Código / CDG.006Análise

Vibe coding: onde ele funciona e onde começa o risco

Programar descrevendo o que você quer e aceitando o que a IA devolve virou palavra do ano. Entenda onde o vibe coding ajuda e onde ele começa a sair caro.

Descrever o que você quer, aceitar o código que a IA devolve e seguir pedindo ajustes até a coisa funcionar. Essa forma de programar ganhou nome, virou meme e, em novembro de 2025, foi escolhida a palavra do ano pelo dicionário Collins. Sem dúvida, o vibe coding encurtou a distância entre uma ideia e algo que roda na tela. Mas o que acontece quando esse código sai do protótipo e chega a usuários reais?

Nesta análise, você vai ver de onde vem o termo, por que ele ajuda tanto em certas situações e o que os dados mostram sobre segurança do código gerado sem revisão.

O que é vibe coding

O termo foi criado por Andrej Karpathy, cofundador da OpenAI, em fevereiro de 2025. Na época, ele descreveu um jeito de programar em que você “se entrega às vibes” e esquece que o código existe. O glossário da OpenSSF, fundação ligada à segurança de software aberto, define vibe coding como aceitar código gerado por IA sem conferir nem entender, guiando as mudanças apenas pelos resultados e por novos pedidos.

Repare no detalhe: o que define o vibe coding não é usar IA para programar. Afinal, quase todo mundo usa. Em vez disso, o que define é a ausência de revisão. Pela mesma definição, código que passa por revisão humana já não é vibe coding.

Além disso, a popularidade veio rápido. Em 6 de novembro de 2025, o Collins anunciou a expressão como palavra do ano, descrevendo-a como uma forma de transformar linguagem natural em código com IA, segundo a cobertura do Dawn.

Onde o vibe coding funciona bem

Há situações em que não entender cada linha é um preço aceitável:

  • Protótipos para testar uma ideia. Por exemplo, se o objetivo é mostrar uma tela a um cliente amanhã, velocidade vale mais que estrutura.
  • Ferramentas pessoais e descartáveis. Da mesma forma, um script que renomeia arquivos no seu computador não vai atender milhares de pessoas.
  • Aprendizado. Ver uma solução funcionando ajuda a entender o que perguntar em seguida.

Nesses casos, o risco é baixo porque o alcance é pequeno. Se o código quebrar, quem sofre é você, e o conserto é rápido.

O que os dados mostram sobre o código gerado

O cenário muda quando o código vai para produção. Em julho de 2025, a empresa de segurança Veracode publicou um estudo com 80 tarefas de programação testadas em mais de 100 modelos de linguagem. Segundo o relatório, em 45% dos casos, o código gerado introduzia vulnerabilidades da lista OWASP Top 10, a referência mais usada de falhas em aplicações web.

Gráfico de barras com resultados do estudo da Veracode de julho de 2025: falhas de segurança em 45% das tarefas no geral, mais de 70% nas tarefas em Java, 86% de falha na proteção contra cross-site scripting e 88% na proteção contra injeção em logs.
Dados do relatório da Veracode (julho de 2025), com 80 tarefas e mais de 100 modelos.

Alguns números do relatório chamam atenção. Por exemplo, em Java, a taxa de falha passou de 70%. Os modelos não protegeram o código contra cross-site scripting em 86% das vezes e contra injeção em registros de log em 88%. Além disso, modelos maiores não se saíram significativamente melhor que os menores, o que sugere um problema do método, não do tamanho do modelo.

Esses números não dizem que a IA programa mal. Em vez disso, Eles dizem que, sem alguém pedindo e conferindo segurança, ela tende a entregar o caminho mais curto até “funcionar”.

Do vibe coding ao código revisado

Então, como aproveitar a velocidade sem herdar o risco? Para isso, uma regra prática é decidir o destino do código antes de começar.

Diagrama com dois caminhos: código de protótipo, pessoal ou de aprendizado pode seguir no vibe coding; código que vai para usuários reais passa por especificação, revisão humana, testes automatizados e verificação de segurança antes de ser publicado.
O destino do código define o nível de cuidado. A mesma ferramenta serve aos dois caminhos.

Para o caminho de produção, quatro cuidados fazem diferença:

  1. Diga o que é seguro. Peça explicitamente validação de entradas e tratamento de erros, porque o modelo raramente faz isso sozinho.
  2. Leia o que entra. Afinal, se você não consegue explicar um trecho, ele ainda não está pronto.
  3. Teste o comportamento. Testes automatizados conferem o que o código faz, mesmo quando você não o escreveu.
  4. Use ferramentas de análise. Além disso, scanners de segurança encontram padrões de falha conhecidos antes dos usuários.

Também ajuda reduzir a adivinhação desde o pedido. Por exemplo, escrever uma especificação curta antes de gerar código, como propõe o desenvolvimento guiado por especificação, dá ao modelo e a quem revisa o mesmo critério de certo e errado.

Velocidade não é o problema

O vibe coding mostrou algo valioso: a barreira para transformar uma ideia em software ficou muito mais baixa. Por isso, a questão não é proibir, e sim saber em que momento a vibe precisa dar lugar ao método. Como discutimos em automatizar um processo ruim só faz o erro andar mais rápido, acelerar sem conferir apenas leva o problema mais longe, e mais depressa.

/ Conexões

Próximas conexões

Autor

Gledson Dias

Ver todos os artigos

Sistemativo / Brief

Gostou dessa ideia?

A cada duas semanas, ideias, ferramentas, referências e movimentos que valem alguns minutos da sua atenção.

Brief (formulário compacto)

Você poderá sair da lista quando quiser. Sem spam.