AI Coding Agents estão substituindo o Copilot tradicional? A arquitetura da engenharia de software agentic

A pergunta do título é clickbait útil — e a resposta é “não exatamente”. Copilots tradicionais (completar, chat no arquivo) não desapareceram. Foram rebaixados a modo. O centro de gravidade da engenharia de software mudou para agentes que recebem uma tarefa, navegam o repo, editam, testam, abrem PR e, cada vez mais, continuam em background enquanto o humano faz outra coisa.

Os números de 2026 saíram do anedótico. A JetBrains, no recorte de coding agents do Developer Ecosystem (maio–julho, mais de 15 mil profissionais), reportou 90% de uso semanal e 68% diário — agentes locais ou remotos. Claude Code liderou adoção em trabalho (39%); Copilot caiu de 29% para 21% desde o survey de 2025; Codex subiu de 3% em janeiro para 16%. A OpenAI, no paper The Shift to Agentic AI: Evidence from Codex, estimou que em maio de 2026 70,2% dos usuários individuais amostrados enviaram ao menos um pedido equivalente a mais de uma hora de humano experiente; 25,6% cruzaram a barra de oito horas. A unidade deixou de ser o token. Passou a ser o ticket.

A escada que o mercado já subiu

O que um coding agent realmente faz

• Lê o repositório com ferramentas (search, grep, testes) — contexto, não só o buffer.
• Planeja, edita múltiplos arquivos, roda o test runner, itera no vermelho.
• Abre PR com descrição; às vezes responde review.
• Em modos long-running / cloud: continua sem o IDE aberto, com checkpoint.

Isso é Agent Harness aplicado a software: tools de filesystem e CI, budgets, retries, às vezes sandbox (container, worktree). A JetBrains descreveu ambientes onde o agente roda isolado do working copy. Isolamento não é detalhe de produto. É o perímetro que impede o agente de “corrigir” o que você não pediu.

Por que o Copilot tradicional não some

Há tarefas em que latência de 80ms na próxima linha ainda vence um agente de quatro minutos. Há políticas em que o humano deve permanecer no teclado. Há código em que o contexto local é o arquivo, não o monorepo. Copilot é o modo observe/suggest. Coding agent é prepare/execute-with-approval. A arquitetura certa oferece os dois níveis de autonomia — exatamente o modelo do harness, não um boolean “AI on”.

O que quebra quando o agente vira o time inteiro

1. Contexto podre: repo sem testes, ADRs ausentes, secrets no histórico. Context Engineering de engenharia é documentação viva + evals de PR.
2. Autonomia sem policy: o agente “corrige” produção, amplia IAM, commita credencial.
3. Evals de diff: um PR verde no unitário e errado no contrato de API.
4. Identidade: o commit é do bot; o mandate é de quem? (veja Agent Identity).
5. Long-running sem durable state: seis horas de trabalho evaporam no timeout.

Da IDE para a Agentic Enterprise Software Factory

A tese da EmerSoftware é que coding agents soltos em laptops não industrializam software crítico. A fábrica empilha: intenção de negócio estruturada (spec), agentes com papéis (spec, implementação, teste, integração, revisão), tools allowlisted, HITL em merge para sistemas de registro, traces e evals de trajetória do PR, integração SAP/AWS/Azure como MCP governado — não como “o agente SSH no ERP”. EmerAgents é o control plane dessa orquestração. O coding agent de IDE é um worker. Não é o factory OS.

const engineeringCrew = {
  spec: { tools: ["repo_read", "adr_read"], autonomy: "suggest" },
  implement: { tools: ["edit", "test"], autonomy: "execute-with-approval" },
  integrate: { tools: ["openapi", "contract_test"], autonomy: "prepare" },
  release: { tools: ["merge"], autonomy: "require_approval" },
};

O que medir (além de “linhas geradas”)

• Taxa de PRs aceitos sem revert.
• Tempo de ciclo do ticket (aí o dado da OpenAI de tarefas longas começa a fazer sentido de negócio).
• Intervenção humana por PR.
• Falhas de contrato de integração introduzidas por agentes.
• Custo por PR vs baseline humano — com honestidade sobre review time.

Conclusão

AI Coding Agents não “matam” o Copilot. Eles mudam a unidade de automação da linha para a tarefa — e, na fábrica, da tarefa para o sistema. Os dados de 2026 (JetBrains na adoção, OpenAI no horizonte da tarefa) justificam tratar engenharia agentic como operação, não como plugin. O próximo artigo deste cluster trata exatamente do que esses horizontes exigem: agentes que trabalham horas ou dias sem perder estado.