Código de IA: duplicação sobe 81% e refatoração cai 70%

Todo founder que já trocou de fornecedor conhece a frase: “esse código não dá para aproveitar”. Ela costuma soar como desculpa de quem quer cobrar do zero. Às vezes é. Mas um estudo publicado em julho de 2026 mostra que, muitas vezes, é só a descrição honesta do que a IA deixou para trás.

Segundo reportagem da LeadDev, de 7 de julho de 2026, assinada por Bill Doerrfeld, a GitClear e a GitKraken analisaram 623 milhões de alterações de código reais entre 2023 e 2026. A conclusão: o código ficou mais fácil de escrever e mais difícil de manter.

O que o estudo de 623 milhões de alterações encontrou

Os pesquisadores compararam o código de hoje com o de antes da IA. Commits feitos com ajuda de IA já são cerca de um quarto do total. Os números que importam para quem tem produto no ar:

• Duplicação subiu 81%. Conta como duplicado um bloco de cinco ou mais linhas relevantes repetidas em sequência.
• Reaproveitamento caiu 70%. É a medida de quanto os commits mexem em código que já existe, em vez de criar código novo.
• Refatoração de código antigo caiu 74% desde 2023. Ou seja, código com mais de 12 meses quase não é revisitado.
• Chamadas a funções existentes caíram 35%. O código novo conversa menos com o que já foi construído.
• Tratamentos que escondem erro subiram 47% em 2026. São blocos que engolem entradas inesperadas em vez de avisar que algo deu errado.

A reportagem também cita o relatório DORA, do Google, de 2024: cada aumento de 25% no uso de IA veio junto com 7,2% mais instabilidade nas entregas.

Por que a IA duplica em vez de reaproveitar

Bill Harding, CEO da GitClear, resume o comportamento: “Every time you want something, AI creates a new package for it” (toda vez que você quer algo, a IA cria um pacote novo para isso). A ferramenta resolve o pedido da vez. Ela não tem incentivo para abrir o arquivo antigo, entender o que já existe e ajustar.

Ele também aponta outro vício: a IA prefere escrever código que não seja marcado como defeito. Na prática, isso vira o aumento de 47% em tratamentos que escondem erro. O sistema não quebra na sua frente. Ele só passa a fazer a coisa errada em silêncio.

E o terceiro ponto, nas palavras de Harding: o problema “não é só duplicação, é não cuidar do código legado”. Ninguém volta para arrumar o que foi feito há um ano. A base cresce em camadas soltas.

O que isso tem a ver com o seu MVP

Para um founder, duplicação não é um conceito abstrato. Ela tem sintomas que você sente no bolso:

1. Cada ajuste quebra outra coisa. A mesma regra de negócio está escrita em cinco lugares. Você corrige um e os outros quatro continuam errados.
2. O prazo de qualquer mudança só cresce. O que levava um dia passa a levar uma semana, porque alguém precisa caçar todas as cópias.
3. Bugs somem e voltam. O erro escondido por um tratamento genérico aparece meses depois, num relatório com número errado.
4. Ninguém quer assumir o código. O próximo fornecedor olha o repositório e propõe começar de novo.

Esse último ponto é o que mais custa. É o momento em que o dinheiro já gasto vira prejuízo.

O caso AI Vou Eu: R$200 mil e nenhum produto no ar

O AI Vou Eu chegou ao Studio depois de gastar R$200 mil em três estúdios, sem produto no ar. Com o Studio, o produto foi ao ar em 4 semanas.

[Detalhes técnicos sobre o estado do código herdado do terceiro estúdio e o motivo exato da decisão de não aproveitá-lo: Leonel completar.]

O padrão que o estudo descreve ajuda a entender esse tipo de situação. Quando uma base cresce por acúmulo, sem refatoração e com trechos repetidos, ela chega a um ponto em que consertar custa mais do que reconstruir com escopo fechado. Não é teimosia técnica. É conta.

Como evitar que o seu código vá para o lixo

Você não precisa largar a IA. Nós usamos Claude Code no build todos os dias. A diferença está em quem decide a estrutura e quem revisa o que entra. Alguns critérios práticos:

• Arquitetura antes do primeiro prompt. Defina onde fica cada regra de negócio. Sem isso, a IA cria um lugar novo a cada pedido.
• Revisão humana de todo trecho que entra. Não só se funciona, mas se repete algo que já existe.
• Erros que avisam, não que somem. Um tratamento genérico que esconde falha é pior do que um erro visível.
• Refatoração no calendário. Reservar tempo fixo para revisitar código antigo, em vez de só empilhar funcionalidade.
• Monitoramento contínuo. Todo sistema que entregamos sai com um agente de IA que roda todo dia, aponta falhas, sugere melhorias e confere se os dados fazem sentido.

O que isso muda para você

Se o seu produto foi feito com IA e está travando, o primeiro passo é saber o tamanho do problema antes de decidir qualquer coisa. Num diagnóstico, olhamos o repositório e respondemos uma pergunta simples: o que dá para salvar e o que não dá.

Depois do diagnóstico, você recebe preço fechado e prazo escrito no contrato. Se a resposta for reconstruir, você sabe quanto e quando antes de gastar mais um real. Se der para aproveitar, melhor ainda.

O estudo da GitClear não diz que IA escreve código ruim. Diz que, sem alguém cuidando da estrutura, o código vira um custo que cresce todo mês. Se o seu MVP está nesse ponto, o resgate do Studio começa justamente por medir o que ainda vale a pena manter.