Essa confiança desmorona assim que o código é enviado para produção. O relatório revela uma "desconexão estrutural" — uma contradição direta entre como o código é avaliado durante a revisão e como ele realmente se comporta sob cargas de trabalho reais em produção .

• 81% dos líderes de tecnologia empresarial relatam um aumento direto de incidentes em produção ligados ao código gerado por IA .
• 78% dos entrevistados reportam mais incidentes no geral .
• 86% relatam um aumento no tempo que a equipe sênior gasta corrigindo esse código .
• 74% afirmam que pelo menos 25% do código gerado por IA precisa de retrabalho após a implantação .

Esse padrão ganhou um nome destacado pelo relatório: "vibe coding" — a prática de gerar e enviar código baseado principalmente na confiança — se tornou mainstream, e a confiança não verificada está causando uma crise em produção .

Além da New Relic: Um Problema que se Alastra na Indústria

A New Relic não está sozinha em soar o alarme. Outros relatórios da indústria de 2026 pintam o mesmo quadro:

• O Lightrun's 2026 State of AI-Powered Engineering Report descobriu que 43% das alterações de código geradas por IA exigem depuração manual em produção, mesmo após passarem pelos testes de QA e staging. Nenhum entrevistado disse que sua organização conseguia verificar uma correção sugerida por IA com apenas um ciclo de reimplantação; 88% precisaram de dois a três ciclos .
• O Faros AI's 2026 Engineering Report constatou que os bugs por desenvolvedor aumentaram 54%, e a proporção de incidentes por PR mais que triplicou. A relação entre a adoção de IA e a qualidade em produção está piorando, não se estabilizando .
• A pesquisa State of Code Developer Survey 2026 da Sonar descobriu que a IA já responde por 42% do código commitado, com expectativa de chegar a 65% até 2027 — no entanto, 96% dos desenvolvedores não confiam totalmente no código gerado por IA, e apenas 48% sempre verificam antes de fazer o commit .
• A análise do CodeRabbit de 470 PRs de código aberto mostrou que PRs gerados por IA carregam cerca de 1,7 vezes mais problemas no geral, concentrados em erros de lógica, falhas no tratamento de erros e questões de segurança. No percentil 90, os PRs de IA tinham 26 problemas, contra 12,3 dos PRs humanos .

O problema subjacente não é que a IA escreva código ruim. É que a geração roda a uma velocidade 5 a 10 vezes maior que a humana, enquanto a verificação ainda roda a 1x . Os pipelines de revisão de código, projetados para o ritmo humano, não conseguem acompanhar o volume de produção da IA, criando um gargalo de verificação que permite que a falta de confiabilidade chegue à produção sem ser percebida.

A Resposta: New Relic AI Coding Observability

Em 8 de junho de 2026, a New Relic abordou diretamente essa desconexão ao anunciar o desenvolvimento do New Relic AI Coding Observability, uma solução de observabilidade de código aberto projetada especificamente para o desenvolvimento de software assistido por IA . O recurso tem lançamento previsto para 23 de junho de 2026 e estará disponível sem custo adicional para os clientes da New Relic .

Uma Camada de Telemetria Neutra em Relação ao Fornecedor

A arquitetura é o que realmente importa. A New Relic construiu deliberadamente o AI Coding Observability sobre dois padrões abertos: OpenTelemetry (OTel) e o Model Context Protocol (MCP) . Isso significa que as equipes não ficam presas ao esquema de telemetria da New Relic ou a um único assistente de codificação de IA. Qualquer assistente que exponha telemetria compatível com MCP — como GitHub Copilot, Cursor, Claude Code e outros — pode alimentar a mesma camada de observabilidade . Em um mercado onde a ferramenta de codificação dominante em 2027 pode não ser a mesma de hoje, a neutralidade em relação ao fornecedor é uma necessidade prática.

