O cofundador e CEO da Anthropic, Dario Amodei, disse que isso estava chegando, mas ainda parece um marco: mais de 80% do código incorporado à base de código de produção da Anthropic em maio não foi de autoria de humanos, mas de seu próprio modelo de IA, Claude, de acordo com um novo relatório compartilhado hoje pela startup recorde de IA. Essa transformação desencadeou um aumento de 8x no volume de código enviado por engenheiro por trimestre em comparação com a linha de base da empresa de 2021–2025, o que, segundo a empresa, significa ainda mais código que alguém ou algo deve revisar. Para os líderes técnicos empresariais, esta não é mais uma curiosidade de pesquisa localizada; é uma base competitiva nova e agressiva. Se um laboratório de IA de ponta puder transferir com sucesso a grande maioria de sua produção de engenharia para agentes autônomos – mostrando sinais do tão procurado Santo Graal da IA "autoaperfeiçoamento recursivo," modelos que podem pesquisar e atualizar-se de forma independente – o que impede as empresas de outros setores de automatizarem mais o seu desenvolvimento interno de software também com agentes de IA? Obviamente, é mais fácil falar do que fazer. A Anthropic é uma das principais criadoras do atual boom da geração de IA, então seria de se esperar que eles soubessem como implantar a tecnologia de maneira eficaz. Mas para outras empresas que buscam aumentar a quantidade de códigos e fluxos de trabalho gerenciados pelos agentes, a nova postagem no blog da Anthropic detalha os contornos de um plano geral que eles também podem adotar para reprojetar suas operações e fluxos de trabalho para aproveitar as vantagens dos mais recentes avanços da IA. Roteiro da Antrópica que outros empreendimentos podem seguir A transição da codificação centrada no ser humano para a orquestração autônoma requer a compreensão da evolução das capacidades de IA. A Anthropic descreve um continuum histórico claro que as empresas podem mapear em seus próprios roteiros de transformação digital: 2021–2023 (Escrita do Manual): Os engenheiros escrevem código e documentação nativamente em editores de texto locais. 2023–2025 (Assistência ao Chatbot): Os desenvolvedores usam modelos iniciais para gerar breves trechos de código, copiando e colando os resultados manualmente em seus ambientes. 2025–2026 (Agentes de Codificação): Agentes capacitados escrevem e editam ativamente arquivos inteiros de forma autônoma. Atualidade (Agentes Autônomos): Os agentes executam código de forma independente, depuram ambientes ativos e delegam fluxos de trabalho de várias horas a subagentes especializados. Esta rápida evolução é validada por benchmarks externos. Estruturas de avaliação de engenharia de software como o SWE-bench – que executa modelos com a resolução de relatórios de bugs reais em bases de código complexas e de código aberto – ficaram saturadas ao longo de um período de dois anos. Além disso, avaliações de capacidade de longa duração demonstram que modelos como o Claude Opus 4.6 podem sustentar operações de forma confiável em tarefas de 12 horas, enquanto o Claude Mythos Preview ultrapassa 16 horas de resolução contínua de problemas. Internamente, o salto tecnológico é ainda mais acentuado. Em problemas de engenharia altamente complexos e abertos, onde inicialmente não existem especificações claras, a taxa de sucesso de Claude subiu para 76% em maio de 2026 – um aumento de 50 pontos num período de seis meses. Em benchmarks de otimização isolados, onde os modelos têm a tarefa de acelerar o código de treinamento do modelo de IA, o modelo interno Mythos Preview da Anthropic alcançou uma aceleração de 52x. Para efeito de comparação, um desenvolvedor humano qualificado normalmente requer de quatro a oito horas de refatoração manual para atingir uma aceleração de apenas 4x na mesma base de código. Plano de três etapas para automação mais completa do código de produção Para que uma empresa reproduza o marco de 80% da Anthropic, os tomadores de decisão técnicos devem abandonar o "assistente de desenvolvedor" modelo mental e transição para um "fábrica automatizada" arquitetura. Essa mudança impacta o gerenciamento de produtos, as operações e os fluxos de trabalho dos desenvolvedores de três maneiras distintas: 1. Mudança da execução de código para supervisão de arquitetura Quando a geração de código custa quase zero em tempo humano, a principal função da engenharia muda de escrever software para especificar metas e revisar resultados. Os líderes empresariais devem treinar novamente os desenvolvedores para atuarem como arquitetos e juízes de sistemas. Como observou um funcionário da Anthropic sobre a realidade operacional desta mudança: "A forma das coisas hoje é aproximadamente “os humanos têm ideias e os modelos são capazes de implementá-las, testá-las e avaliá-las (uma ordem de grandeza) mais rapidamente do que antes”." 2. Supere o gargalo da revisão de código A injeção de grandes quantidades de código gerado por IA em uma organização cria inevitavelmente atrito operacional. De acordo com a lei de Amdahl, a aceleração de qualquer processo é estritamente limitada pelos seus gargalos seriais e não automatizados. Na Anthropic, inundar o sistema com código sintético transformou instantaneamente a revisão humana de código em um gargalo crítico. Para combater isso, as equipes empresariais devem implantar revisores automatizados de código de IA diretamente em seus pipelines de Integração Contínua/Implantação Contínua (CI/CD). A Anthropic implementou um revisor Claude automatizado (uma versão acessível ao público, Claude Code Review lançada para uso comercial em março) com a tarefa de analisar cada solicitação pull em busca de defeitos arquitetônicos, falhas de segurança e bugs de regressão antes da fusão. Outras empresas dedicadas, como a Qodo, também oferecem ferramentas feitas sob medida para essa finalidade. No caso da Anthropic, análises retrospectivas indicaram que a camada automatizada detectou aproximadamente um terço dos bugs de produção responsáveis ​​por interrupções históricas no site principal claude.ai. 3. Visar dívida operacional de alto volume As empresas ficam frequentemente paralisadas pela manutenção de códigos legados e dívidas técnicas há muito adiadas. Em vez de implantar agentes para escrever novos recursos especulativos, os líderes técnicos devem direcionar os agentes autônomos para operações de limpeza meticulosas e de ciclo fechado. Em abril de 2026, um engenheiro da Anthropic implantou

Embora muitos fornecedores de modelos de código aberto de IA busquem modelos maiores e mais poderosos, o Google ainda está prestando atenção ao

A Alibaba lançou esta semana o Qwen3.7-Plus, o mais recente modelo de IA em linguagem grande (LLM) em sua família Qwen, globalmente amada

Os agentes corporativos de IA têm um novo modo de falha de produção, e esse não é o modelo. À medida que as

Apresentado por Floco de Neve Muitas vezes, a história da segurança empresarial tem sido uma história de tornar as coisas mais difíceis de

Permitir que os LLMs adquiram novos conhecimentos após a formação continua a ser um grande obstáculo para a IA empresarial – as soluções

Os agentes de IA empresarial estão paralisados ​​– não por causa do desempenho do modelo, mas por causa do licenciamento. Todo fluxo de

À medida que os agentes empresariais de IA entram em produção, as organizações enfrentam um problema crescente de confiabilidade. Muitas equipes estão descobrindo

Entre as muitas empresas e laboratórios chineses de IA que disputam participação de mercado e atenção (sem trocadilhos) no mercado global, a MiniMax