Um PR por música?

MMaximilian Schwarzmüller
컴퓨터/소프트웨어경제 뉴스경영/리더십

스크립트

00:00:00“O Spotify faz 4.500 deploys de produção por dia
00:00:05e 73% de todos os pull requests agora são assistidos por IA.”
00:00:10Uau.
00:00:11Especialmente os 4.500 deploys de produção por dia,
00:00:15isso é realmente impressionante.
00:00:16E não tenho certeza se é impressionante de um jeito bom.
00:00:19E há um comentário engraçado abaixo daquele post no X,
00:00:23que eu curti bastante.
00:00:25Será que eles fazem um PR, um pull request para cada música?
00:00:28E sim, certamente parece que sim.
00:00:30Quero dizer, isso vem da conta do X dos desenvolvedores do Claude.
00:00:35É uma propaganda para o Claude Code,
00:00:37porque, como aprendemos nesta thread,
00:00:39eles estão, claro, usando o Claude Code
00:00:42e modelos da Anthropic para fazer tantos deploys.
00:00:45E, claro, se você assistiu a alguns dos meus vídeos anteriores,
00:00:48você sabe que eu também uso agentes de IA, claro.
00:00:50É o futuro.
00:00:52É assim que o desenvolvimento de software funciona hoje em dia.
00:00:54E eu tenho um curso de Claude Code onde compartilho todos os meus insights,
00:00:57dicas e truques, e como usar essa ferramenta de forma eficaz.
00:01:00Mas 4.500 deploys de produção por dia, sério?
00:01:05Digo, sim, o Spotify é claramente uma grande empresa.
00:01:08Isso não é segredo, mas você fica se perguntando: o que eles estão fazendo?
00:01:12Eu sou um usuário ativo do Spotify.
00:01:15E sinto que o aplicativo, bem, não mudou muito,
00:01:21certamente não para melhor no último ano ou mais.
00:01:26E é realmente demais para mim entender o que poderia estar nesses 4.500 deploys de produção por dia.
00:01:37E por favor, e isso não é brincadeira, eu realmente falo sério.
00:01:40Por favor, compartilhem nos comentários o que vocês acham que eles estão enviando o dia todo.
00:01:44Agora, os 73% de todos os pull requests, sim, claro.
00:01:48Quero dizer, assistido por IA pode ser qualquer coisa teoricamente.
00:01:51Obviamente, uma simples conclusão, autocompletar, estilo antigo,
00:01:58enquanto você revisa o PR e talvez fazendo algumas mudanças poderia contar como assistido por IA.
00:02:04E, claro, ter um agente de IA analisando isso também seria assistido por IA.
00:02:08E francamente, fico surpreso que não seja 100%, porque a IA, eu imaginaria,
00:02:13estaria envolvida em praticamente todas as revisões de PR ou na criação de praticamente todos os PRs.
00:02:20Mas sim, tenho certeza de que esse número mudará.
00:02:22Não seria estranho ver isso.
00:02:26Mas esse primeiro número é realmente um tipo de tendência que podemos ver em geral, certo?
00:02:34Tivemos todo aquele debate sobre “token maxing” alguns meses atrás.
00:02:38Então, muitas empresas perceberam que isso é muito caro e apenas dizer aos seus engenheiros de software
00:02:44para gastar tantos tokens quanto possível provavelmente não é uma boa estratégia,
00:02:48porque é bem fácil, obviamente, gastar tokens e não garante bons resultados.
00:02:53Agora parecemos estar mudando para uma era onde é bastante popular enviar muito.
00:02:58Porque, claro, com a IA, você pode, certo?
00:03:01Você pode enviar muito.
00:03:02Você pode ter tipo cinco agentes rodando simultaneamente usando Git worktrees,
00:03:06trabalhando em quatro projetos diferentes ao mesmo tempo.
00:03:08E sim, você pode paralelizar até certo ponto.
00:03:12Você pode construir muitas coisas com IA, com certeza.
00:03:15Sem dúvida sobre isso.
00:03:17E isso pode te acelerar como desenvolvedor de software.
00:03:20Também pode te deixar mais lento.
00:03:21Todos nós já passamos por isso, onde você seguiu um caminho com a IA,
00:03:25onde você se tornou cada vez mais um “vibe coder”
00:03:28porque ficou preguiçoso demais para realmente avaliar o que a IA gerou,
00:03:32porque parece tão rápido continuar em frente.
00:03:36E então, em algum momento, você não tem nenhum entendimento da sua base de código,
00:03:39mas algo não funciona ou você não está feliz com a direção que está tomando
00:03:42e você abandona aquele projeto ou desfaz muita coisa.
00:03:48E bem, podemos discutir se você está realmente sendo mais produtivo então.
00:03:52Mas deixando isso de lado, e todos nós ainda estamos tentando descobrir como usar melhor a IA,
00:03:58você pode ser mais produtivo com ela.
00:04:01Quero dizer, mesmo se você apenas desse um plano bem claro do que ela deveria fazer
00:04:05e fosse uma funcionalidade minúscula,
00:04:06apenas tê-la cuspindo grandes pedaços de código pode te acelerar.
00:04:10Não tenho certeza se é uma melhoria de 10x ou até mais, como algumas pessoas afirmam.
00:04:14E não tenho certeza se 4.500 deploys por dia é a métrica que deveríamos buscar.
00:04:22Acho que deveríamos realmente buscar descobrir como usar a IA de forma eficaz,
00:04:28como, claro, acelerar nossa entrega de software,
00:04:32mas talvez, talvez também focar um pouco na qualidade, não apenas na quantidade.
00:04:37Neste momento, estamos todos nessa era da quantidade, certo?
00:04:39Token maxing, número de deploys.
00:04:41Qualidade também importa e a IA pode ajudar com isso.
00:04:45Mas o bom e velho teste, também o teste humano,
00:04:48não apenas testes automatizados gerados por IA,
00:04:51onde ela também tem uma tendência ou pode ter uma tendência de escrever testes que passam
00:04:56mas que não testam nada na verdade.
00:04:57Mas isso à parte, o bom e velho teste manual
00:05:00e realmente apenas injetar seu gosto e suas decisões como humano no fluxo de trabalho.
00:05:07Essas são todas provavelmente boas ideias, eu sinto.
00:05:09E sim, será interessante ver quando essa tendência terminar.
00:05:13Eu apenas esbarrei nesse número, queria compartilhar meu espanto com esse número.
00:05:18E como mencionei antes, eu realmente quero ouvir,
00:05:20o que você acha que o Spotify está enviando o dia todo?
00:05:25Porque eu realmente não consigo entender.
00:05:29Desculpe.

