Quando um fornecedor entrega código, documentação ou planos feitos com ajuda de IA, a pergunta central é quem revisou o resultado e responde por ele. Esse é o foco do manifesto No AI Slop, publicado em 12 de novembro de 2026 por palestrantes e participantes do AIE Code Summit 2026.

Em diálogo com o Manifesto Ágil, o texto reúne valores e resoluções para o desenvolvimento de software com IA. Não propõe abandonar modelos ou agentes: seus autores afirmam que usam IA para escrever código e outros materiais. A cobrança é assumir a responsabilidade pela qualidade e pela experiência de quem recebe a entrega. (slopmanifesto.com)

O que o manifesto No AI Slop chama de AI slop

O manifesto define slop como uma assimetria: quem produz dedica menos esforço do que exige de quem precisa entender o material. A questão não é apenas se a IA participou, mas se alguém assumiu a responsabilidade pelo resultado e pelo custo de compreendê-lo. (gist.github.com)

A resolução 2 resume essa definição: “Slop is when we put less effort into producing something than we ask the consumer to spend understanding it.” Em português, há slop quando se investe menos esforço para produzir algo do que se espera que o destinatário gaste para entendê-lo.

A resolução 5 detalha a assimetria: gerar um pull request de mil linhas ou um documento de dez páginas pode custar pouco, mas revisar esse material ainda exige atenção. (gist.github.com)

Isso não torna automaticamente ruim todo código escrito com IA. A resolução 3 afirma que o uso de IA, por si só, não caracteriza slop; o problema surge quando a saída é repassada sem responsabilidade pela qualidade ou pela experiência de quem vai lê-la.

Para uma liderança, essa distinção evita dois erros: proibir a ferramenta por princípio ou aceitar entregas extensas como prova de produtividade.

Os cinco valores e o que mudam ao contratar software

Os cinco valores do manifesto priorizam resultado, compreensão, pensamento humano, qualidade do trabalho e melhoria do sistema. Na contratação, eles deslocam a conversa de “quanto foi produzido” para “o que foi resolvido e como se verificou que funciona”. (slopmanifesto.com)

Valor do manifesto O que observar na entrega
Resultados em vez de volume Funcionalidades e problemas resolvidos, não número de linhas ou tarefas fechadas
Compreensão em vez de velocidade Capacidade de explicar requisitos, decisões e impactos do código
Pensamento próprio em vez do primeiro rascunho do modelo Evidência de que a solução foi avaliada, testada e adaptada ao contexto
Trabalho melhor em vez de trabalho mais fácil Manutenção, segurança e clareza consideradas junto com a implementação
Melhorar o sistema em vez de remendar a saída Correção de causas recorrentes e guardrails para evitar a repetição do erro

Esses valores não determinam uma metodologia específica nem substituem critérios técnicos do projeto. Eles ajudam a fazer perguntas mais úteis. Por exemplo: o fornecedor consegue explicar por que escolheu uma integração? Os testes cobrem o fluxo real de pedidos? Uma falha recorrente gerou uma mudança no processo, ou só mais um ajuste isolado?

Uma empresa pode registrar os critérios no escopo e avaliar cada entrega com exemplos concretos. No lugar de contar telas concluídas, pode verificar se o processo acordado funciona, se os dados são tratados corretamente e se a equipe consegue operar a mudança. Essa abordagem também conversa com a maturidade no uso de IA: a ferramenta pode participar da execução, mas não substitui o entendimento do problema.

Onde a conta aparece para quem mantém software

Produzir mais código ou documentação não elimina o trabalho de revisar, testar e manter o material. Quando o volume cresce sem revisão correspondente, parte do esforço passa para a equipe que recebe a entrega — muitas vezes, para quem terá de corrigir problemas depois.

