Vibe coding: o site que a IA escreve e o robô de IA não lê

Em agosto, a agência entregou em 11 dias o site novo da linha de fornos a lenha da Tupã Fornos, feito inteiro por um gerador que escreve o código a partir de conversa. Ficou bonito e rápido no celular, e o time comemorou. Seis semanas depois, as respostas de IA sobre fornos a lenha continuavam citando a página antiga da revendedora do Paraná. Otávio abriu o código-fonte da página nova, o texto que o servidor entrega antes de qualquer programa rodar, e achou uma casca vazia: um título, uma caixa sem conteúdo e a chamada para os arquivos de programa. Nome do produto, preço e ficha de identidade só existiam depois que o navegador executava esses arquivos. E um dos endereços de identidade da ficha, escrito pelo gerador, apontava para o registro de um jogador de futebol no Wikidata.

O que é vibe coding, e por que ele chegou ao seu site

Vibe coding é programar descrevendo o que se quer a um agente de IA, que escreve, testa e corrige o código, com a pessoa julgando o resultado mais do que lendo cada linha. O termo foi cunhado por Andrej Karpathy, um dos fundadores da OpenAI, em 2 de fevereiro de 2025, e virou a palavra do ano do dicionário Collins em 6 de novembro de 2025. A adoção andou mais rápido que a revisão: na pesquisa da JetBrains de agosto de 2026, com mais de 15 mil desenvolvedores profissionais, 90% usam agentes de programação ao menos uma vez por semana e 68% todo dia. Geradores como Lovable, Bolt e v0 levaram o mesmo método a quem não programa, e é por eles que o site da sua empresa pode ter sido refeito sem que ninguém de tecnologia visse o código.

O que o robô de IA recebe quando visita a página

Quando o cliente abre a página, o navegador recebe o texto do servidor, baixa os arquivos de programa e os executa para montar o que aparece na tela. A maior parte dos robôs de IA para no primeiro passo. O levantamento mais citado sobre o assunto, feito pela Vercel com a MERJ sobre o tráfego da rede da Vercel e publicado em 17 de dezembro de 2024, não encontrou execução de código nos robôs da OpenAI, da Anthropic, da Perplexity, da Meta e da ByteDance. O robô de treino da OpenAI chegou a baixar arquivos de programa em 11,50% das visitas e o da Anthropic em 23,84%, sem executar nenhum. As exceções eram o Gemini, que usa a estrutura do robô do Google, e o robô da Apple.

A Vercel não refez o estudo, e nenhum fornecedor de IA documenta se o seu robô executa código. As medições de 2026 apontam para o mesmo lado. Em agosto, a própria Vercel publicou com a ora.ai um guia com 1.033 execuções de agentes em 25 sites: com a resposta escondida no código, o cliente que não executa programas acertou zero de cinco, e o que executa acertou cinco de cinco. Quando a resposta já estava no texto do servidor, acrescentar arquivo especial para IA, ficha de dados ou versão em texto simples não mudou o resultado. Uma auditoria da QuanticData de 25 de agosto de 2026 comparou a página inicial de 374 sites grandes com e sem execução de código: 6,4% só têm conteúdo legível com o código executado, e 17,4% perdem mais da metade das palavras sem ele.

O que os geradores mudaram em 2026

Os geradores reagiram, cada um de um jeito. A Lovable passou a criar projetos novos com a página montada no servidor desde 13 de maio de 2026 e oferece aos projetos antigos uma cópia pré-montada, servida apenas a robôs verificados (Lovable, 1º de junho de 2026). O Bolt vende o mesmo recurso como opcional pago, desligado por padrão e restrito a domínio próprio, e a documentação dele manda desligar o recurso em projetos Next.js com App Router por um defeito que faz o Google marcar a página para não indexar (Bolt). O v0, da Vercel, gera páginas montadas no servidor por padrão desde maio de 2025. Três ferramentas deram três respostas, e a conferência que vale para as três é a da página publicada, porque o padrão de cada ferramenta muda de versão para versão.

