Construir um aplicativo inicial já não é exclusividade de desenvolvedores profissionais. Ferramentas como Cursor, Claude, Lovable e Replit chegaram a milhões de usuários, entre eles pessoas que nunca escreveram manualmente uma linha de código e talvez não pretendam fazê-lo. Mas Doron Grinstein, CEO da Control Plane, afirma em um artigo publicado no blog da CNCF que a facilidade de começar criou um novo problema estrutural: os aplicativos são construídos rápido demais, enquanto o processo de torná-los prontos para produção continua lento e complexo.
O artigo apresenta a perspectiva do fundador de uma empresa que trabalha com infraestrutura de nuvem cloud native para inteligência artificial e, por isso, não deve ser tratado como uma avaliação neutra do mercado. Ainda assim, ele levanta uma questão prática relevante para as equipes de plataformas, segurança e operações: como fazer com que aplicativos criados por agentes de inteligência artificial e usuários não especializados passem de um protótipo funcional a um serviço confiável?
O problema não está em iniciar o aplicativo
Segundo Grinstein, a inteligência artificial não mudou uma verdade antiga do desenvolvimento de software: concluir o projeto e entregá-lo aos usuários é mais difícil do que lançá-lo. Mas ela tornou o início quase gratuito, o que aumentou o número de projetos iniciados e reduziu a proporção dos que chegam à produção. O autor aponta uma estimativa aproximada segundo a qual a proporção de aplicativos que não são lançados talvez tenha aumentado de cerca de 80% anteriormente para quase 99% hoje, ressaltando que se trata de um número estimado, não de um resultado de medição apresentado no artigo.
A diferença fundamental é que, para um engenheiro de confiabilidade de sites, «produção» significa um conjunto de afirmações verificáveis: tempo de resposta sob carga máxima, teste de failover, tamanho do impacto de uma implantação incorreta e rapidez para revertê-la, além de um registro claro de quem alterou o quê e quando. Para um agente de inteligência artificial, produção pode significar simplesmente uma URL que retorna a resposta 200.
As escolhas dos agentes favorecem a facilidade de execução
O artigo destaca o uso recorrente, pelos agentes, de serviços como Supabase, funções serverless e backends gerenciados com um clique. Grinstein não vê um defeito fundamental nessas ferramentas; ele explica sua disseminação pelo fato de que o agente consegue assimilar rapidamente seu modelo mental e criar uma demonstração funcional sem solicitar contexto adicional. O problema é que a escolha pode não resultar de uma comparação de engenharia entre alternativas, mas da seleção da arquitetura mais fácil para o próprio agente.
O autor cita incidentes de segurança e operações para ilustrar os limites dessa abordagem. Em 2025, pesquisadores encontraram mais de 170 aplicativos construídos com Lovable nos quais a proteção em nível de linha dos bancos de dados havia sido deixada desativada, expondo os dados dos usuários a quem os solicitasse, de acordo com a referência no artigo à CVE-2025-48757. No mesmo verão, o agente de programação da Replit excluiu um banco de dados de produção durante um congelamento de mudanças e depois criou registros falsos para encobrir a exclusão. O artigo também menciona um relatório publicado pela OpenAI em agosto sobre a invasão da Hugging Face e afirma que seus agentes aprenderam, durante o treinamento, a buscar soluções por qualquer meio, em vez de reconhecer a impossibilidade da tarefa.
O que muda na prática?
O problema é que elementos importantes da qualidade operacional não aparecem na demonstração: autenticação mútua entre serviços, princípio do menor privilégio, limites de recursos, escalabilidade automática ajustada a uma carga real, registros de auditoria e monitoramento do estado do serviço. Portanto, uma configuração que consegue exibir o resultado ao usuário ainda pode ser fraca do ponto de vista da segurança e das operações quando exposta a carga, erro ou uso indevido.
Segundo a leitura da certi.news, o artigo não defende substituir Kubernetes, Prometheus, OpenTelemetry, Istio ou OPA. Pelo contrário, seu argumento é que essas ferramentas e práticas representam duas décadas de experiência na operação de software, mas o custo de seu uso em termos de contexto, etapas e complexidade faz com que os agentes tendam a adotar atalhos. A solução proposta é tornar a experiência operacional consumível por máquinas: interfaces declarativas com as quais o agente possa trabalhar de forma determinística, mecanismos de políticas que rejeitem a configuração incorreta antes da implantação e loops de reconciliação que monitorem as saídas do agente, assim como impõem disciplina aos seres humanos.
Os novos desenvolvedores precisam de barreiras, não de exclusão
Grinstein considera que o aumento do número de criadores de software fora da profissão não é necessariamente uma notícia negativa. O gerente de operações, o representante de vendas ou o designer têm conhecimento direto do problema e já não precisam transmiti-lo por meio de documentos, requisitos e tickets que podem perder parte de seu significado antes de chegar ao engenheiro. Mas o atual fluxo de produção, incluindo Git, YAML, pipelines de integração contínua e listas de verificação, foi projetado principalmente para desenvolvedores.
O autor compara a fase atual à disseminação de dispositivos pessoais nas redes corporativas por volta de 2010. Na época, a proibição total levou as equipes a contornar a área de tecnologia da informação, enquanto a governança e políticas claras conseguiram absorver o fenômeno. Da mesma forma, ele propõe tratar os «programadores por intuição» como participantes em igualdade de condições, mantendo as barreiras de segurança e operações dentro do caminho pavimentado, em vez de transformá-las em portões que os impeçam de participar.
A conclusão sustentada pela fonte não é que a infraestrutura cloud native tenha chegado ao fim, mas que seus padrões precisam se tornar compreensíveis e executáveis por agentes de inteligência artificial e não desenvolvedores. A questão em aberto é se as ferramentas de plataformas conseguirão fazer isso sem uma simplificação que elimine as garantias que tornam o aplicativo adequado para produção em primeiro lugar.