Pessoa analisando papéis com gráficos e anotações em uma mesa de escritório com teclado e smartphone.
Imagem ilustrativa gerada com IA

Um exemplo público vem de Daniel Stenberg, responsável pelo projeto curl. Em publicações de 2026 sobre relatórios de segurança, ele descreveu relatos com centenas de linhas, explicações repetitivas e detalhes difíceis de percorrer.

No relato de 22 de outubro, Stenberg observou que muitos relatórios passaram a ser úteis e precisos, embora longos. Os responsáveis ainda precisam avaliar se o problema é uma vulnerabilidade e determinar sua gravidade. (daniel.haxx.se)

Esse caso não é uma estatística sobre todos os projetos nem prova que o código gerado por IA seja inferior. Ele ilustra uma distinção prática: volume e extensão não são sinônimos de qualidade.

No curl, a natureza dos relatos mudou ao longo de 2026. Em abril, Stenberg descreveu um cenário de maior volume e relatos de qualidade mais alta, que ainda exigiam avaliação dos mantenedores. (daniel.haxx.se)

Em uma empresa, a mesma lógica aparece quando um fornecedor entrega muitas alterações, mas não consegue mostrar como as testou nem explicar como atendem aos requisitos. A revisão não desaparece: pode recair sobre o time interno, que compara o sistema com o processo da empresa, ou sobre um próximo fornecedor que herda código pouco documentado.

O que exigir de um fornecedor que usa IA

O manifesto oferece pontos de partida para criar critérios de aceite: declarar quando agentes produziram conteúdo enviado, assumir as consequências da entrega e definir uma revisão compatível com o risco. Para o cliente, isso deve se transformar em um processo claro, não em uma exigência vaga de “garantir qualidade”. (gist.github.com)

Na avaliação de uma entrega, a empresa pode verificar quatro aspectos:

  1. Declaração de uso: pergunte se houve participação de IA em código, documentação, testes ou análise. A resolução 15 aborda essa transparência. Não é necessário exigir um inventário de cada sugestão automática; convém combinar quais usos precisam ser registrados e como.
  2. Revisão proporcional ao risco: a resolução 18 recomenda revisar ao menos parte da saída, com a extensão da revisão variando conforme os riscos. Código que altera pagamentos, permissões ou dados pessoais merece critérios diferentes dos de uma ferramenta interna de baixo impacto. Testes automatizados ajudam, mas não substituem a avaliação do comportamento esperado.
  3. Responsabilidade definida: a resolução 14 atribui a quem entrega a responsabilidade pela intenção, pelo julgamento e pelas consequências do que publica, independentemente da ajuda da IA. No contrato e no aceite, deixe claro quem corrige defeitos, responde por documentação incompleta e explica decisões técnicas.
  4. Ativos e documentação sob controle do cliente: propriedade e acesso ao código não são uma das resoluções do manifesto. Ainda assim, são requisitos comerciais importantes para evitar dependência. Combine acesso ao repositório, documentação, instruções de implantação e credenciais administradas pela empresa, conforme o escopo e os contratos aplicáveis. Veja também quais ativos e acessos ajudam a evitar dependência de um fornecedor.

Para tornar a revisão verificável, peça evidências ligadas ao risco: testes executados, demonstração dos fluxos alterados, explicação de decisões relevantes e lista de limitações conhecidas. Um relatório extenso, por si só, não prova que houve revisão; tampouco a ausência de menção à IA prova negligência. O objetivo é entender como a equipe verificou o resultado.

A Site Sob Medida parte do processo e dos requisitos para definir escopo, arquitetura e critérios de entrega. Em um projeto sob medida, essa conversa deve incluir quem acompanha a construção e como o cliente verifica o progresso — não apenas qual ferramenta foi usada para escrever o código.

