Mais de uma em cada cinco revisões de código no GitHub agora é feita por um revisor de IA: o Copilot code review passou de 60 milhões de revisões em março de 2026, menos de um ano após a disponibilidade geral (GitHub Blog, 2026). O volume a ser revisado também está subindo: os usuários do GitHub fizeram merge de 43,2 milhões de pull requests por mês, em média, em 2025, alta de 23% em relação ao ano anterior (GitHub Octoverse 2025). A confiança não acompanhou o ritmo, já que 96% dos desenvolvedores não confiam totalmente no código gerado por IA (Sonar State of Code Developer Survey 2026), e 85% dos desenvolvedores e compradores de tecnologia pesquisados concordam que a IA deslocou o gargalo da escrita de código para a revisão (GitLab AI Accountability Report 2026). Reunimos dados da Stack Overflow Developer Survey, do GitHub Octoverse, das pesquisas de DevSecOps do GitLab, do relatório DORA do Google, da Sonar, Qodo, Veracode, CodeRabbit, Faros AI, METR, JetBrains, Atlassian e Gartner. Para o lado da escrita de código, veja nosso levantamento complementar de estatísticas de geração de código com IA.
TL;DR
- O Copilot code review responde por mais de 1 em cada 5 revisões de código no GitHub, com 60 milhões de revisões concluídas (GitHub Blog, 2026)
- 85% concordam que a IA deslocou o gargalo da escrita de código para a revisão e a validação (GitLab AI Accountability Report 2026)
- 96% dos desenvolvedores não confiam totalmente no código gerado por IA, mas só 48% sempre o verificam antes do commit (Sonar State of Code 2026)
- 10,2% dos desenvolvedores usam IA principalmente para fazer commit e revisar código; 58,7% não planejam usar (Stack Overflow Developer Survey 2025)
- Equipes com alta adoção de IA fazem merge de 98% mais PRs, enquanto o tempo de revisão de PR sobe 91% (Faros AI Productivity Paradox Report 2025)
- 81% dos desenvolvedores que usam revisão por IA viram ganhos de qualidade, contra 55% de equipes igualmente rápidas sem ela (Qodo State of AI Code Quality 2025)
- 45% das amostras de código geradas por IA falharam em testes de segurança em mais de 100 LLMs (Veracode GenAI Code Security Report 2025)
- PRs coescritos por IA têm 10,83 problemas por PR contra 6,45 nos PRs só de humanos (CodeRabbit State of AI vs Human Code Generation 2025)
- 72,6% dos usuários do Copilot code review dizem que ele melhorou sua eficácia (GitHub Octoverse 2025)
- 80% dizem que sua organização adotou ferramentas de IA mais rápido do que criou políticas para governá-las (GitLab AI Accountability Report 2026)
- 90% dos profissionais de tecnologia já usam IA no trabalho, mas 30% têm pouca ou nenhuma confiança no código gerado por IA (Google DORA 2025)
- 90% dos engenheiros de software corporativos usarão assistentes de código com IA até 2028, contra menos de 14% no início de 2024 (Gartner, 2025)
1. Adoção de IA pelos Desenvolvedores: a Linha de Base da Revisão Automatizada
A revisão automatizada é consequência da escrita automatizada. 90% dos profissionais de tecnologia já usam IA no trabalho (Google DORA State of AI-assisted Software Development 2025), então quase todo pull request que entra numa fila de revisão tem alguma probabilidade de conter código escrito por máquina. Isso muda a finalidade da revisão: ela deixou de ser apenas uma checagem entre pares e passou a ser o principal ponto de controle de código que nenhum humano escreveu por inteiro.
