Existe uma mudança acontecendo no dia a dia de quem trabalha com digital, e ela é mais profunda do que parece à primeira vista. Não estou falando de mais uma atualização de ferramenta, nem de chatbot com interface melhor, nem do sempiterno “IA para programar”. O que está surgindo agora são agentes de IA instalados direto no computador — como Codex, Claude Code e outros — capazes de ler arquivos, entender projetos, escrever código, executar tarefas, testar soluções e transformar ideias em produtos funcionais.
Eu sei que “muda tudo” virou clichê. Toda semana alguém diz isso sobre alguma coisa. Mas desta vez a sensação é diferente, porque a mudança não está apenas na produtividade. Está no nosso jeito de pensar soluções. Antes, quando eu precisava de alguma ferramenta, plugin ou automação, o caminho natural era procurar algo pronto na internet. Hoje, meu primeiro impulso é abrir o Codex e pensar: será que eu mesmo consigo criar isso? Na maioria das vezes, consigo.
O ponto não é mais saber programar. É saber pedir.
Durante anos, software foi território de especialistas. Para criar uma aplicação, você precisava de programadores, orçamento, escopo, cronograma, manutenção e muita paciência. Esse atrito sempre foi, ao mesmo tempo, a barreira de entrada do mercado e o modelo de negócio de uma geração inteira de softwares.
Hoje, um profissional comum consegue criar pequenas ferramentas para resolver problemas específicos — um plugin para deixar um site mais inteligente, um script para converter formatos de arquivo, uma automação para organizar dados, um protótipo de produto, um micro SaaS, uma aplicação interna. A barreira técnica caiu de forma brutal, e o novo diferencial não é mais saber escrever código. É saber enxergar problemas, explicar contexto, testar hipóteses e iterar com uma máquina que executa. Esse deslocamento deveria preocupar muita empresa de software.
A fábrica de software no seu MacBook
Eu tenho usado o Codex como uma espécie de fábrica de software no meu computador. A dinâmica é simples: você descreve uma necessidade, a IA entende o projeto, lê os arquivos, sugere caminhos, altera código, corrige erros, testa e entrega uma versão funcional. Não é perfeito — às vezes erra, às vezes alucina, às vezes cria algo que precisa de revisão. Mesmo assim, o salto em relação ao que existia antes é absurdo.
Os números confirmam que não é impressão minha. Em fevereiro de 2026, o Claude Code era responsável por aproximadamente 135 mil commits públicos por dia no GitHub, cerca de 4% de todo o volume mundial. Em março, em um único dia, chegou a 326 mil commits. Mais de 51% de todo o código enviado ao GitHub no início de 2026 já era gerado ou substancialmente assistido por IA. Essas ferramentas não estão apenas ajudando desenvolvedores — estão levando a lógica de desenvolvimento para pessoas que antes nem entravam nessa conversa.
O caso que me fez parar para pensar
Um amigo meu, com mais de 60 anos, sem nenhum conhecimento de programação e sem a menor ideia do que é arquitetura de software, fez algo que resume bem esse momento. Ele abriu o Claude e começou a pedir: queria um sistema que lesse seus vídeos do YouTube, recortasse os melhores trechos em clipes de 1 minuto e 30 segundos, transformasse para o formato vertical, adicionasse legenda automática e enquadrasse a pessoa falando.
O que ele não sabia — e esse é exatamente o ponto — é que estava descrevendo o que o OpusClip faz. Um produto com milhões de usuários pagantes, construído por uma equipe de engenheiros, que envolve processamento de vídeo, transcrição de áudio, corte inteligente, enquadramento e exportação. Uma série de decisões técnicas que normalmente exigiriam meses de desenvolvimento e um time especializado. Ele não sabia de nada disso. Não travou na complexidade. Não ficou calculando se era viável. Simplesmente pediu — e o Claude construiu.
Essa ousadia inocente, a de pedir sem saber que era difícil, pode ser uma das forças mais poderosas que os agentes de IA vão liberar nos próximos anos. A ignorância técnica, nesse contexto, virou vantagem competitiva.
O impacto para softwares, apps e soluções prontas
O mercado de software sempre se apoiou numa premissa simples: existe uma dor recorrente, muita gente tem essa dor, então vale criar uma solução padronizada e cobrar pelo acesso. Esse modelo construiu gigantes. Mas agora surge uma pergunta incômoda — e se parte dessas soluções puder ser criada sob demanda, pelo próprio usuário?
Não estou dizendo que o Salesforce, o Canva, o Notion ou o OpusClip vão desaparecer porque alguém criou um protótipo com IA. Produtos grandes têm distribuição, confiança, infraestrutura, marca, suporte e experiência refinada que levaram anos para construir. Mas uma parte significativa do mercado vai perder valor percebido — especialmente ferramentas que resolvem problemas simples, cobram caro por funcionalidades básicas e entregam pouca diferenciação além de conveniência. Quando o usuário percebe que pode criar uma solução parecida para uso próprio, ele começa a comparar o preço da assinatura com o custo de pedir para uma IA criar uma alternativa interna. Nem sempre a alternativa vai ser melhor, mas em vários casos vai ser suficiente. E suficiente é uma palavra muito perigosa para empresas de software.
