O investidor de Valley Naval Ravikant falou recentemente, em um podcast, sobre a onda de “vibe coding”, argumentando que os AI coding agents já ultrapassaram um ponto de virada importante: evoluíram de ferramentas que só ajudavam a escrever código para “agentes de operação contínua” capazes de criar um aplicativo do zero até a entrega. Ele ainda fez um julgamento incisivo: quando a IA consegue gerar um App personalizado diretamente para o usuário, as vantagens de software e hardware que o iPhone e a App Store construíram por anos podem estar sendo ameaçadas.
Naval disse que o motivo de ele ter voltado a escrever código é que, após o lançamento do Claude Opus 4.5 em dezembro de 2025, a capacidade dos AI coding agents teria dado um salto evidente. Ele descreveu que esses agentes já não são como as ferramentas iniciais, que apenas forneciam um trecho de código para o usuário copiar e colar no ambiente de desenvolvimento; agora eles conseguem operar por muito tempo no terminal, entender o sistema de arquivos, chamar comandos Unix, executar testes, corrigir bugs e até concluir um aplicativo inteiro.
Ele acredita que a experiência vicia porque reduz drasticamente o “custo de arranque” de programar. Antes, para desenvolver um App, era necessário entender GitHub, serviços de backend, Firebase, Railway, Xcode, ferramentas de linha de comando e uma série de termos de engenharia; agora, basta que o usuário descreva a necessidade em linguagem natural, e a IA transforma esse pedido em Python, C, Rust, Lisp ou em várias estruturas e comandos de ferramentas. Para quem tem noções básicas de arquitetura de computador, isso derruba de forma abrupta a barreira para criar software.
Do App Store pessoal a rastreadores de treino: a IA torna o software “sob medida”
No programa, Naval revelou que já criou um “App Store pessoal”. Esse App Store não é uma plataforma comercial pública para publicação, e sim um sistema privado de distribuição para si, amigos e familiares: ele pode pedir para a IA gerar um App, a IA conclui e então entrega automaticamente a ele na página do seu App Store pessoal, para que ele instale no iPhone com um único toque.
Ele deu um exemplo: certa vez, pediu para a IA criar um App de rastreamento de exercícios totalmente alinhado ao seu estilo de uso. Ele queria que fosse capaz de combinar as funcionalidades do Tonal e do Ladder, seguir as Apple Human Interface Guidelines, e ter aparência de um App nativo da Apple; ao mesmo tempo, conseguir ler registros de treinos anteriores, deixar a inserção de novos registros mais simples, gerar gráficos, calcular score de força e até ler artigos científicos, pensando em como avaliar o progresso de força de acordo com partes do corpo. Depois, também poderia se conectar ao Apple Health para ler dados como frequência cardíaca.
Naval ressaltou que esse tipo de App não necessariamente vai substituir todos os produtos maduros. Para demandas mais comuns, como comunicação, transporte por app, bancos e plataformas sociais, o mercado ainda terá os melhores produtos “best-of-breed”. Mas o que os AI coding agents realmente abrem são necessidades “extremamente personalizadas” e “extremamente nichadas” de software: apps que existem apenas para você, que se encaixam apenas no seu fluxo de trabalho e até mesmo criados para apenas um certo contexto de vida.
Esse também é o motivo pelo qual ele acha que vibe coding é mais atraente do que jogar videogame. Jogos eletrônicos fazem você mergulhar com feedback em tempo real, recompensas de tarefas e curvas de dificuldade, mas ainda assim é um mundo fechado desenhado por outra pessoa; vibe coding é um mundo aberto, com uma máquina de Turing por baixo, objetivos do usuário podendo se expandir indefinidamente e podendo gerar utilidade real no mundo físico.
“Saber o que você quer” vira a habilidade mais importante
Só que Naval também apontou que vibe coding não faz todo mundo virar engenheiro. A maioria ainda trata o computador como uma caixa-preta; mesmo com a dificuldade reduzida em 10 vezes, 100 vezes, talvez isso não tenha sentido para eles.
Quem realmente se beneficia são aqueles que “têm uma visão clara, conseguem se expressar bem e têm motivação para criar”. Para Naval, a habilidade mais crucial do vibe coding não é a sintaxe, e sim saber o que você quer. Quando o usuário consegue descrever com clareza como o produto deve ser, como deve funcionar e quais detalhes importam, a IA consegue ajudar a transformar a ideia rapidamente em um protótipo executável.
Ele usou a experiência de quando fundou a AirChat para comparar. A AirChat era um produto de mensagens sociais com foco em comunicação por voz e vídeo; na época, ele trabalhou com 8 a 9 engenheiros, levando 9 a 12 meses para construir várias versões. No fim, o produto não deu certo: o time vendeu a empresa, os investidores recuperaram o capital e os funcionários tiveram uma alocação justa.
Mas na era do vibe coding, ele está recriando um produto parecido sozinho e ajustando tudo de acordo com a própria intuição. Antes, ao colaborar com uma equipe de engenharia, mesmo que o fundador tivesse uma visão forte, ainda era preciso negociar o tempo todo: não dava para pedir repetidamente que os engenheiros movessem os ícones para a esquerda, depois para a direita e depois de volta; também não era possível exigir que a equipe concordasse com cada intuição. Já o AI agent não tem orgulho, não se irrita e não se ofende quando há mudanças repetidas.