Três Capacidades Principais

O anúncio da New Relic descreve três pilares principais para o AI Coding Observability :

1. Visibilidade — Acompanhar como os assistentes de codificação de IA estão sendo usados durante o desenvolvimento: quais ferramentas, com que frequência e o que produzem. O objetivo é transformar o uso fragmentado e não monitorado de IA em uma prática de engenharia governada e mensurável.
2. Controle de Custos — Prever e controlar os gastos com codificação de IA com alertas de orçamento. Isso aborda diretamente um ponto cego relatado pelas equipes de FinOps, que rotineiramente recebem faturas mensais opacas pelo uso de ferramentas de codificação de IA sem entender o valor entregue .
3. Governança — Manter as consultas e a geração de código seguras e auditáveis, incluindo um modo "zero-outbound" que mantém os dados confidenciais dentro da rede da organização .

Conectando o Desenvolvimento à Produção

A aposta estratégica está na correlação. O AI Coding Observability está sendo projetado para normalizar a telemetria entre os assistentes de codificação de IA e correlacioná-la perfeitamente com a infraestrutura de produção existente . A ideia é criar um painel unificado onde as equipes possam rastrear uma alteração gerada por IA desde o IDE, passando pela implantação, até a produção — e então verificar se essa alteração se correlaciona com um pico de incidentes horas ou dias depois.

Por que Isso Marca um Ponto de Inflexão para a Liderança de Engenharia

Os CTOs passaram 2024-2025 focados na adoção e nos ganhos de produtividade dos assistentes de codificação de IA. Os dados da New Relic, Lightrun, Faros, Sonar e outros deixam claro que a próxima fase deve focar em verificação, confiabilidade e responsabilidade de custos.

A taxa de 94% de confiança durante a revisão de código não é inerentemente errada — a IA frequentemente produz código limpo, legível e sintaticamente correto que passa na análise estática. O modo de falha é ambiental: o código gerado por IA tem um bom desempenho no ambiente restrito de um pull request, mas quebra diante da complexidade dos dados de produção, do comportamento real do usuário e das interações do sistema que nenhuma revisão de código pode simular completamente. Sem uma observabilidade que abranja ambas as fases, as organizações estão dando notas com base em uma curva que a produção se recusa a honrar.

O AI Coding Observability da New Relic representa uma tentativa direta de fechar esse ciclo, movendo a indústria de "confie na revisão" para "verifique em produção."

Essa confiança desmorona assim que o código é enviado para produção. O relatório revela uma "desconexão estrutural" — uma contradição direta entre como o código é avaliado durante a revisão e como ele realmente se comporta sob cargas de trabalho reais em produção .

• 81% dos líderes de tecnologia empresarial relatam um aumento direto de incidentes em produção ligados ao código gerado por IA .
• 78% dos entrevistados reportam mais incidentes no geral .
• 86% relatam um aumento no tempo que a equipe sênior gasta corrigindo esse código .
• 74% afirmam que pelo menos 25% do código gerado por IA precisa de retrabalho após a implantação .

Esse padrão ganhou um nome destacado pelo relatório: "vibe coding" — a prática de gerar e enviar código baseado principalmente na confiança — se tornou mainstream, e a confiança não verificada está causando uma crise em produção .

Além da New Relic: Um Problema que se Alastra na Indústria

A New Relic não está sozinha em soar o alarme. Outros relatórios da indústria de 2026 pintam o mesmo quadro:

• O Lightrun's 2026 State of AI-Powered Engineering Report descobriu que 43% das alterações de código geradas por IA exigem depuração manual em produção, mesmo após passarem pelos testes de QA e staging. Nenhum entrevistado disse que sua organização conseguia verificar uma correção sugerida por IA com apenas um ciclo de reimplantação; 88% precisaram de dois a três ciclos .
• O Faros AI's 2026 Engineering Report constatou que os bugs por desenvolvedor aumentaram 54%, e a proporção de incidentes por PR mais que triplicou. A relação entre a adoção de IA e a qualidade em produção está piorando, não se estabilizando .
• A pesquisa State of Code Developer Survey 2026 da Sonar descobriu que a IA já responde por 42% do código commitado, com expectativa de chegar a 65% até 2027 — no entanto, 96% dos desenvolvedores não confiam totalmente no código gerado por IA, e apenas 48% sempre verificam antes de fazer o commit .
• A análise do CodeRabbit de 470 PRs de código aberto mostrou que PRs gerados por IA carregam cerca de 1,7 vezes mais problemas no geral, concentrados em erros de lógica, falhas no tratamento de erros e questões de segurança. No percentil 90, os PRs de IA tinham 26 problemas, contra 12,3 dos PRs humanos .