A adoção também é profunda, não só ampla. Os respondentes da Sonar dizem que 42% do código que fazem commit já é gerado ou assistido por IA, e a JetBrains constata que 62% dos desenvolvedores dependem de pelo menos um assistente de código com IA, agente ou editor de código com IA. A pergunta para os líderes de engenharia deixou de ser se as equipes usam IA e passou a ser quanta saída de IA sem revisão o pipeline consegue absorver.
| Métrica | Valor | Fonte |
|---|---|---|
| Profissionais de tecnologia que usam IA no trabalho | 90% (alta de 14% em relação ao ano anterior) | Google DORA State of AI-assisted Software Development 2025 |
| Tempo mediano com IA por dia | 2 horas | Google DORA 2025 |
| Desenvolvedores que usam ou planejam usar ferramentas de IA | 84% (contra 76% em 2024) | Stack Overflow Developer Survey 2025 |
| Desenvolvedores profissionais que usam ferramentas de IA diariamente | 51% | Stack Overflow Developer Survey 2025 |
| Desenvolvedores que usam IA regularmente para programar e desenvolver | 85% | JetBrains State of Developer Ecosystem 2025 |
| Desenvolvedores que dependem de pelo menos um assistente de código com IA, agente ou editor com IA | 62% | JetBrains State of Developer Ecosystem 2025 |
| Desenvolvedores que experimentaram ferramentas de código com IA e hoje as usam todo dia | 72% | Sonar State of Code Developer Survey 2026 |
| Profissionais de DevSecOps que usam ou planejam usar IA no SDLC | 97% | GitLab Global DevSecOps Report 2025 |
Nota de contexto: essas pesquisas usam populações diferentes (o Stack Overflow é aberto a todos os desenvolvedores, o DORA mira profissionais de tecnologia e a JetBrains ouviu 24.534 desenvolvedores em 194 países), então as taxas de adoção são mais bem lidas como uma faixa consistente de 84% a 97% do que como um número único. A redação completa das perguntas está na página de resultados de IA do Stack Overflow 2025 e no State of Developer Ecosystem 2025 da JetBrains. Números mais amplos entre setores estão em nosso levantamento de estatísticas de pesquisas com desenvolvedores.
2. Adoção e Escala da Revisão de Código com IA
A revisão é a etapa do fluxo de trabalho em que os desenvolvedores mais hesitam em ceder o controle, e os dados da pesquisa mostram isso. Apenas 10,2% dos desenvolvedores usam IA principalmente para fazer commit e revisar código, e 58,7% dizem que não planejam usar (Stack Overflow Developer Survey 2025). Mas a telemetria das plataformas conta outra história: a revisão por IA está sendo ligada no nível da organização, rodando em cada pull request, quer cada desenvolvedor tenha pedido ou não.
Essa distância entre a intenção pessoal e os padrões organizacionais é a marca definidora desse mercado em 2026. O GitHub diz que o uso do Copilot code review cresceu 10x desde o lançamento e que mais de 12.000 organizações o executam automaticamente em cada pull request (GitHub Blog, 60 milhões de revisões de código do Copilot). Pilhas com várias ferramentas são a norma: 91% das organizações na pesquisa de 2026 do GitLab têm duas ou mais ferramentas de código com IA em uso ativo.
| Métrica | Valor | Fonte |
|---|---|---|
| Revisões de código do Copilot concluídas desde o lançamento em abril de 2025 | 60 milhões | GitHub Blog, março de 2026 |
| Parcela de todas as revisões de código no GitHub feitas pelo Copilot code review | Mais de 1 em cada 5 | GitHub Blog, março de 2026 |
| Organizações que executam o Copilot code review automaticamente em todo PR | mais de 12.000 | GitHub Blog, março de 2026 |
| Revisões do Copilot que trazem feedback acionável | 71% (média de 5,1 comentários por revisão) | GitHub Blog, março de 2026 |
| Usuários do Copilot code review que dizem que ele melhorou sua eficácia | 72,6% | GitHub Octoverse 2025 |
| Desenvolvedores que usam IA principalmente / parcialmente para commit e revisão de código | 10,2% / 22,6% | Stack Overflow Developer Survey 2025 |
| Desenvolvedores que planejam usar IA parcialmente / principalmente para essa tarefa | 31,4% / 16,3% | Stack Overflow Developer Survey 2025 |
| Organizações com duas ou mais / três ou mais ferramentas de código com IA em uso ativo | 91% / 54% | GitLab AI Accountability Report 2026 |
Nota sobre valores atípicos: a taxa de 71% de feedback acionável também significa que 29% das revisões do Copilot não retornam comentários, o que o GitHub apresenta como uma escolha deliberada de design (silêncio quando nada está errado) e não como uma falha. O recurso Copilot code review atingiu a disponibilidade geral em 4 de abril de 2025, segundo o GitHub Octoverse 2025. Um precedente anterior vem do Google, onde um modelo interno de ML conseguia resolver cerca de 52% dos comentários de revisores com meta de precisão de 50%, e os autores do código aplicaram de 40% a 50% das edições sugeridas exibidas previamente (Google Research, 2023). Dado mais recente disponível para esse estudo interno: Google Research, 2023.