Naval acredita que isso amplia o campo de exploração da criatividade em software. Como o 《Minecraft》 foi inicialmente criado por Notch sozinho: o estilo de blocos, dentro dos padrões tradicionais de arte de jogos, parecia atrasado, mas preservou totalmente a intuição de produto de uma pessoa. O vibe coding pode fazer com que apareçam mais produtos desse tipo, “não nivelados pelo consenso do time”.
Empresas de software puro não valem mais investimento? Naval: o fosso defensivo está sendo comido por IA
A visão mais controversa do episódio é o julgamento de Naval sobre o mercado de venture capital. Ele já havia postado em redes sociais que “software puro está rapidamente ficando sem valor para investimento”. No podcast, ele deixou isso ainda mais direto: se a vantagem total de uma empresa é apenas “eu escrevo um software que outras pessoas não sabem escrever”, então ela não tem valor de investimento.
Ele apresentou dois motivos: primeiro, hoje os coding agents já conseguem montar rapidamente uma grande quantidade de funcionalidades. Segundo, o ritmo de evolução desses coding agents é muito rápido; em um ano, ou até menos, talvez consigam escrever software com uma arquitetura mais completa e melhor escalabilidade. Em outras palavras, o fosso defensivo baseado apenas em capacidade de desenvolvimento de funcionalidades está sendo comprimido pela IA.
Por isso, Naval acredita que, daqui para frente, o venture capital deveria buscar mais por barreiras estruturais difíceis de copiar rapidamente: hardware, efeitos de rede, modelos de IA, vantagens de dados ou outras proteções semelhantes. Ele ainda sugeriu que “treinar modelos de IA” pode ser a nova “forma de escrever software”, pelo menos até a maturidade de pesquisa e treinamento automáticos: o próprio modelo de IA ainda pode constituir oportunidades novas de empreendedorismo e investimento.
Isso não significa que ele esteja pessimista em relação a criadores individuais de software. Pelo contrário: ele vê isso como um renascimento dos criadores individuais. Para quem quer fazer experimentos, protótipos e validação de produto no começo, agora é a melhor época da história; mas se o produto realmente tiver de atender muitos usuários, enfrentar alta concorrência e requisitos complexos de segurança, o fundador ainda precisará de uma equipe de engenharia de verdade, e possivelmente até reescrever toda a arquitetura.
A IA é muito forte, mas ainda precisa de supervisão humana: o modelo vai se agradar e também pode “relaxar”
Naval também não descreveu o coding agent como uma ferramenta infalível. Ele apontou que, quando o tamanho do código cresce, o modelo começa a encontrar limitações claras.
Isso acontece porque a context window do modelo tem um limite. Quando o repositório de código excede o que o modelo consegue “guardar” em uma única vez, ele passa a chutar, comprimir contexto, esquecer o objetivo original e até corrigir coisas erradas. Naval descreve que o modelo pode corrigir o mesmo bug cinco vezes, ou fazer um remendo rápido de um erro de arquitetura; pior ainda, em alguns casos, para eliminar o bug, ele simplesmente remove a funcionalidade ou o cenário de uso que o causou.
Por isso, durante o desenvolvimento ele interrompe o modelo com frequência, pedindo que ele não faça hacks, que não fique só aplicando patches, e sim volte ao nível de arquitetura para resolver o problema. A parte cômica é que o modelo geralmente responde na hora: “Você está certo, isso é um hack.” Mesmo que não seja necessariamente um hack, o modelo tende a agradar o usuário.
Naval usa uma metáfora para explicar o AI agent: é como um cão farejador. Ele pode ser melhor que você para pegar patos, mas se você apontar para a direção errada, ele também pode sair correndo na mesma. Ou seja, humanos ainda precisam ser responsáveis por direção, julgamento de arquitetura, estratégia de depuração e gosto de produto.
Ele também mencionou que faz com que modelos diferentes verifiquem o código uns dos outros. Por exemplo: depois que o Claude escreve, ele envia o código para o GitHub; modelos como Codex, Gemini, Grok etc. podem revisar automaticamente pull requests, como se fosse uma mesa-redonda de IA. Só que na prática o impacto não é tão grande quanto se imagina, porque entre modelos ainda há muito groupthink; e se o usuário direcionar levemente a resposta para um certo caminho, a maioria dos modelos tende a seguir, raramente discordando com força.
Por que coding agents evoluem mais rápido? Porque código é fácil de validar
Na visão de Naval, o progresso da IA na área de programação é especialmente rápido por uma razão fundamental: código é fácil de validar.
Dá para saber relativamente rápido se o código compila, se os testes passam, se a funcionalidade realmente funciona; tudo isso gera sinais de feedback relativamente objetivos. Matemática também tem algo parecido, porque há muitos problemas para resolver e respostas verificáveis; dirigir autônomo, em certos níveis, também funciona assim, com feedback em loop construído a partir de grandes quantidades de dados e ambientes de simulação.