Em fevereiro de 2026, o mercado sentiu isso na pele. Investidores começaram a vender em massa ações de empresas SaaS — Microsoft, Salesforce, Intuit, ServiceNow perderam pelo menos 50 bilhões de dólares cada em valor de mercado. O movimento eliminou cerca de 285 bilhões de dólares do setor em poucos dias, num episódio que ficou conhecido como SaaSpocalipse. A Goldman Sachs estima que mais de 60% da economia de software pode migrar para modelos baseados em agentes de IA até 2030, substituindo o modelo tradicional de licença por usuário.
Por que software pronto ainda tem valor — e onde precisa provar
A nova era dos agentes de IA não acaba com o mercado de software. Ela força o mercado a amadurecer, a justificar sua existência em camadas que a IA ainda não resolve bem sozinha. Confiança operacional é uma delas: empresas não compram apenas funcionalidade, compram previsibilidade, e um software pronto precisa funcionar todos os dias com estabilidade, suporte e segurança que um protótipo gerado por prompt não garante. Distribuição e ecossistema são outra: integrações com outras ferramentas, comunidades consolidadas e canais de aquisição continuam sendo vantagens difíceis de replicar do zero.
Além disso, existe uma diferença real entre uma aplicação funcional e uma experiência bem projetada. A IA pode gerar o primeiro — transformar isso em algo simples, intuitivo e consistente ainda exige repertório e intenção que vão além do código. Produtos que aprendem com milhões de usuários também criam vantagens que um app local improvisado simplesmente não tem. E no fim, quando uma operação depende de uma ferramenta, o usuário quer saber quem responde se algo der errado — e uma IA gerando código não responde por nada.
O ponto central é este: o concorrente não é mais apenas outro SaaS. Pode ser o próprio cliente, armado com um agente de IA instalado no computador.
Nem tudo deveria ser criado com IA
É importante fazer um contraponto honesto. Criar software ficou mais fácil, mas isso não significa que todo mundo deveria sair colocando aplicações improvisadas em produção. Segurança, privacidade, manutenção, qualidade de código e escalabilidade continuam sendo problemas reais — e em alguns casos a IA pode até aumentar o risco, porque entrega uma sensação falsa de controle. Um protótipo que funciona no seu computador não é necessariamente um produto seguro, e um sistema criado por prompt não substitui arquitetura, estratégia e responsabilidade técnica.
Mas ignorar o fenômeno também é um erro. A resposta madura não é tratar esses agentes como brinquedo, nem como milagre. É entender que eles viraram uma nova camada de produção digital, e quem aprender a operar essa camada primeiro vai sair na frente.
A maior mudança é cultural
Para mim, o mais impressionante não é o Codex escrever código. É o que isso faz com a nossa cabeça. Você começa a olhar para problemas pequenos e pensar em solução própria, começa a criar ferramentas internas, a testar ideias sem pedir permissão, a prototipar antes de contratar. Software deixa de ser algo distante, caro e dependente de terceiros e vira uma matéria-prima mais acessível — ainda com suas exigências, ainda pedindo critério e responsabilidade, mas acessível de um jeito que não existia antes.
Antes, eu procurava ferramentas. Agora, muitas vezes, eu crio. E quando esse comportamento deixar de ser exceção e virar hábito, muita coisa que hoje chamamos de software vai precisar ser repensada. A pergunta que o mercado de soluções precisa responder agora — não daqui a três anos — é simples: se o seu usuário pode construir parte do que você vende, por que ele ainda deveria pagar pela sua?
Referências
- Faros.ai — “Best AI Coding Agents for 2026: Real-World Developer Reviews” (abril 2026): contexto geral sobre Claude Code, Codex e adoção por não-desenvolvedores
- Medium / unicodeveloper — “Claude Code vs Codex vs OpenCode: Which AI Coding Agent Is Actually The Best in 2026?” (maio 2026): dados de commits no GitHub (135k/dia em fevereiro, pico de 326k em março, projeção de 20% até fim de 2026)
- Modall.ca — “AI in Software Development: 25+ Trends & Statistics (2026)” (abril 2026): dado de 51% do código no GitHub gerado ou assistido por IA
- The Shift — “SaaS, agentes e a nova economia do software” (fevereiro 2026): US$ 285 bilhões em valor de mercado eliminados do setor de software
- Público (Portugal) — “SaaSpocalypse: como a IA afecta o valor das empresas de software” (fevereiro 2026): projeção da Goldman Sachs de 60% da economia de software migrando para agentes até 2030
- Anthropic — página oficial do Claude Code
- OpenAI — página oficial do Codex e documentação do Codex App