Autoria: Ricardo Pacheco Almeida e Eduardo Barroso da Silva (PwC Portugal).
Vibe coding: origem, significado e impacto na programação
O advento da Inteligência Artificial Generativa veio trazer ao mundo todo um leque de novos termos e especializações. Um desses termos é o vibe coding.
Não sendo uma definição académica ou sequer formal, o vibe coding é um espelho do seu próprio tempo: é um conceito “viralizado” com base num tweet feito por Andrej Karpathy, data scientist e ex-diretor de AI na Tesla, no começo de 2025. Nesse post, Andrej comenta que há um “novo tipo de programação chamado vibe coding, em que nos entregamos completamente aos vibes (…)”.
O termo acabou por ficar sedimentado no discurso da área e, hoje, vibe coding pode ser descrito como utilização intuitiva de assistentes de código baseados em GenAI. Em vez de escreverem especificações detalhadas ou cada linha de sintaxe, os programadores confiam na capacidade da ferramenta para inferir a intenção a partir do contexto partilhado, do próprio projeto, e do código criado. O programador define a direção, a vibe, e a solução gera a implementação de forma independente.
É também relevante distinguir vibe coding de assisted coding ou AI-assisted pair programming, um conceito emergente na academia e indústria em que programadores profissionais utilizam GenAI para acelerar as suas tarefas de desenvolvimento. No entanto, assisted coding não pressupõe uma confiança total da ferramenta que gera o código: apenas acelera tarefas pontuais, claramente definidas, e sobre as quais o programador tem conhecimento prévio. É uma mudança de papel, em que o profissional age menos como um escritor e mais como um editor ou curador.
Boas Práticas na utilização de GenAI
Dados recentes da indústria indicam que a grande maioria dos profissionais de tecnologia já utilizam estas ferramentas no seu trabalho. Assim, a fase de experimentação com GenAI parece estar a terminar, pelo que estamos a entrar na fase de medir resultados.
Para os programadores, a perceção geral é bastante positiva, pois a fricção diminui e sentem-se mais rápidos. E, de facto, em termos brutos, estão a produzir mais: equipas com alta adoção de GenAI podem submeter quase o dobro dos pull requests (PRs). No entanto, o esforço de revisão aumenta.
Porquê este desfasamento? Há dois motivos principais: sem a orientação adequada, tende a gerar blocos de código maiores e descontextualizados, o que torna a revisão mais complexa e porque é tão eficaz a gerar código em volume que as equipas podem não conseguir revê-lo.
Para conseguir alavancar o potencial da GenAI, as equipas técnicas devem formar recursos, criar metodologias holísticas e melhores práticas. Antes de escrever qualquer código, é essencial:
- criar developer handbooks, para orientar agentes GenAI;
- definir regras ao nível do software GenAI (e.g. Cursor Rules); e
- estabelecer guidelines (e.g. guidelines de projeto, estrutura de projeto com definições semânticas para cada pasta ou módulo).
Arquitetura de prompting e gestão de contexto
Tal como num projeto típico de desenvolvimento de uma solução, é também essencial ter um âmbito fechado bem definido. As ferramentas de GenAI, em particular os modelos Claude, têm a tendência de fazer sempre um pouco mais do que é pedido. Assim, é essencial saber quais são as funcionalidades a desenvolver, para daí criar um conjunto de tarefas de cariz técnico, orientadas às funcionalidades definidas (backlog). O agente que gera código pode então desenvolver os items concretos identificados no backlog.
Todas estas fontes de informação consomem muita da janela de contexto dos modelos. A janela de contexto é a quantidade máxima de informação que o modelo consegue "ver" e processar de uma só vez. Esta informação, medida em tokens (palavras ou partes de palavras), inclui tanto o input (as suas instruções e o histórico da conversa) como o output (a resposta gerada). Funciona como a memória de curto prazo do modelo. Se uma conversa exceder o limite, o modelo "esquece" o que foi dito no início, e perde o contexto anterior. É essencial:
- documentação objetiva (com frases curtas e diretas);
- evitar informação irrelevante; e
- garantir que o contexto cabe na janela do modelo.
Para as grandes organizações, como referido anteriormente, o desafio já não é a adoção da ferramenta, mas a sua conversão em valor de negócio mensurável e escalável. As empresas bem-sucedidas tratam a IA como um problema de transformação, não como um problema de ferramentas tecnológicas.
Adotar esta mentalidade de transformação exige que a ambição estratégica da empresa para a GenAI seja clara e incremental. O primeiro passo é estender o modelo de governação existente para abranger esta nova tecnologia, definindo quem tem responsabilidade pelo desenvolvimento e monitorização, e como garantir que o seu uso é responsável e cumpre as obrigações legais. Sem esta estrutura de governação, as iniciativas de IA permanecem experiências isoladas, incapazes de escalar e vulneráveis a riscos legais e de reputação.
Framework de priorização e escalabilidade dos casos de uso
Com a governação definida, a liderança deve focar-se nos casos de uso, não na tecnologia. Isto implica:
- identificar processos com maior potencial de automação;
- avaliar impacto vs complexidade numa matriz de decisão; e
- escolher entre construir, comprar ou adaptar soluções.
A implementação bem-sucedida depende de um ecossistema coeso de tecnologia e pessoas. As empresas precisam de uma framework de decisão para garantir que as ferramentas são escaláveis e as decisões auditáveis. Por isso, a gestão da mudança é essencial, e deve focar-se na formação e na definição de políticas de uso responsável que ensinem os colaboradores a validar, e não apenas a aceitar, os resultados da IA.
Finalmente, as organizações que extraem valor medem o que realmente importa. O sucesso é o impacto mensurável em indicadores de negócio (KPIs) e o retorno do investimento (ROI). Isto exige uma monitorização contínua do desempenho e a recolha de feedback dos utilizadores. Só este ciclo de implementação metódica e aprendizagem permite provar o valor da GenAI para além da experimentação, transformando o investimento em resultados sustentados.
Em suma, o vibe coding representa a tentação da velocidade fácil, mas é uma armadilha que gera dívida técnica e risco. O assisted coding profissional é uma técnica para aumentar e acelerar o processo de desenvolvimento. O programador passa a ter um papel mais próximo do de revisor ou até product owner. O futuro do desenvolvimento de software não passa pela substituição do engenheiro, mas pela sua transformação: de um "escritor de código" para um arquiteto de intenção, um validador crítico de lógica, que garante a qualidade final, segurança e conformidade da solução.