Como a IA está mudando engenheiros e gestores na Airbnb

A People Matters relatou, separadamente, o alerta de Chesky de que gestores que são apenas “people managers” e profissionais que não se adaptarem a novas tecnologias correm o risco de ficar para trás à medida que a IA muda a forma como as empresas operam ^[1][2]. Em outras palavras: na Airbnb, a virada com IA não aparece só como uma história de produtividade para desenvolvedores. Ela também redefine o que se espera de liderança técnica.

A adoção de IA pela Airbnb também vai além da engenharia de software. Uma transcrição da teleconferência de resultados do quarto trimestre de 2025, publicada pelo The Motley Fool, afirmou que o agente de suporte proprietário da Airbnb resolveu um terço dos problemas de atendimento na América do Norte e lidou com quase 30% dos tickets, com planos de expansão global e para voz ^[4]. A mesma transcrição descreveu uma experiência mais “nativa em IA”, pensada para ajudar hóspedes a planejar viagens e para tornar a operação da empresa mais eficiente em escala ^[4].

O que muda para engenheiros de software

Quando a IA consegue rascunhar uma parcela grande da implementação, o engenheiro não se torna irrelevante. O trabalho fica mais parecido com o de um supervisor técnico, arquiteto e dono de produto em miniatura.

A mudança central é sair de “escrever cada linha” para criar as condições para que um bom software exista. Isso exige que engenheiros fiquem melhores em:

• Enquadrar o problema. Ferramentas de IA funcionam melhor quando alguém define objetivo, restrições, comportamento esperado e contexto relevante.
• Fornecer contexto do sistema. Código gerado precisa caber no código existente, nas fronteiras de responsabilidade, nas premissas de dados e nos requisitos do produto.
• Revisar a saída. Ainda cabe a humanos ler o código, entender as escolhas feitas e decidir se aquilo pode ir para produção.
• Testar casos de borda. Rascunhos mais rápidos não eliminam a necessidade de testes rigorosos, depuração e pensamento sobre modos de falha.
• Proteger a arquitetura. Mais código gerado pode virar mais código para manter; por isso, limites claros, dependências saudáveis e simplicidade de longo prazo ficam ainda mais importantes.
• Assumir o resultado em produção. A responsabilidade por confiabilidade, manutenção e impacto no usuário continua sendo da equipe humana.

Na prática, muda a definição de força técnica. Velocidade continua importante, mas volume bruto de código passa a ser um sinal mais fraco de valor. O diferencial vira julgamento: saber o que pedir para a IA construir, o que rejeitar, o que refatorar e o que simplesmente não deveria ser construído.

Revisar bem vira uma habilidade de alto valor

A codificação assistida por IA barateia o primeiro rascunho. Isso aumenta o valor de quem consegue separar um rascunho útil de um rascunho frágil.

Um bom engenheiro nesse ambiente não é alguém que apenas escreve um prompt e aceita a resposta. O perfil mais forte se aproxima de uma combinação de editor, designer de sistemas e operador: alguém capaz de transformar código gerado em software confiável. Isso inclui checar se a implementação corresponde à intenção do produto, se quebra premissas escondidas, se respeita a arquitetura e se outra equipe conseguirá manter aquilo depois.

Por isso, a IA pode tornar o julgamento de engenheiros seniores mais importante, não menos. Se o time consegue produzir código mais rápido, o gargalo muitas vezes passa a ser decidir qual código merece existir.

O que muda para gestores

Os comentários de Chesky sobre gestores são tão relevantes quanto o número sobre código. A expectativa relatada é que gestores na Airbnb estejam próximos o bastante do trabalho para programar ou usar ferramentas de codificação com IA por conta própria ^[3][5]. A reportagem da People Matters sobre o alerta de Chesky a respeito de “pure people managers” aponta na mesma direção: cargos de liderança que funcionam apenas como camadas de coordenação podem sofrer pressão conforme a IA altera os fluxos de trabalho ^[1][2].

Isso não quer dizer que todo gerente de engenharia precise ser o melhor programador do time. Mas significa que fluência técnica fica mais difícil de evitar.

Em equipes com uso intenso de IA, gestores precisam conseguir:

• entender o que ferramentas de IA fazem bem e onde falham;
• avaliar trade-offs técnicos, não apenas acompanhar status;
• questionar premissas fracas em estimativas, desenhos de solução e código gerado;
• definir critérios claros de qualidade para revisão, testes, segurança e confiabilidade;
• medir times por valor entregue e saúde do sistema, não por esforço manual de digitação de código.

O papel do gestor ainda envolve contratação, mentoria, priorização e saúde do time. A diferença é que, em empresas que caminham na direção da Airbnb, essas responsabilidades passam a conviver com um entendimento mais prático das ferramentas e do trabalho técnico.

Quais funções ficam sob mais pressão

O papel arriscado não é “engenheiro de software” nem “gestor”, como categoria. O risco maior está em funções definidas de forma estreita demais, baseadas apenas em produção rotineira.

A pressão tende a ser maior sobre quem principalmente:

• escreve código sem entender o sistema ao redor;
• aceita saídas geradas por IA sem revisão cuidadosa;
• mede impacto por quantidade de tarefas, não por valor de produto;
• coordena trabalho sem compreender a substância técnica;
• evita aprender ferramentas que já fazem parte do fluxo do time.

O perfil mais protegido é o de operador técnico com bom julgamento: alguém que usa IA para ganhar velocidade, mas continua responsável por qualidade, arquitetura e resultado.

O que engenheiros e gestores podem fazer agora

Para engenheiros, o caminho imediato não é ignorar a IA nem confiar nela cegamente. É ficar muito bom em entrega assistida por IA sem abrir mão da responsabilidade pelo resultado. Isso significa escrever especificações mais claras, dar mais contexto, revisar diffs com atenção, ampliar cobertura de testes e investir em arquitetura, confiabilidade, segurança e visão de produto.

Para gestores, o passo prático é permanecer perto do ofício. Usar as ferramentas o suficiente para entender forças e limites. Participar de conversas de design e revisão. Tornar padrões de qualidade explícitos. E recompensar times por resultados duráveis de produto, não pela quantidade de código digitada manualmente.

A ressalva: Airbnb é um sinal, não o mercado inteiro

O número de quase 60% relatado por Chesky é um dado específico da Airbnb, não um indicador automático para toda a indústria. Ele não deve ser lido como prova de que todas as organizações de software chegaram ao mesmo nível de adoção de IA.

O próprio Chesky já apresentou uma visão que mistura aceleração e paciência. Em 2024, ele disse que a IA mudaria o mundo mais do que muita gente imagina, mas também levaria mais tempo do que muitos esperam ^[6]. Essa talvez seja a melhor moldura para a mudança: a IA pode remodelar profundamente o trabalho em software, mas a transição será desigual.

No fim, a IA não está simplesmente substituindo engenheiros ou gestores. Ela está mudando a unidade de contribuição. Engenheiros precisam se tornar melhores diretores e revisores de trabalho gerado por máquina. Gestores precisam de fluência técnica suficiente para liderar equipes que usam IA todos os dias. No caso da Airbnb, a vantagem durável parece estar saindo da produção manual e indo para julgamento, responsabilidade e capacidade de transformar saídas de IA em produtos confiáveis ^[1][3][5].