AI code generation: quanto código a IA escreve em 2026 e que riscos traz para as empresas

A AI code generation, ou geração de código com inteligência artificial, deixou de ser um experimento: mais de 40% dos pull requests no GitHub começaram com um primeiro rascunho escrito por um agente de IA em setembro de 2026, contra 17% em março, segundo o relatório Octoverse 2026 do GitHub, publicado em 28 de outubro.

A qualidade não avança no mesmo ritmo. 38% das tarefas de programação feitas com IA introduziram uma vulnerabilidade de segurança nos testes da Veracode, embora o número tenha melhorado em relação aos 44% de julho.

+40%

Pull requests iniciados por agentes

no GitHub, setembro de 2026

73%

Desenvolvedores que usam assistentes diariamente

pesquisa do Stack Overflow

38%

Código de IA com vulnerabilidades

testes da Veracode, outubro

Fonte: GitHub, Octoverse 2026 · Stack Overflow, Developer Survey 2026 · Veracode (29-out-2026)

Ver os dados em uma tabela

Pull requests iniciados por agentes	+40% | no GitHub, setembro de 2026
Desenvolvedores que usam assistentes diariamente	73% | pesquisa do Stack Overflow
Código de IA com vulnerabilidades	38% | testes da Veracode, outubro

O que é a AI code generation

A AI code generation é o uso de modelos de inteligência artificial para escrever, completar, corrigir ou revisar código a partir de instruções em linguagem natural. Começou como autocompletar dentro do editor e hoje funciona com agentes: programas que recebem uma tarefa, modificam vários arquivos e propõem a mudança pronta para revisão.

Comparamos as principais ferramentas, como Claude Code, GitHub Copilot, Codex e Cursor, na nossa nota sobre ferramentas de IA para geração de código. Aqui o foco é quanto código a IA produz e o que isso implica para as empresas.

Quanto código a IA escreve em 2026

O volume de trabalho no GitHub disparou nos 12 meses encerrados em setembro de 2026. O GitHub associa a alta ao uso de agentes, mas esclarece que seus dados não provam uma relação de causa e efeito.

202410

202512,9

202634,3

Fonte: GitHub, Octoverse 2026 (períodos de outubro a setembro)

Ver os dados em uma tabela

2024	10
2025	12,9
2026	34,3

Outros números do relatório:

• 1,3 bilhão de pull requests mesclados no ano, cerca de 3,5 milhões por dia, contra 538 milhões em 2025.
• 110 milhões de pull requests iniciados por agentes só em setembro de 2026, cerca de seis vezes o volume de março.
• 90% dos pull requests iniciados por agentes foram mesclados em menos de duas semanas em setembro, contra cerca de 86% dos que não tinham participação detectada de agentes.
• 55% dos usuários ativos do GitHub Copilot usam seus recursos de agente, contra 35% um ano antes.

A participação da IA muda conforme a linguagem de programação:

TypeScript44,1%

Python41,1%

Rust40,4%

Java21,2%

Fonte: GitHub, Octoverse 2026

Ver os dados em uma tabela

TypeScript	44,1%
Python	41,1%
Rust	40,4%
Java	21,2%

O GitHub avisa que os 40% são um piso, porque ele não detecta todo o uso de agentes, e que mede pull requests, não linhas de código: isso não significa que a IA escreva 40% de todo o código.

Quão seguro é o código gerado por IA

A Veracode, empresa de segurança de software, testa periodicamente o código gerado por dezenas de modelos de IA. Os resultados mostram que o código quase sempre funciona, mas nem sempre é seguro: os modelos escrevem código sintaticamente correto quase 100% das vezes, mas falham em defesas básicas.

Python64,2%

C#59,6%

JavaScript57%

Java31%

Fonte: Veracode, comunicado de 29 de outubro de 2026 (18 modelos)

Ver os dados em uma tabela

Python	64,2%
C#	59,6%
JavaScript	57%
Java	31%

• A taxa média de aprovação subiu de 56% para 62% entre julho e outubro de 2026, a primeira melhora relevante desde 2025, segundo a Veracode.
• As falhas se concentram em certos ataques: em julho, o código resistiu à injeção de SQL em 83% dos casos, mas só 15% das vezes ao cross-site scripting (XSS) e 12% à injeção em logs (log injection).
• Java continua sendo a linguagem mais fraca, com 31% de aprovação.

"A resposta nunca deveria ser usar o modelo mais caro e torcer pelo melhor", disse Chris Wysopal, cofundador da Veracode, no comunicado. Vale considerar que a Veracode vende ferramentas de análise de segurança.

O que a AI code generation significa para as empresas

Para as empresas, a AI code generation promete mais velocidade, mas transfere o trabalho para a revisão: se os agentes escrevem mais código, alguém precisa verificar se ele é correto e seguro. Os desenvolvedores sabem disso: 48% confiam na IA quando conseguem validar facilmente as respostas, e só 16% confiam nela para a maioria das tarefas que não envolvem decisões importantes, segundo o Stack Overflow.

No Chile, a adoção ainda é baixa em geral: o ILIA 2026 estima que só 13,5% das empresas usam inteligência artificial. Analisamos isso na nossa nota sobre a IA nas empresas chilenas, e em investimento em inteligência artificial mostramos que 46,5% das empresas dizem que falta talento especializado.

Algumas práticas que decorrem dos dados:

1. Revisão humana obrigatória de toda mudança proposta por um agente antes de mesclá-la.
2. Testes de segurança automáticos em cada mudança, com foco em XSS e injeção em logs, as falhas mais frequentes segundo a Veracode.
3. Mudanças pequenas: os agentes mexem em vários arquivos ao mesmo tempo (87% dos seus pull requests alteram mais de um, segundo o GitHub), o que dificulta a revisão.
4. Capacitação da equipe no uso dessas ferramentas, uma das lacunas da inteligência artificial nas empresas da região.

A AI code generation muda mês a mês. O InfoByData seguirá acompanhando esses indicadores e atualizará esta nota quando GitHub, Veracode ou Stack Overflow publicarem novos dados. Não temos relação comercial com nenhuma das empresas mencionadas.

O que isso significa para você

1. Se você lidera uma equipe de desenvolvimento: a AI code generation pode acelerar o trabalho, mas defina quem revisa o código dos agentes, e com quais testes, antes de ampliar o uso.
2. Se você programa: use a IA para os primeiros rascunhos e verifique você mesmo a segurança, principalmente em formulários, logs e dados inseridos pelos usuários.
3. Se você tem uma PME: a geração de código com IA pode baratear projetos pequenos, mas convém que uma pessoa experiente revise o que vai ao ar.