Dar dono ao que a bateria verde não mede

Em 24 de julho de 2026 a Anthropic lançou o Claude Opus 5 sem publicar nenhum dos placares de código que dominavam o anúncio de todo lançamento anterior do setor. Cinco meses antes, a OpenAI já havia parado de reportar o principal deles alegando contaminação. Quando o fabricante para de publicar a nota, quem compra precisa da sua própria, e a primeira pergunta deixa de ser qual é a nota e passa a ser o que a nota nunca mediu.

Em 22 de setembro, o Claude Opus 5.5 voltou a publicar placar, agora de um teste de tarefas no terminal, e o placar público do mesmo teste registrou o número como execução complementar, fora da comparação controlada. A lição continua de pé: nota de fabricante mede o que ele escolheu medir.

A cena local é mais familiar. A entrega chegou com a bateria inteira verde, passou pela esteira, entrou em produção e funcionou. Três meses depois o time diz que mexer naquele trecho ficou duas vezes mais caro, e ninguém consegue apontar em que momento a qualidade caiu. Não caiu em nenhum momento. Ela nunca esteve sendo medida.

Um verificador executa o trabalho entregue e observa se funcionou. Ele responde exatamente às perguntas que alguém escreveu, e fica em silêncio sobre todas as outras. Esse silêncio é o assunto desta aula, porque ele é lido como aprovação em nove reuniões de dez.

Três dimensões ficam de fora por construção, e a ordem importa porque a última é a que mais surpreende. A primeira é manutenibilidade, ou seja, quanto vai custar mudar aquilo daqui a um ano. A segunda é a segurança pouco documentada, aquela cujo padrão de defesa quase ninguém escreveu na internet. A terceira é a deriva de mundo: o mundo mudou e o agente continuou treinado no mundo antigo, então o desempenho cai sem que nada no sistema tenha quebrado.

Nenhuma das três tem dono por padrão. Elas caem no vão entre quem constrói, quem testa e quem opera, e o vão só desaparece quando alguém escreve um nome ao lado de cada uma. Você já resolveu esse mesmo problema em outro lugar: manutenção predial e provisão para contingência entraram no orçamento anual porque alguém aceitou pagar hoje por um custo que só apareceria depois, e ambas têm um responsável no organograma.

Existe um método que alcança boa parte do que a execução não alcança, e vale conhecer porque é o mais antigo da casa. Preferência humana é o método em que pessoas comparam duas respostas e dizem qual preferem, e o sistema aprende com essa comparação. Ele cobre clareza, tom, adequação e bom senso, tudo aquilo que nenhuma máquina executa para conferir.

Ele também é o mais caro, e por isso a indústria migrou para recompensa medida por execução assim que o código permitiu. Em software existe uma vantagem que outros domínios não têm: dá para rodar o resultado e ver se funciona. Onde essa vantagem acaba, o custo volta a ser hora de gente, e aí a conversa deixa de ser sobre tecnologia e passa a ser sobre quanto da sua folha você aloca em conferência.

A figura seguinte põe as três formas de julgar lado a lado com o custo declarado, porque é assim que essa decisão chega ao orçamento.

A dimensão descoberta que mais custa hoje é a segurança do app publicado. Em maio de 2026, a empresa de segurança RedAccess encontrou 380 mil aplicativos e páginas públicos criados com Lovable, Base44, Replit e Netlify, cerca de 5 mil deles com dados corporativos sensíveis. Na lista havia finanças internas de um banco brasileiro, prontuários e conversas de clientes.

A causa principal foi uma configuração: vários desses produtos publicavam o app como público por padrão, e buscadores indexavam as páginas. Replit e Lovable contestaram o método do estudo. Nenhum teste automatizado apontaria o problema, porque o app funcionava exatamente como foi pedido.

Nomeie hoje uma pessoa para cada dimensão que a bateria de testes deixa descoberta e adote a política de publicação acima para todo app feito com agente. Faça o inventário dos apps publicados fora da TI em trinta dias e confira se algum está aberto ao público sem dono nomeado.