Engenheiros do Google estão encontrando limites de poder computacional, já que a parcela de novo código escrito por inteligência artificial saltou para 75%, ante 50% há apenas seis meses, de acordo com dados internos. O rápido aumento está sobrecarregando a infraestrutura da empresa e forçando equipes a repensar como alocam recursos.
A mudança para codificação assistida por IA
Há seis meses, metade do novo código do Google vinha da IA. Agora são três quartos. Isso significa que os sistemas internos da empresa estão lidando com um volume muito maior de sugestões, complementos e correções automatizadas geradas por IA. A mudança reflete um impulso mais amplo em toda a indústria de tecnologia para incorporar ferramentas de IA nos fluxos de trabalho diários de desenvolvimento. No Google, ferramentas como versões internas de grandes modelos de linguagem tornaram-se padrão para escrever código boilerplate, corrigir bugs e até gerar funções inteiras.
Mas o salto não veio sem custo. Cada consulta de IA consome ciclos de computação e, com mais código sendo gerado por modelos, a demanda por poder de processamento disparou. Engenheiros relataram tempos de resposta mais lentos das ferramentas internas de IA e quedas ocasionais durante horários de pico.
Sobrecarga na infraestrutura interna
Os limites de computação são mais visíveis nos data centers que executam os modelos de IA. O próprio hardware do Google, incluindo TPUs e GPUs, está agora sob forte carga devido às tarefas de geração de código. Algumas equipes tiveram que enfileirar trabalhos ou limitar o número de solicitações de IA por engenheiro. A empresa também começou a priorizar certos tipos de geração de código — como patches de segurança ou correções críticas de bugs — em detrimento de funções auxiliares menos urgentes.
O Google não está sozinho nessa crise. Outras grandes empresas de tecnologia relataram dores de crescimento semelhantes ao integrar IA no desenvolvimento. Mas a velocidade da mudança no Google — um aumento de 25 pontos percentuais em seis meses — pegou algumas equipes internas de surpresa.
O que isso significa para os engenheiros
Para os engenheiros que escrevem o código, a nova realidade significa ajustar os fluxos de trabalho. Eles não podem mais confiar que as ferramentas de IA gerem código instantaneamente sem planejar em torno dos limites de computação. Alguns começaram a agrupar suas solicitações para horários de menor movimento. Outros estão revisando o código gerado por IA com mais cuidado, sabendo que os modelos às vezes produzem saída ineficiente ou com bugs quando operam sob condições limitadas.
O Google não detalhou publicamente como planeja lidar com a sobrecarga de infraestrutura. A empresa provavelmente enfrenta uma escolha: investir em mais hardware, refinar os modelos para serem mais eficientes ou impor limites mais rígidos ao uso de IA. Cada opção tem suas compensações. Mais hardware custa dinheiro e leva tempo para ser implantado. Ganhos de eficiência do modelo podem desacelerar o ritmo das melhorias. Limites de uso podem frustrar engenheiros que passaram a depender das ferramentas.
Por enquanto, a situação permanece sem solução. Os engenheiros estão contornando as restrições, mas a demanda subjacente por código gerado por IA não mostra sinais de desaceleração. A questão é por quanto tempo a infraestrutura do Google conseguirá acompanhar.