O problema subjacente não é que a IA escreva código ruim. É que a geração roda a uma velocidade 5 a 10 vezes maior que a humana, enquanto a verificação ainda roda a 1x . Os pipelines de revisão de código, projetados para o ritmo humano, não conseguem acompanhar o volume de produção da IA, criando um gargalo de verificação que permite que a falta de confiabilidade chegue à produção sem ser percebida.

A Resposta: New Relic AI Coding Observability

Em 8 de junho de 2026, a New Relic abordou diretamente essa desconexão ao anunciar o desenvolvimento do New Relic AI Coding Observability, uma solução de observabilidade de código aberto projetada especificamente para o desenvolvimento de software assistido por IA . O recurso tem lançamento previsto para 23 de junho de 2026 e estará disponível sem custo adicional para os clientes da New Relic .

Uma Camada de Telemetria Neutra em Relação ao Fornecedor

A arquitetura é o que realmente importa. A New Relic construiu deliberadamente o AI Coding Observability sobre dois padrões abertos: OpenTelemetry (OTel) e o Model Context Protocol (MCP) . Isso significa que as equipes não ficam presas ao esquema de telemetria da New Relic ou a um único assistente de codificação de IA. Qualquer assistente que exponha telemetria compatível com MCP — como GitHub Copilot, Cursor, Claude Code e outros — pode alimentar a mesma camada de observabilidade . Em um mercado onde a ferramenta de codificação dominante em 2027 pode não ser a mesma de hoje, a neutralidade em relação ao fornecedor é uma necessidade prática.

Três Capacidades Principais

O anúncio da New Relic descreve três pilares principais para o AI Coding Observability :

1. Visibilidade — Acompanhar como os assistentes de codificação de IA estão sendo usados durante o desenvolvimento: quais ferramentas, com que frequência e o que produzem. O objetivo é transformar o uso fragmentado e não monitorado de IA em uma prática de engenharia governada e mensurável.
2. Controle de Custos — Prever e controlar os gastos com codificação de IA com alertas de orçamento. Isso aborda diretamente um ponto cego relatado pelas equipes de FinOps, que rotineiramente recebem faturas mensais opacas pelo uso de ferramentas de codificação de IA sem entender o valor entregue .
3. Governança — Manter as consultas e a geração de código seguras e auditáveis, incluindo um modo "zero-outbound" que mantém os dados confidenciais dentro da rede da organização .

Conectando o Desenvolvimento à Produção

A aposta estratégica está na correlação. O AI Coding Observability está sendo projetado para normalizar a telemetria entre os assistentes de codificação de IA e correlacioná-la perfeitamente com a infraestrutura de produção existente . A ideia é criar um painel unificado onde as equipes possam rastrear uma alteração gerada por IA desde o IDE, passando pela implantação, até a produção — e então verificar se essa alteração se correlaciona com um pico de incidentes horas ou dias depois.

Por que Isso Marca um Ponto de Inflexão para a Liderança de Engenharia

Os CTOs passaram 2024-2025 focados na adoção e nos ganhos de produtividade dos assistentes de codificação de IA. Os dados da New Relic, Lightrun, Faros, Sonar e outros deixam claro que a próxima fase deve focar em verificação, confiabilidade e responsabilidade de custos.

A taxa de 94% de confiança durante a revisão de código não é inerentemente errada — a IA frequentemente produz código limpo, legível e sintaticamente correto que passa na análise estática. O modo de falha é ambiental: o código gerado por IA tem um bom desempenho no ambiente restrito de um pull request, mas quebra diante da complexidade dos dados de produção, do comportamento real do usuário e das interações do sistema que nenhuma revisão de código pode simular completamente. Sem uma observabilidade que abranja ambas as fases, as organizações estão dando notas com base em uma curva que a produção se recusa a honrar.

O AI Coding Observability da New Relic representa uma tentativa direta de fechar esse ciclo, movendo a indústria de "confie na revisão" para "verifique em produção."