Quando sua ferramenta de IA piora sem avisar: O que a crise do Claude Code ensina sobre risco tecnológico
Você contrata uma ferramenta de IA. Ela funciona muito bem por meses. Você adapta seus processos, treina a equipe e integra ao fluxo de trabalho. Um dia, sem nenhum aviso, ela começa a errar. Não de forma óbvia, mas de forma sutil. Faz menos pesquisa antes de agir. Entrega respostas superficiais com a mesma confiança de antes. Diz que terminou quando não terminou.
Você não sabe se o problema é seu ou da ferramenta. Então, continua usando. E os erros se acumulam.
Isso não é ficção. É o que aconteceu com milhares de desenvolvedores que usam o Claude Code, a principal ferramenta de programação com IA da Anthropic. E a lição que esse caso traz vale para qualquer profissional que depende de inteligência artificial no dia a dia, especialmente advogados.
O caso: 243 comentários, 17 mil blocos de dados e uma regressão silenciosa
Em abril de 2026, uma engenheira sênior chamada Stella Laurenzo abriu um chamado público no GitHub da Anthropic com o título: "Claude Code is unusable for complex engineering tasks".
O que diferenciou esse relato de uma reclamação genérica foi o nível de evidência. Stella e sua equipe analisaram meses de logs de uso, 17.871 blocos de raciocínio e 234.760 chamadas de ferramentas em quase 7 mil sessões e construíram uma análise quantitativa que mostrava exatamente quando e como a ferramenta piorou.
Os dados revelaram três pontos principais:
1. A IA parou de pensar antes de agir
A profundidade de raciocínio do modelo caiu 73% entre janeiro e março de 2026. Onde antes a ferramenta analisava o problema, lia arquivos relacionados, verificava contexto e só então fazia alterações, passou a editar diretamente, sem pesquisar primeiro.
A métrica é clara: a razão entre leituras e edições caiu de 6,6 para 2,0. Ou seja, onde antes a IA lia quase 7 arquivos para cada alteração, passou a ler apenas 2.
Quem usa percebe isso na prática: "Espere, não é isso... na verdade é aquilo..."
2. A frustração dos usuários disparou
Indicadores de frustração nos prompts dos usuários subiram 68%. As sessões ficaram 22% mais curtas, não porque o trabalho estava sendo feito mais rápido, mas porque as pessoas estavam desistindo.
Um sistema de monitoramento que detectava comportamentos de "preguiça" da IA, como parar antes de terminar, evitar responsabilidade por erros ou pedir permissões desnecessárias, disparou 173 vezes em 17 dias. Antes da regressão, zero.
3. A degradação foi gradual e invisível
O mais preocupante: a piora não foi um evento único. Foi uma erosão progressiva.
A profundidade de raciocínio já tinha caído 67% antes mesmo de a Anthropic começar a ocultar os dados de pensamento do modelo na interface. Quando essa ocultação foi implementada, os usuários perderam a capacidade de monitorar a qualidade do raciocínio por conta própria.
A regressão ficou invisível exatamente quando precisava ser mais visível.
243 desenvolvedores confirmaram: não era impressão
O chamado acumulou 243 comentários de profissionais do mundo inteiro. Engenheiros de empresas, desenvolvedores independentes e gestores de produto relataram experiências similares:
"Achei que estava imaginando coisas, ou que eu estava fazendo algo errado."
"Não consigo mais confiar nela para nada remotamente complexo depois de 400 mil tokens."
"Ela nunca acerta de primeira, enche o código de bugs e duplicações. Virou outro brinquedo de IA."
"Pago por uma ferramenta que está me desacelerando."
Vários relataram migração para ferramentas concorrentes. A resposta oficial da Anthropic reconheceu parcialmente o problema, apontando configurações de "esforço" que os usuários poderiam ajustar, mas encerrou o chamado, o que gerou ainda mais frustração.
O que isso tem a ver com seu escritório de advocacia?
Primeira lição: não se prenda a um único serviço ou provedor.
Ferramentas de IA são sistemas complexos e dependem de infraestrutura pesada. Quando a demanda cresce rapidamente, como aconteceu com a Anthropic, a qualidade pode oscilar.
O segredo é usar a ferramenta certa para a ocasião certa e sempre verificar a qualidade do que está sendo entregue.
A maioria das ferramentas de IA funciona como uma caixa-preta. Se você não valida o output, está trabalhando no escuro.
Faça testes simples e recorrentes.
No meu caso, consigo detectar degradação quando a IA falha em comandos pré-definidos na memória. Se ela não responde corretamente, provavelmente está ignorando instruções ou operando com limitações.
Você não sabe exatamente como o modelo chega às respostas. Não sabe quando a qualidade muda. E, muitas vezes, quando algo dá errado, a tendência é achar que o problema foi o seu prompt.
É aqui que entram processos e validações com humanos no loop.
No caso do Claude Code, desenvolvedores experientes levaram semanas para perceber a degradação. E só conseguiram provar porque tinham acesso a logs técnicos detalhados. Advogados, em geral, não têm esse nível de visibilidade.
O risco da dependência sem monitoramento
Os desenvolvedores mais afetados foram justamente os que mais confiavam na ferramenta.
Equipes que estruturaram seus fluxos inteiros em torno do Claude Code, rodando múltiplas sessões simultâneas e confiando em execuções autônomas longas, foram as que mais sofreram quando a qualidade caiu.
O paralelo com escritórios de advocacia é direto: quanto mais você depende de uma ferramenta sem mecanismos independentes de verificação, maior o risco quando ela falha.
Como se proteger: 5 práticas de gestão de risco com IA
A lição não é parar de usar IA. É usar com estrutura.
1. Nunca dependa de uma única ferramenta
Evite pontos únicos de falha. Combine IA com fontes tradicionais: jurisprudência, legislação e doutrina.
2. Crie checkpoints de verificação humana
Defina etapas onde um profissional revisa e valida o resultado. Especialmente quando há impacto jurídico.
3. Monitore a qualidade ao longo do tempo
Crie métricas simples: taxa de erro, necessidade de correção, consistência das respostas.
4. Fique atento a mudanças silenciosas
Se o comportamento da ferramenta mudou, investigue. Pequenos sinais, como respostas mais superficiais ou inconsistentes, podem indicar regressão.
5. Trate a IA como um estagiário brilhante
Ela ajuda, acelera e sugere. Mas não substitui responsabilidade técnica. A decisão final continua sendo humana.
Conclusão
Ferramentas de IA não são estáticas. Elas evoluem e, às vezes, pioram.
O risco não está em usar IA. Está em confiar sem medir.
Infraestrutura invisível exige vigilância constante.
Fontes: