorar respostas futuras.
3. Exigir transparência de ferramentas que prometem “melhores práticas”.
4. Integrar testes automatizados de acessibilidade no pipeline de CI/CD.

Na NameOcean, vemos potencial real na IA para acelerar scaffolding e reduzir trabalho repetitivo. Mas nada substitui o julgamento humano quando o assunto é conformidade e experiência do usuário.

No fim, o diferencial não está mais em escrever código — está em revisar, corrigir e assumir responsabilidade pelo que vai para produção. E isso ainda depende de pessoas.