O LinkedIn está usando múltiplos agentes de IA para revisar código em escala — e 63,9% das sugestões foram aceitas pelos desenvolvedores. 🤖🧵 A ideia não é trocar o time humano: é reduzir ruído e encontrar problemas com mais consistência.

Imagem indisponível

Primeiro, o básico: code review é a revisão de uma alteração antes de ela entrar no produto. Serve para identificar bugs, falhas de segurança, padrões ruins e pontos difíceis de manter. É essencial, mas consome tempo de equipes de engenharia.

Uma IA única pode até apontar problemas, mas também erra, repete alertas ou sugere mudanças irrelevantes. O modelo do LinkedIn divide a tarefa entre vários agentes: cada um analisa o código por uma lente diferente.

Imagem indisponível

Na prática, há agentes para encontrar questões, validar se o alerta faz sentido e filtrar duplicatas ou falsos positivos. É como ter revisores especializados e uma etapa de triagem antes de interromper o fluxo de trabalho de quem programa.

O número mais importante é 63,9%: essa foi a parcela de sugestões aceita pelos devs. Não significa que a IA esteja “certa” em tudo; mostra que o sistema conseguiu entregar recomendações úteis com uma frequência relevante.

Imagem indisponível

A lição é didática: qualidade de IA não depende só do modelo mais potente. Depende de processo. Separar análise, validação e priorização pode transformar respostas soltas em uma ferramenta que realmente ajuda no dia a dia.

Ainda assim, revisão humana continua indispensável. Código tem contexto de produto, impacto em usuários e decisões arquiteturais que não cabem apenas em métricas. A IA acelera o trabalho; a responsabilidade pela decisão segue sendo das pessoas.

Imagem indisponível

O caminho mais promissor não é “IA versus desenvolvedor”. É IA cuidando da triagem repetitiva para que pessoas dediquem mais tempo a segurança, acessibilidade, confiabilidade e decisões que exigem contexto. Esse é o verdadeiro ganho de escala.