3. Confiança e Precisão: a Lacuna de Verificação
A confiança está indo na direção oposta à do uso. 96% dos desenvolvedores não confiam totalmente que o código gerado por IA seja funcionalmente correto, mas apenas 48% sempre o verificam antes do commit (Sonar State of Code Developer Survey 2026). Essa lacuna de 48 pontos entre a dúvida e a diligência é exatamente o espaço em que as ferramentas de revisão automatizada estão sendo vendidas: se os humanos não vão checar a saída da IA de forma consistente, outra coisa precisa fazê-lo.
O padrão se repete em amostras independentes. O Stack Overflow constatou que dois terços dos desenvolvedores esbarram em respostas de IA que estão quase certas, mas não exatamente, e o DORA constatou que 30% têm pouca ou nenhuma confiança no código gerado por IA, mesmo com mais de 80% relatando ganhos de produtividade. Os desenvolvedores passaram a tratar a IA como uma colaboradora rápida, porém falível, cujo trabalho precisa ser checado, o que também explica por que os respondentes da Sonar classificaram revisar e validar código gerado por IA como a habilidade mais importante da era da IA.
| Métrica | Valor | Fonte |
|---|---|---|
| Desenvolvedores que não confiam totalmente que o código gerado por IA é funcionalmente correto | 96% | Sonar State of Code Developer Survey 2026 |
| Desenvolvedores que sempre verificam o código de IA antes do commit | 48% | Sonar State of Code Developer Survey 2026 |
| Desenvolvedores que concordam que a IA produz código que parece correto, mas não é confiável | 61% | Sonar State of Code Developer Survey 2026 |
| Desenvolvedores que confiam muito / desconfiam ativamente da precisão da IA | 3,1% / 46% | Stack Overflow Developer Survey 2025 |
| Desenvolvedores frustrados com soluções de IA que estão quase certas, mas não exatamente | 66% | Stack Overflow Developer Survey 2025 |
| Profissionais de tecnologia com pouca ou nenhuma confiança no código gerado por IA | 30% | Google DORA 2025 |
| Respondentes que confiam na IA para tarefas diárias sem revisão humana | 37% | GitLab Global DevSecOps Report 2025 |
| Desenvolvedores que relatam poucas alucinações e alta confiança ao entregar código de IA | 3,8% | Qodo State of AI Code Quality 2025 |
Nota de contexto: o próprio resumo do Stack Overflow para líderes informa a confiança na precisão da IA em 29% em 2025, contra 40% em 2024, enquanto a página pública de resultados mostra 33% somando quem confia um pouco e quem confia muito; a diferença reflete a forma como as respostas são agrupadas, e ambas apontam para um declínio (pesquisa Stack Overflow 2025 para líderes). A Qodo acrescenta que 25% dos desenvolvedores estimam que uma em cada cinco sugestões de IA contém erros factuais ou código enganoso, e que os desenvolvedores que veem menos alucinações têm 2,5x mais chance de fazer merge de código sem revisá-lo (24% contra 9%).