핵심 요약

Embora a integração de agentes de IA permita realizar 4.500 deploys diários, a priorização cega de métricas de quantidade sobre a qualidade humana pode reduzir a eficácia real do desenvolvimento de software.

하이라이트

  • O Spotify realiza 4.500 deploys em produção diariamente.

  • A IA assiste 73% de todos os pull requests gerados na plataforma.

  • O uso intensivo de agentes de IA permite que desenvolvedores operem em múltiplos projetos simultaneamente usando Git worktrees.

  • A automação excessiva por IA pode resultar na perda de compreensão da base de código e em projetos abandonados.

  • Testes automatizados gerados por IA correm o risco de validar cenários superficiais que não garantem a qualidade real do software.

타임라인

A escala de automação no Spotify

  • O Spotify executa 4.500 deploys de produção a cada dia.
  • A IA participa de 73% dos pull requests da empresa.

A alta frequência de deploys levanta questões sobre a natureza do conteúdo dessas entregas, já que a experiência do usuário final não apresenta mudanças visíveis ou melhorias significativas no último ano. A infraestrutura baseada em agentes de IA, como o Claude Code, impulsiona essa volumetria, gerando questionamentos sobre a utilidade real de tal nível de automação constante.

A transição para a era da quantidade

  • A IA pode ser usada para gerenciar múltiplos agentes de desenvolvimento simultâneos.
  • A paralisação de tarefas através de ferramentas como Git worktrees aumenta a velocidade de entrega.

O setor de tecnologia parece estar migrando do “token maxing”, que se provou custoso e ineficaz, para uma fase de envio massivo de código mediado por IA. A facilidade técnica de gerar e implementar grandes volumes de código permite que os desenvolvedores construam diversas funcionalidades ao mesmo tempo, mudando o foco da eficiência do código para a velocidade bruta de deploy.

Limites e riscos da dependência de IA

  • O uso excessivo de IA pode levar desenvolvedores a perderem a noção do funcionamento interno do código.
  • Testes humanos e decisões criteriosas continuam sendo essenciais para garantir a qualidade do software.
  • Focar estritamente em métricas de quantidade, como número de deploys, pode ignorar a real produtividade.

A adoção irrestrita da IA pode transformar o profissional em um “vibe coder”, alguém que confia na velocidade da ferramenta sem avaliar criticamente a qualidade do resultado final. A dependência de testes automatizados gerados por IA, que muitas vezes validam código sem testar a lógica real, aponta para a necessidade de manter o julgamento humano no fluxo de trabalho para evitar falhas sistêmicas.

커뮤니티 글

모든 글 보기