A ficha de identidade que a máquina escreve de memória

No caso da Tupã, o segundo defeito estava nos dados estruturados, a ficha da página em campo próprio que o módulo 7 apresentou. Pedir ao agente que escreva a ficha funciona na forma e falha no conteúdo. O estudo LLM4Schema.org, da Universidade de Nantes, submetido ao Semantic Web Journal, avaliou fichas geradas para 180 páginas: 40,8% das escritas pelo GPT-4 foram rejeitadas por inválidas, falsas ou fora do vocabulário. O dado que ninguém gosta de repetir é que 52,2% das afirmações escritas por pessoas também foram rejeitadas, a maioria por dizer o que a página não diz.

Os identificadores são o ponto mais perigoso. No artigo Do LLMs Dream of Ontologies?, o GPT-4 acertou 0,73% dos códigos do Wikidata que tentou lembrar, e os errados tinham o formato dos certos. Um endereço de identidade escrito de memória por um modelo tende a apontar para outra coisa com a aparência exata de um endereço certo, e foi assim que a ficha da Tupã terminou ligada a um futebolista. O teste usou modelos de 2023 e 2024 e mediu memória, sem busca; o agente que consulta o Wikidata antes de escrever erra menos, desde que alguém confira que ele consultou.

O lugar da ficha também importa. O Google executa código e lê a ficha injetada pelo navegador, mas avisa que ficha gerada assim torna as visitas do robô de compras menos frequentes e menos confiáveis, e recomenda testar pelo endereço publicado (Google Search Central). Os robôs de IA que não executam código nem chegam a ver a ficha injetada. E a ficha servida no texto do servidor tampouco foi usada como tabela de dados nos testes de 2025: numa página de teste da searchVIU, um preço que existia só na ficha não foi encontrado por nenhum dos cinco sistemas testados. A regra prática sai daí: todo fato que importa aparece no texto visível e, repetido, na ficha servida pelo servidor.

Cinco conferências antes de publicar uma página feita por agente

Nenhuma exige saber programar, e todas se fazem na página publicada, porque é ela que o robô visita.

O grafo que ajuda o agente a programar

Vibe coding também mudou o outro lado da conversa. Os agentes de programação passaram a usar grafos do próprio código, o cadastro de quem chama quem e do que depende do quê, para achar onde mexer. Os números de 2026 são bons e estreitos. Num teste de fevereiro de 2026 com um aplicativo real, dar ao agente um mapa de dependências subiu de 76,2% para 99,4% o acerto em tarefas com dependência escondida, e o mesmo trabalho registrou que o agente só usou o mapa em 42% das execuções. Num estudo de junho de 2026 assinado pelos autores de um índice estrutural, com o mesmo agente e o mesmo modelo, o índice subiu a taxa de correções resolvidas de 41,9% para 50,4% e baixou o custo por correção resolvida.

Os fabricantes de ferramentas discordam sobre quanto isso vale. Boris Cherny, criador do Claude Code na Anthropic, contou em março de 2026 que a busca simples por nome de arquivo e por texto venceu os índices que a equipe testou. O Cursor mediu ganho médio de 12,5% de acerto ao somar busca por significado à busca por texto (Cursor, novembro de 2025). Para quem contrata, a conclusão repete a do módulo 14 com outro objeto: o grafo de código rende em dependência escondida e em mudança que atravessa vários arquivos, e a revisão de quem conhece o sistema continua sendo a última linha.

A decisão que está na sua mesa

Você pode proibir geradores de site na empresa, liberar sem regra ou liberar com as cinco conferências como condição de publicação. Proibir abre mão da velocidade que a concorrência já usa, e liberar sem regra repete o caso da Tupã. A terceira opção custa meia hora por versão publicada e cabe no contrato da agência como critério de aceite. Para o grafo de código dos sistemas internos, o critério é o do módulo 14: teste nas suas tarefas, com custo por tarefa resolvida, antes de comprar.

O critério de aceite para a agência ou para o time

Quem aceita a entrega é você, e o critério precisa caber no contrato sem exigir que ninguém leia código.