Proponha uma correção, faça uma sugestão
Claude Code já assina 4% do código carregado no GitHub. Este ano pode chegar a 20%
A inteligência artificial (IA) generativa está a transformar profundamente a rotina dos programadores, integrando-se de forma irreversível nos fluxos de trabalho. O Claude Code, a ferramenta de terminal da Anthropic, destaca-se agora como o novo padrão da indústria, assinando já uma fatia de 4% da produção global de software.
O domínio crescente do Claude Code
De acordo com um relatório recente da consultora SemiAnalysis, o Claude Code já é responsável por 4% de todos os "commits" públicos realizados no GitHub. Se a atual trajetória de adoção se mantiver, as previsões apontam para que esta ferramenta possa alcançar os 20% de todas as contribuições diárias antes do final de 2026.
Um detalhe relevante é que estes números podem estar subestimados. Por predefinição, o Claude Code insere uma nota de coautoria nos programas em que intervém; contudo, os utilizadores têm a liberdade de desativar esta assinatura nas configurações. Isto sugere que a presença real da IA na produção de código pode ser ainda mais vasta do que os dados oficiais indicam.
O sucesso do Claude Code reside na sua arquitetura única. Ao contrário de assistentes populares como o Cursor, que funcionam integrados num editor de texto, a solução da Anthropic opera diretamente no terminal. Esta ferramenta possui a capacidade de ler bases de código completas, planear tarefas complexas com múltiplos passos e executá-las com acesso total ao sistema do programador.
A ferramenta consegue interpretar folhas de cálculo, repositórios inteiros ou documentação Web, compreendendo o contexto de forma profunda. É esta autonomia que tem conquistado os profissionais mais exigentes do setor.
O advento do "vibe coding"
A rapidez com que esta tecnologia se disseminou deu origem ao termo "vibe coding", onde o programador atua mais como um orquestrador de intenções do que como um redator de sintaxe. Ryan Dahl, o criador do Node.js, foi mais drástico ao afirmar que "a era dos humanos a escrever código terminou".
Até Linus Torvalds, o criador do Linux e conhecido pelo seu ceticismo, tem experimentado estas novas dinâmicas em projetos pessoais. Boris Cherny, o mentor por trás do Claude Code, assegura que a quase totalidade do código da própria ferramenta é gerada através da combinação do Claude Code com o modelo Opus 4.5.
Apesar do entusiasmo, o sistema não é isento de falhas. A experiência de utilização tem sido descrita como agridoce por alguns especialistas: se em 99% do tempo a ferramenta atua como um "génio incansável", no restante 1% pode cometer erros básicos ou entrar em ciclos de bloqueio.
Esta margem de erro sublinha que a experiência do programador humano continua a ser vital. A capacidade de validar, corrigir e guiar a IA é o que separa um projeto bem-sucedido de um software repleto de falhas lógicas ou de segurança.
Leia também:
Loading ...
Lá esta, se é que não dito antes por outras pessoas aqui.
a i.a. não vai acabar com o lugar do programador mas sim, agilizar e ser muito mais produtivo.
Não é bem assim, os devs juniores estão a ser afastados ou a ter dificuldades em encontrar projectos
Se não houver programadores juniores. Como vai haver programadores seniores, mais tarde?
sim ou não.
a decisão de contratar juniores, dependerá sempre da empresa, porque AI tanto ajudar e acelerar o trabalho de programadores mais experiente / seniores como menos experientes / juniores.
😉
Sendo o artigo mencionado, um artigo pago, não consigo deixar de ser um bocadinho céptico relativamente aos números apresentados, mesmo porque não consegui encontrar referências fonte no artigo que permitam replicar os resultados do “estudo”.
Por outro lado, apesar de haver muita informação e contra informação, a percentagem de erros aparenta ser superior, sendo que no modo de agente, onde os erros que ocorrem cada passo do processo geralmente somam-se, fazendo com que no final a percentagem de erros finais seja muito superior. Pior, à semelhança do que acontece nos projetos de software tradicionais, um erro num passo inicial do processo (por exemplo um teste mal desenhado) pode ter consequências bastante graves no produto final e obrigar as processos de correção de erros bastante dispendiosos.