4. Produtividade e o Gargalo da Revisão
A forma mais rápida de entender por que a revisão por IA está crescendo é olhar para onde o tempo foi parar. Equipes com alta adoção de IA fazem merge de 98% mais pull requests, enquanto o tempo de revisão de PR aumenta 91% (Faros AI, The AI Productivity Paradox Research Report 2025). Escrever ficou mais barato; ler, não. A Faros também constatou que o tamanho médio dos PRs subiu 154%, então os revisores enfrentam mais pull requests e também maiores.
Os dados autodeclarados concordam. A pesquisa de 2026 do GitLab constatou que 78% dos respondentes dizem que os desenvolvedores escrevem e fazem commit de código mais rápido, e 85% concordam que a IA deslocou o gargalo para revisar e validar. Um estudo controlado da METR acrescenta um alerta sobre a percepção: desenvolvedores experientes de código aberto levaram 19% mais tempo para concluir issues com ferramentas de IA, embora ainda acreditassem depois que a IA os tinha deixado 20% mais rápidos (METR, julho de 2025).
| Métrica | Valor | Fonte |
|---|---|---|
| Variação de PRs com merge em equipes de alta adoção de IA | +98% | Faros AI Productivity Paradox Report 2025 |
| Variação do tempo de revisão de PR em equipes de alta adoção de IA | +91% | Faros AI Productivity Paradox Report 2025 |
| Variação do tamanho médio dos PRs | +154% | Faros AI Productivity Paradox Report 2025 |
| Variação de tarefas concluídas por desenvolvedor | +21% | Faros AI Productivity Paradox Report 2025 |
| Variação de pull requests tocados por desenvolvedor por dia | +47% | Faros AI Productivity Paradox Report 2025 |
| Desenvolvedores que dizem que revisar código de IA dá mais trabalho do que revisar o de colegas | 38% | Sonar State of Code Developer Survey 2026 |
| Pull requests com merge no GitHub por mês (média de 2025) | 43,2 milhões (+23% em relação ao ano anterior) | GitHub Octoverse 2025 |
| Variação do tempo de conclusão de tarefas com ferramentas de IA em um ensaio randomizado (16 desenvolvedores, 246 issues) | 19% mais lento | METR, 2025 |
Nota de contexto: a Faros não encontrou correlação significativa entre a adoção de IA e as métricas DORA no nível da empresa, ou seja, os ganhos individuais evaporaram antes de chegar aos resultados de entrega. O State of Developer Experience 2025 da Atlassian (3.500 desenvolvedores e gestores) mostra a mesma compensação: 68% economizam mais de 10 horas por semana com IA, enquanto 50% perdem 10 horas ou mais por semana com atritos organizacionais (Atlassian, 2025). A revisão automatizada é uma das poucas alavancas voltadas para a etapa em que o tempo realmente se acumula.
5. Achados de Qualidade e Segurança do Código
Os dados de qualidade se dividem claramente em duas histórias. O código escrito por IA, sem revisão, carrega mensuravelmente mais defeitos. Os pull requests coescritos por IA tiveram em média 10,83 problemas por PR contra 6,45 nos PRs só de humanos, cerca de 1,7x mais (CodeRabbit, State of AI vs Human Code Generation Report 2025), e a Veracode constatou que 45% das amostras de código geradas por IA falharam em testes de segurança e introduziram vulnerabilidades do OWASP Top 10.