O que o manifesto não autoriza concluir

O documento não determina que empresas proíbam IA nem que toda saída de um modelo deva ser tratada como suspeita. Ele reconhece que a IA pode ser útil e que uma saída não revisada não é necessariamente ruim; o problema é quando o resultado compromete o objetivo, a manutenção ou o tempo das pessoas. (gist.github.com)

Mulher e homem conversam em balcão de loja enquanto ele aponta para um tablet.
Imagem ilustrativa gerada com IA

Também não é uma evidência de que ferramentas de IA sempre acelerem entregas, reduzam custos ou produzam código de menor qualidade. A pauta do manifesto é outra: manter julgamento humano e responsabilidade no processo. O desempenho de uma equipe depende do tipo de tarefa, da experiência de quem trabalha, dos controles aplicados e do que se considera resultado aceitável.

Por isso, a pergunta “o fornecedor usa IA?” não basta para aprovar ou rejeitar uma proposta. Pergunte como a equipe usa a ferramenta, o que não envia a ela, quais saídas revisa e quem responde por decisões e correções. Se a iniciativa envolve agentes com acesso a sistemas da empresa, vale avaliar também as permissões e os limites operacionais descritos em segurança de agentes de IA.

Três regras internas para uma empresa pequena

Uma empresa pequena pode começar com três regras: registrar os usos relevantes de IA, definir quais entregas exigem leitura humana antes de serem usadas e avaliar o trabalho pelo resultado. O manifesto defende responsabilidade, compreensão e revisão proporcional aos riscos; isso pode ser traduzido em procedimentos curtos, sem criar uma política extensa. (resoluções do manifesto)

  • Registre os usos relevantes: estabeleça quando a equipe deve informar que a IA participou de uma entrega, como em mudanças de código, materiais enviados a clientes ou decisões que envolvam dados. O registro pode indicar a finalidade do uso e quem ficou responsável pela revisão.
  • Defina o que não pode seguir sem leitura humana: inclua, por exemplo, alterações em permissões, tratamento de dados sensíveis, regras financeiras e respostas externas que possam comprometer a empresa. A leitura deve confirmar se o conteúdo está correto e se a mudança respeita as regras do negócio.
  • Avalie o resultado, não o volume produzido: verifique se o fluxo acordado funciona, se os testes e a documentação permitem manutenção e se os erros recorrentes diminuíram. Linhas de código, documentos ou tarefas concluídas, por si só, não mostram se a entrega resolveu o problema.

Uma forma prática de começar é aplicar essas regras a um processo já existente, como a integração entre uma loja virtual e um ERP. Se um pedido chega com dados incorretos, identifique em que etapa o erro surge, teste a correção e registre quem a validou. Assim, a equipe consegue avaliar a mudança pelo funcionamento do processo e não apenas pelo fato de ter sido produzida com ou sem IA.

As mesmas regras valem para código escrito por uma pessoa, gerado com IA ou produzido com participação de ambas. O ponto é definir quem responde pela entrega e quais verificações são necessárias antes de incorporá-la à operação.

Como aplicar o manifesto na próxima entrega

O manifesto No AI Slop serve como referência para revisar práticas internas e critérios de contratação, não como selo de conformidade. Para o decisor, o valor está em transformar princípios amplos em perguntas sobre entendimento, revisão, responsabilidade e manutenção.

Na próxima entrega do fornecedor atual, escolha uma mudança relevante e peça que a equipe explique o requisito, o que alterou, como verificou o comportamento e quais limites permanecem. Se a empresa não consegue avaliar esse material internamente, uma verificação técnica independente pode identificar lacunas sem pressupor que seja necessário reescrever o sistema.

Nem todo projeto precisa de desenvolvimento sob medida: uma ferramenta pronta pode bastar quando atende ao processo sem adaptações críticas. Quando há integrações específicas, regras próprias ou dependência de código existente, a análise precisa considerar operação, manutenção e autonomia.

A Site Sob Medida pode analisar esse cenário com foco na viabilidade técnica e no que a empresa precisa manter sob seu controle. A avaliação deve verificar a entrega, sem confundir o uso de IA com garantia ou defeito de qualidade.