Uma pesquisa da Sonar de 2026 mostra que 88% dos desenvolvedores afirmam que o código gerado por IA está aumentando a dívida técnica, e defensores do desenvolvimento orientado a especificações (spec-driven development) argumentam que uma etapa de especificação disciplinada pode interromper esse desvio.
Por que o problema é importante
Quando um humano recebe um ticket vago, ele faz perguntas de esclarecimento. Um agente de IA, por outro lado, preenche as lacunas com sua melhor suposição e entrega um código que parece plausível. A ilusão de correção é cara: a mesma pesquisa da Sonar relata que mais da metade dos entrevistados já viu códigos passarem em verificações básicas, mas que escondem defeitos sutis. Esses defeitos se acumulam como dívida técnica, forçando refatorações posteriores, atrasando a entrega de funcionalidades e inflando os orçamentos de manutenção.
Como é o desenvolvimento orientado a especificações
O desenvolvimento orientado a especificações (SDD — Spec-driven development) inverte a ordem atual. Em vez de fornecer um prompt a um modelo de IA com uma breve história de usuário, a equipe escreve uma especificação detalhada e executável por agentes, que reside no mesmo sistema de controle de versão que o código. A especificação torna-se a única fonte de verdade — ela registra a intenção, casos de borda, expectativas de desempenho e quaisquer restrições que um modelo de IA deva respeitar.
O processo não substitui o trabalho de design humano; ele o codifica. Ao mover as decisões da memória de um desenvolvedor para um documento concreto, tanto humanos quanto futuros agentes de IA podem rastrear por que um trecho de código se comporta de determinada maneira. Redigir uma especificação exige esforço inicial, mas depurar uma saída de IA ambígua custa muito mais caro posteriormente.
Mudando o fluxo de trabalho
Product backlog – Mantenha os itens curtos, capturando apenas a intenção e os critérios de aceitação de alto nível. Esta lista continua a orientar a priorização.
Sprint planning – As equipes discutem o objetivo geral e concordam com um Sprint Goal, mas aguardam a implementação detalhada até que a especificação esteja pronta.
Durante a sprint – A pessoa que assume a tarefa escreve uma especificação precisa e legível por máquina. A especificação lista formatos de entrada, saídas esperadas, tratamento de erros e quaisquer requisitos não funcionais. Como a especificação possui controle de versão, os revisores podem comentar, sugerir edições e aprovar alterações exatamente como fazem com o código.
Definition of Done – Adicione “Spec reviewed and approved” ao gate de qualidade. Nenhum código é considerado concluído até que a especificação passe pelos mesmos padrões de revisão que a implementação.
Adaptação Kanban – Insira duas novas colunas: “Spec Drafted” e “Spec Approved”. Os itens de trabalho agora fluem de backlog → Sprint Goal → Spec Drafted → Spec Approved → In Progress → Done. Essa mudança visual torna explícita a etapa de coordenação que antes era invisível.
Ferramentas que já impõem especificações
Plataformas como GitHub Spec Kit e AWS Kiro adicionaram gates que exigem um documento de requisitos antes que qualquer geração de código por IA comece. Elas não substituem o modelo de IA; elas alinham agentes literais com a intenção humana. Ao tornar a especificação um pré-requisito, essas ferramentas automatizam a mudança sem quebrar os pipelines de CI/CD existentes.
Possíveis resistências
Críticos dizem que escrever uma especificação adiciona fricção a uma cadência ágil que já é rápida. O contraponto: o tempo gasto redigindo uma especificação é geralmente uma fração do tempo gasto posteriormente depurando código produzido por IA a partir de um prompt ambíguo.
Outra preocupação é que as especificações podem se tornar obsoletas à medida que os requisitos evoluem. A integração com o controle de versão resolve isso: qualquer alteração na especificação cria um novo commit, aciona uma revisão e força a equipe a reavaliar o código associado. Na prática, tratar especificações como código mantém a documentação atualizada.
O que observar a seguir
A adoção ainda está em estágio inicial, mas o ímpeto é visível. À medida que os geradores de código por IA se tornam mais capazes, a necessidade de uma intenção precisa e legível por máquina só aumentará.
Resumo: Transformar prompts vagos em especificações concretas e revisadas pode parecer uma etapa extra, mas converte suposições em decisões responsáveis.