A segunda história é que ter a revisão no ciclo muda o resultado. A Qodo constatou que 81% dos desenvolvedores que usam revisão de código com IA relataram melhorias de qualidade, contra 55% das equipes igualmente rápidas sem ela, e quem adotou revisão por IA viu ganhos de qualidade mesmo com a produtividade estável (36% contra 17%). Lidos em conjunto, os números sugerem que o risco está na saída de IA sem revisão, não na saída de IA em si. Quem acompanha o cenário mais amplo de ameaças pode comparar esses números com nossas estatísticas de cibersegurança.
| Métrica | Valor | Fonte |
|---|---|---|
| Amostras de código geradas por IA que falharam em testes de segurança (mais de 100 LLMs) | 45% | Veracode GenAI Code Security Report 2025 |
| Taxa de falha de segurança por linguagem: Java / C# / JavaScript / Python | 72% / 45% / 43% / 38% | Veracode GenAI Code Security Report 2025 |
| Amostras em que a IA não se defendeu de cross-site scripting (CWE-80) | 86% | Veracode GenAI Code Security Report 2025 |
| Problemas por PR: coescritos por IA vs só de humanos (470 PRs de código aberto) | 10,83 vs 6,45 | CodeRabbit State of AI vs Human Code Generation 2025 |
| Problemas de segurança em PRs coescritos por IA vs PRs só de humanos | Até 2,74x maior | CodeRabbit State of AI vs Human Code Generation 2025 |
| Melhorias de qualidade com revisão por IA vs sem (entre equipes rápidas) | 81% vs 55% | Qodo State of AI Code Quality 2025 |
| Respondentes que relatam influência positiva da IA na qualidade do código | 59% | Google DORA 2025 |
| Repositórios com alertas do CodeQL para controle de acesso quebrado | mais de 151.000 (+172% em relação ao ano anterior) | GitHub Octoverse 2025 |
Nota de contexto: a Veracode relata que modelos maiores e mais novos não produziram código mais seguro, então atualizar o modelo não substitui a revisão. No lado positivo, o Octoverse 2025 do GitHub informa que os tempos de correção de vulnerabilidades melhoraram 30% no último ano e que 26% menos repositórios receberam alertas críticos. A Faros acrescenta um aumento de 9% nos bugs por desenvolvedor em equipes de alta adoção de IA. O resumo do relatório da Veracode lista a metodologia completa.
6. Governança, Desafios Corporativos e o Que Vem a Seguir
As empresas compraram ferramentas de código com IA mais rápido do que escreveram regras para elas. 80% dos respondentes dizem que sua organização adotou ferramentas de IA mais rápido do que desenvolveu políticas para governá-las, e 92% relatam alguma forma de desafio de governança com código gerado por IA (GitLab AI Accountability Report 2026). A próxima fase da revisão automatizada, portanto, trata menos de pegar erros de digitação e mais de proveniência: saber qual código veio de um modelo, qual ferramenta o produziu e quem o aprovou.
Os números de rastreabilidade são os mais preocupantes. 87% estão confiantes de que conseguiriam dizer em até 24 horas se um código gerado por IA contribuiu para um incidente em produção, mas 34% das organizações que de fato tiveram um incidente no último ano não conseguiram fazer essa determinação. Enquanto isso, a parcela de código escrito por IA continua subindo, o que significa que o problema de governança se agrava a cada trimestre. Nossas estatísticas de adoção de IA nas empresas cobrem o mesmo padrão de defasagem de políticas fora das equipes de software.
| Métrica | Valor | Fonte |
|---|---|---|
| Organizações que adotam IA mais rápido que as políticas de governança / que relatam desafio de governança | 80% / 92% | GitLab AI Accountability Report 2026 |
| Respondentes que não conseguem distinguir com segurança código gerado por IA de código escrito por humanos | 43% | GitLab AI Accountability Report 2026 |
| Respondentes que dizem que o código de IA arrisca uma nova forma de dívida técnica | 82% | GitLab AI Accountability Report 2026 |
| Respondentes que dizem que a IA aumenta a complexidade da gestão de conformidade | 70% | GitLab Global DevSecOps Report 2025 |
| Respondentes que descobrem mais problemas de conformidade após a implantação do que durante o desenvolvimento | 76% | GitLab Global DevSecOps Report 2025 |
| Código commitado gerado ou assistido por IA: hoje vs esperado até 2027 | 42% vs 65% | Sonar State of Code Developer Survey 2026 |
| Engenheiros de software corporativos que usam assistentes de código com IA: início de 2024 vs projeção para 2028 | Menos de 14% vs 90% | Gartner Top Strategic Trends in Software Engineering 2025 |
Nota de contexto: o achado de 76% sobre conformidade após a implantação, do relatório DevSecOps 2025 do GitLab (3.266 profissionais, conduzido pela The Harris Poll), é um argumento direto para mover as verificações para a etapa de revisão (comunicado de imprensa do GitLab, novembro de 2025). A projeção da Gartner é citada aqui por meio da cobertura do DevOps Digest sobre o comunicado da Gartner de julho de 2025; o mesmo comunicado prevê que pelo menos 55% das equipes de engenharia de software estarão criando recursos baseados em LLM até 2027. Quanto ao ROI, 60% dos respondentes de 2026 do GitLab dizem que o ROI do código com IA superou as expectativas, então a pressão é para governar o código de IA, não para recuar.
