GitLab Duo: o ganho da IA no software está depois do código

O GitLab Duo Agent Platform coloca agentes de IA na revisão, nos testes e na segurança, com regras e registro. O que o gestor precisa olhar antes de ligar.

Quase todo time de software que eu conheço já usa IA para escrever código. E quase todo gestor que eu converso faz a mesma pergunta: se o time programa mais rápido, por que as entregas não ficaram mais rápidas na mesma proporção?

O próprio GitLab dá parte da resposta no anúncio do GitLab Duo Agent Platform: só cerca de 20% do tempo de um desenvolvedor vai para escrever código. O resto é revisar alterações, investigar teste quebrado, tratar falha de segurança, planejar. Quando a IA acelera só a escrita, a fila cresce nas outras etapas. A empresa chama isso de paradoxo da IA na entrega de software.

Minha tese é direta: o ganho real da IA no desenvolvimento está depois do código, e ele só aparece com governança junto. É por isso que vale olhar com atenção para o que o GitLab está fazendo.

O que é o GitLab Duo Agent Platform

É a camada de agentes de IA do GitLab, a plataforma onde muitos times guardam código, revisam mudanças e rodam a esteira de testes e publicação. Ela ficou disponível oficialmente em 15 de janeiro de 2026 para clientes dos planos Premium e Ultimate, segundo o comunicado oficial. É também a ferramenta que eu uso no dia a dia.

Na prática, ela traz três coisas:

  • Agentes prontos, como um de planejamento, que organiza e prioriza o backlog, e um de segurança, que explica vulnerabilidades em linguagem simples.
  • Fluxos que encadeiam agentes em tarefas de várias etapas: transformar uma tarefa em proposta de código, consertar uma esteira quebrada, revisar uma alteração.
  • Abertura para fora: dá para trazer agentes de terceiros, como o Claude Code e o Codex, e conectar ferramentas como Jira, Confluence e Slack pelo protocolo MCP, um padrão que permite à IA consultar outros sistemas.

A página do produto também permite escolher entre mais de dez modelos de IA, de fornecedores diferentes, para cada agente ou fluxo.

O que mais me interessa: a governança vem junto

Ferramenta de IA para programar existe aos montes. O que muda o jogo para uma empresa é onde ela roda e sob quais regras. Segundo a página do produto, o GitLab propõe:

  • Identidade: cada ação de um agente fica ligada à identidade e às permissões de um usuário real. Nada de “foi o robô”.
  • Política: a empresa define quais agentes e fluxos podem rodar, onde e com quais modelos, seguindo a estrutura de grupos e funções que já existe.
  • Aprovação humana nos pontos em que a política exigir.
  • Registro único de sessões, ferramentas, modelos e aprovações, para auditoria.
  • Onde o modelo roda: em instalações próprias, dá para usar modelos hospedados pela empresa.

Isso conversa diretamente com o alerta da IDC que trouxemos hoje cedo: empresa sem botão para desligar agente de IA vai pagar mais, em seguro e em auditoria. Agente que age dentro do código precisa de dono, limite e registro desde o primeiro dia.

Contexto é o que separa agente útil de agente caro

Agente de IA que enxerga pouco erra mais e gasta mais. Em junho, o GitLab apresentou o Orbit, ainda em beta público: um mapa vivo que liga código, mudanças, esteiras, deploys, vulnerabilidades e responsáveis. O agente consulta esse mapa em vez de procurar às cegas.

A empresa afirma que, com o Orbit, os agentes ficaram até 11 vezes mais rápidos e consumiram até 4,5 vezes menos tokens, a unidade pela qual a IA é cobrada. São números da própria fornecedora, no melhor cenário. Mas a direção está certa: o custo de um agente depende muito do contexto que ele recebe.

A cobrança por uso muda a conta

Em vez de pagar por pessoa, a empresa compra GitLab Credits, a US$ 1 cada, e eles são consumidos conforme os agentes trabalham. Hoje, os planos Premium e Ultimate incluem 12 e 24 créditos por usuário por mês, numa condição promocional que pode mudar, segundo a tabela de preços.

A explicação oficial, no anúncio dos créditos, é justa: com licença por pessoa, só alguns do time ganham acesso à IA. Com créditos compartilhados, todo mundo pode usar. O outro lado é que agente rodando em segundo plano gasta sem ninguém olhar. A plataforma permite limite de gasto por assinatura, grupo ou usuário. Use.

O que o gestor deve fazer

1. Comece por um fluxo que dói. Revisão de código acumulada ou esteira de testes que vive quebrando são bons candidatos. Meça como está hoje antes de ligar qualquer agente.

2. Dê dono e permissão mínima a cada agente. Quem responde por ele, o que ele pode alterar e quem aprova antes de qualquer coisa chegar à produção.

3. Defina limite de gasto antes do primeiro uso. Por grupo ou por projeto, com revisão mensal do consumo, como qualquer outra despesa.

4. Decida quais modelos podem ver o seu código. Isso envolve dado de cliente, propriedade intelectual e LGPD. É decisão de negócio, não só de TI.

5. Meça o ciclo inteiro. Do pedido aberto ao deploy em produção. Volume de código gerado não é indicador de resultado.

Em 29 anos de programação, vi muita ferramenta prometer velocidade. As que deram resultado de verdade foram as que vieram com regra clara de quem pode o quê. Com agentes de IA, isso deixa de ser boa prática e vira condição para o investimento valer a pena.


Publicado originalmente no IWA7 Insights, o blog da IWA7 Digital, que agora faz parte do Escovando Bytes.

Continue lendoVer tudo →
Newsletter

Bytes de sexta.

Um e-mail por semana com os vídeos novos, os artigos e as histórias que valem seu tempo.