Sundar Pichai anunciou no Google Cloud Next que IA agora gera 75% do novo código do Google, contra 50% no outono de 2025; agentes aceleram migrações em até 6 vezes.
Sundar Pichai, CEO do Google, revelou que três quartos de todo o novo código produzido pela companhia já passa por geração automática de inteligência artificial. O anúncio veio em post oficial no Google Blog publicado durante o Google Cloud Next, conferência anual de cloud computing da empresa.
A marca de 75% representa um salto expressivo em relação aos 50% reportados no outono de 2025 e aos 25% registrados em 2024. Pichai afirmou que todo o código gerado por IA passa por aprovação dos engenheiros antes de ir para produção. O movimento ocorre junto a outros anúncios sobre fluxos agentic na infraestrutura interna do Google.
Em paralelo, outras gigantes de tecnologia avançam no mesmo sentido. A Snap chegou a 65% de código gerado por IA e reduziu cerca de um quarto das contratações planejadas. A Meta, por sua vez, tem meta interna de 75% até meados deste ano. Já o relatório do Stanford 2026 AI Index aponta queda de cerca de 20% no emprego de desenvolvedores entre 22 e 25 anos desde o fim de 2022.
O que Pichai anunciou no Google Cloud Next
Em post assinado no Google Blog, o CEO descreveu a adoção de IA generativa como uma transição em curso há anos no Google. “Já usamos IA para gerar código internamente no Google há um tempo. Hoje, 75% de todo o novo código no Google é gerado por IA e aprovado pelos engenheiros, contra 50% no outono passado”, afirmou Pichai.
A divulgação acontece junto a outros anúncios sobre fluxos agentic, sistemas em que múltiplos agentes de IA executam tarefas com supervisão humana. O CEO destacou casos concretos em engenharia, segurança e marketing, todos rodando dentro da própria infraestrutura do Google. Os exemplos servem de vitrine para a oferta corporativa de IA da companhia.
De 25% a 75%: a curva do código gerado por IA
A trajetória reportada pela companhia sinaliza aceleração consistente. Em 2024, IA gerava 25% do novo código produzido internamente. No outono de 2025, o percentual havia dobrado para 50%. Cinco meses depois, a marca chega aos 75%. O ritmo de incorporação ultrapassou, portanto, o ciclo tradicional de adoção de novas ferramentas internas.
Cada salto de patamar veio acompanhado de mudanças nos processos de revisão, na integração contínua e na supervisão dos agentes. A curva também coincide com avanços nos modelos da família Gemini, usados internamente em diversas frentes de engenharia da companhia.
A documentação oficial não detalha a metodologia de medição, mas Pichai indicou que o cálculo considera linhas de código aprovadas em produção. A separação entre “gerado por IA” e “aprovado pelos engenheiros” aparece com destaque no comunicado, sublinhando o papel humano no fluxo final.
Como funcionam os fluxos agentic citados por Pichai
Os exemplos detalhados pelo CEO envolvem times distintos do Google operando com agentes autônomos. A plataforma Antigravity foi usada para construir o aplicativo do Gemini para macOS, e o time saiu da ideia ao protótipo em Swift em poucos dias.
Outro caso destacado vem do Security Operations Center, em que agentes fazem triagem de dezenas de milhares de relatórios de ameaça por mês. Conforme dados oficiais, o tempo de mitigação caiu mais de 90%. O sistema CodeMender, por sua vez, identifica e corrige falhas de software automaticamente, sem intervenção direta dos engenheiros em cada etapa.
Times de marketing também passaram a usar agentes para gerar variações criativas. No lançamento global do Chrome, conforme o post oficial, a produção de ativos foi 70% mais rápida, com aumento de 20% em conversões em relação à campanha anterior. Assim, a lógica de programação assistida por IA escala para fluxos não técnicos.
Migrações 6 vezes mais rápidas e mitigação 90% mais ágil
Entre os números compartilhados pela companhia, dois chamam atenção pela escala. Uma migração complexa de código foi concluída por agentes e engenheiros trabalhando juntos seis vezes mais rápido do que seria possível há um ano apenas com engenheiros humanos. O dado indica ganho não trivial em produtividade.
Já no Security Operations Center, a redução de 90% no tempo de mitigação de ameaças vem da combinação de triagem automática e ação coordenada entre agentes. A métrica conecta produtividade individual a indicadores de segurança operacional, tornando o ganho mensurável em risco evitado pela operação.
Assim, a combinação dos dois indicadores aponta para uma transformação maior do que o ganho de produtividade isolado. O Google trata os números como evidência de que a era de fluxos agentic já tem retorno mensurável dentro da companhia, com ganhos atribuídos diretamente à adoção dos agentes.
O movimento setorial: Snap, Meta e o Stanford AI Index
Fora do Google, outras empresas relatam adoção similar. A Snap informou recentemente que 65% do novo código já é gerado por IA, e a companhia anunciou redução de cerca de um quarto das contratações inicialmente planejadas, citando ganhos de eficiência operacional.
A Meta, por sua vez, estabeleceu meta interna de que 65% dos engenheiros da divisão de criação produzam mais de 75% do código com auxílio de IA já no primeiro semestre. Os percentuais convergem em torno do mesmo patamar reportado pelo Google, sugerindo um padrão setorial em formação.
No agregado de mercado, o Stanford 2026 AI Index Report registrou queda de cerca de 20% no emprego de desenvolvedores de software entre 22 e 25 anos desde o pico no fim de 2022. O dado conecta, portanto, a transformação dos fluxos de engenharia ao mercado de trabalho da área.
O novo papel do engenheiro: revisor de agentes
Conforme o post oficial, engenheiros do Google passam a orquestrar times autônomos de agentes em vez de apenas escrever código. Pichai descreveu o trabalho como “verdadeiramente agentic”, em que profissionais disparam agentes e supervisionam entregas em paralelo, com vários fluxos rodando simultaneamente.
A descrição reforça que o código gerado por IA não substitui a aprovação humana, mas passa por ela. O ciclo envolve geração automatizada, revisão pelos engenheiros e integração na base existente. A função de revisão e curadoria, portanto, ganha peso relativo no processo de desenvolvimento.
Em consequência, a mesma lógica aparece nos casos de segurança e marketing relatados por Pichai. Agentes executam o trabalho operacional, enquanto a supervisão humana atua sobre exceções, qualidade e direcionamento estratégico. O modelo se distancia, dessa forma, do uso pontual de IA como ferramenta isolada.