Resumo: Revisão de Código com IA em Números
| Métrica | Valor | Fonte |
|---|---|---|
| Parcela das revisões de código do GitHub feitas pelo Copilot code review | Mais de 1 em cada 5 | GitHub Blog, 2026 |
| Revisões de código do Copilot concluídas | 60 milhões | GitHub Blog, 2026 |
| Organizações que executam revisão por IA em todo PR (Copilot) | mais de 12.000 | GitHub Blog, 2026 |
| Usuários do Copilot code review que relatam melhora de eficácia | 72,6% | GitHub Octoverse 2025 |
| Desenvolvedores que usam IA principalmente para commit e revisão de código | 10,2% | Stack Overflow Developer Survey 2025 |
| Desenvolvedores sem planos de usar IA para commit e revisão de código | 58,7% | Stack Overflow Developer Survey 2025 |
| Profissionais de tecnologia que usam IA no trabalho | 90% | Google DORA 2025 |
| Desenvolvedores que não confiam totalmente no código gerado por IA | 96% | Sonar State of Code 2026 |
| Desenvolvedores que sempre verificam o código de IA antes do commit | 48% | Sonar State of Code 2026 |
| Desenvolvedores que desconfiam ativamente da precisão da IA | 46% | Stack Overflow Developer Survey 2025 |
| A IA deslocou o gargalo da escrita para a revisão de código | 85% concordam | GitLab AI Accountability Report 2026 |
| Variação do tempo de revisão de PR em equipes de alta adoção de IA | +91% | Faros AI 2025 |
| Variação de PRs com merge em equipes de alta adoção de IA | +98% | Faros AI 2025 |
| Melhorias de qualidade com revisão por IA vs sem | 81% vs 55% | Qodo State of AI Code Quality 2025 |
| Amostras de código geradas por IA que falham em testes de segurança | 45% | Veracode GenAI Code Security Report 2025 |
| Problemas por PR, coescritos por IA vs só de humanos | 10,83 vs 6,45 | CodeRabbit 2025 |
| Organizações que adotam IA mais rápido que as políticas de governança | 80% | GitLab AI Accountability Report 2026 |
| Profissionais de tecnologia com pouca ou nenhuma confiança no código gerado por IA | 30% | Google DORA 2025 |
| Parcela de IA no código commitado, hoje vs expectativa para 2027 | 42% vs 65% | Sonar State of Code 2026 |
| Engenheiros corporativos que usam assistentes de código com IA até 2028 | 90% (projeção) | Gartner, 2025 |
Metodologia e Fontes
- Stack Overflow Developer Survey 2025, seção de IA: adoção, confiança, frustrações e uso de IA para commit e revisão de código (33.662 respondentes responderam às perguntas sobre uso de IA).
- Stack Overflow 2025 Developer Survey para líderes, adoção de IA: comparação anual da confiança (2024 vs 2025).
- GitHub Octoverse 2025: eficácia do Copilot code review, volumes de PRs e commits, dados de CodeQL e de tempo de correção de vulnerabilidades.
- GitHub Blog, 60 milhões de revisões de código do Copilot e contando (março de 2026): volume de revisões, parcela das revisões do GitHub, número de organizações, taxa de feedback acionável.
- Comunicado de imprensa do GitLab AI Accountability Report 2026: The Harris Poll, 1.528 desenvolvedores e compradores de tecnologia em seis países, divulgado em 23 de junho de 2026.
- Comunicado de imprensa do GitLab Global DevSecOps Report 2025: The Harris Poll, 3.266 profissionais de DevSecOps, divulgado em 10 de novembro de 2025.
- Google Cloud, anúncio do relatório DORA 2025 e resumo do DORA 2025 no Google Blog: quase 5.000 profissionais de tecnologia, mais de 100 horas de dados qualitativos.
- Sonar State of Code Developer Survey 2026 e análise da Sonar sobre a lacuna de confiança na IA: mais de 1.100 desenvolvedores profissionais, publicado em janeiro de 2026.
- Qodo State of AI Code Quality 2025: 609 desenvolvedores de empresas de diversos portes e regiões.
- Veracode 2025 GenAI Code Security Report: mais de 100 LLMs testados em Java, Python, C# e JavaScript, publicado em 30 de julho de 2025.
- CodeRabbit State of AI vs Human Code Generation Report: 470 PRs de código aberto (320 coescritos por IA, 150 só de humanos), publicado em 17 de dezembro de 2025.
- Faros AI, The AI Productivity Paradox Research Report: telemetria de mais de 10.000 desenvolvedores em 1.255 equipes, publicado em julho de 2025.
- METR, medindo o impacto da IA do início de 2025 na produtividade de desenvolvedores experientes de código aberto: ensaio controlado randomizado, 16 desenvolvedores, 246 issues.
- JetBrains State of Developer Ecosystem 2025: 24.534 desenvolvedores em 194 países, pesquisados de abril a junho de 2025.
- Atlassian State of Developer Experience 2025: 3.500 desenvolvedores e gestores em seis países.
- Google Research, resolvendo comentários de revisão de código com ML (2023): edições sugeridas por ML internamente para comentários de revisores.
- Gartner Top Strategic Trends in Software Engineering 2025, via DevOps Digest: o comunicado original da Gartner não pôde ser acessado publicamente; os números são citados conforme divulgados.
- Zhong et al., From Human-Centric to Agentic Code Review (arXiv, julho de 2026): análise de 1,02 milhão de PRs revisados em 207 projetos do GitHub, constatando que revisões com participação de agentes se associam a decisões mais rápidas, mas não a melhor qualidade de revisão; usado apenas como contexto qualitativo.
- Nota sobre os dados: as pesquisas conduzidas por fornecedores (GitHub, Sonar, Qodo, CodeRabbit, Faros AI) vêm de empresas que vendem ferramentas de código ou de revisão com IA, então vale tratar seu enquadramento com cautela, mesmo quando a metodologia é divulgada. A amostra de 470 PRs da CodeRabbit e o ensaio de 16 desenvolvedores da METR são pequenos; sua direção coincide com a de pesquisas maiores, mas os multiplicadores exatos não devem ser generalizados. O Stack Overflow publica duas cifras de confiança para 2025 (29% no resumo para líderes, 33% na página de resultados) por causa de agrupamentos de resposta diferentes. Os dados de revisão de código com ML do Google datam de 2023 (dado mais recente disponível para esse estudo interno). Excluímos estimativas de tamanho de mercado de ferramentas de revisão de código com IA porque não conseguimos conferi-las em duas empresas com metodologia divulgada. Novos dados esperados: a Stack Overflow Developer Survey 2026, o GitHub Octoverse 2026 e o relatório DORA 2026.
Última atualização: 3 de outubro de 2026. Atualizamos este levantamento trimestralmente, e a próxima revisão é esperada quando o GitHub publicar o Octoverse 2026.