Em contraste, escrita criativa, julgamento de gosto e pesquisa em áreas emergentes são muito mais difíceis. A IA pode gerar textos infinitamente, mas quem decide o que é bom e o que é ruim? Se você só contratasse um grupo de mão de obra mal paga para rotular “bom” ou “ruim”, o resultado só refletiria o gosto daquele grupo. Naval acredita que para o modelo realmente melhorar ele precisa de um “loop de feedback de alto gosto”, o que é mais difícil do que simplesmente reunir grandes quantidades de dados.
Ele especula que um dos motivos do fortalecimento recente de modelos de coding pode ser que os melhores engenheiros de software estão usando bastante esses modelos, fornecendo a eles código de alta qualidade e feedback de preferências de alta qualidade. Ou seja: a IA não aprende apenas com o código, mas também aprende com a capacidade dos melhores engenheiros de dizer o que é “bom código”.
O risco da Apple: quando o usuário não precisa abrir o App, só conversar com o AI Agent
O julgamento de Naval sobre a Apple é ainda mais agressivo. Ele acredita que, assim que os AI agents conseguirem gerar interfaces e funcionalidades em tempo real com base nas necessidades, o usuário não precisará mais abrir apps com frequência, nem depender do ecossistema de apps existente no iPhone.
Antes, para chamar um carro, você abria o Uber; para registrar treino, você abria o app de exercícios; para concluir uma tarefa específica, você buscava o app correspondente no celular. Mas na interface agentic, o usuário só precisa dizer: “chame um Uber para mim”, “registre meu treino”, “me ajude a completar esta tarefa”. Nesse momento, a entrada real deixa de ser a tela inicial do iPhone e vira o modelo de IA.
Naval diz que isso enfraquece a vantagem central da Apple de longa data. O fosso defensivo da Apple não é apenas o hardware, e sim o sistema operacional, App Store, apps nativos, integração do ecossistema e a interface com o usuário. Quando a comunicação principal passar a ser com Claude, Codex, Gemini ou outros AI agents, o celular vira apenas um dispositivo de tela, bateria e conexão de rede. Nessa fase, o Android também consegue entregar essas capacidades, então a diferenciação da Apple é comprimida.
Ele chegou a afirmar diretamente que a Apple estar atrasada em IA pode virar um dos maiores erros estratégicos da indústria de tecnologia desta geração. A Apple não vai desaparecer imediatamente e ainda pode ganhar muito dinheiro por muito tempo; mas, assim como a Microsoft perdeu a onda do mobile e o Windows deixou de ser a entrada central para computação pessoal, a Apple também pode perder o limite superior de crescimento futuro na onda de AI agents.
Software vira empresa de uma pessoa? Até o suporte por IA conserta bug diretamente
Naval também descreveu de forma mais concreta o fluxo de desenvolvimento que ele está construindo: o App embute um sistema de report de bug; quando o usuário vê um problema, ele aperta um botão e o sistema envia os logs para um servidor. Claude organiza todos os bug reports a cada 24 horas, tenta corrigir os problemas e coloca as correções em uma branch para que ele revise. Ele só precisa decidir por fim: isso é mesmo um bug? A correção é boa? Vale a pena mesclar e colocar no ar?
Ele acredita que, no futuro, o desenvolvimento de funcionalidades também pode seguir algo parecido. O usuário propõe o requisito de uma funcionalidade, e faz votação para ordenar; o AI agent fica responsável por organizar, desenhar, implementar e responder; por fim, um mantenedor com senso de produto decide quais funcionalidades valem a pena entrar e quais usuários, na verdade, nem sabem o que queriam.
Isso faz a linha entre “suporte” e “engenharia” ficar difusa. No cenário ideal, o suporte não apenas responde perguntas, mas entende o produto, corrige bugs, escreve código, trabalha 24 horas por dia e, ainda por cima, não tem orgulho: não se machuca quando escreve um monte de código e ele acaba sendo descartado. Naval acredita que esse modelo dá a empresas de uma pessoa ou duas pessoas potencial para atender desde usuários de milhões até dezenas de milhões.
Ele apontou que já houve casos parecidos na história: Notch criando o 《Minecraft》 sozinho, Satoshi Nakamoto iniciando o Bitcoin com um time minúsculo; e o Instagram e o WhatsApp também tiveram grande impacto no início graças a pequenos times. Mas os AI coding agents fariam esses milagres de times pequenos acontecerem com ainda mais frequência.
Vibe Coding não vai eliminar engenheiros, mas vai redefinir quem consegue criar software
A visão de Naval sobre vibe coding não é “engenheiro deixou de importar”. Ao contrário: quando o produto caminha para atender grandes massas de usuários, cumprir requisitos de segurança, manter estabilidade de arquitetura e buscar comercialização, os engenheiros realmente excelentes seguem sendo indispensáveis.
Mas a mudança que ele destaca é outra: o ponto de partida para criar software está sendo reescrito. Antes, existia um intervalo entre ideia e protótipo, composto por recursos de engenharia, colaboração do time, cronogramas de desenvolvimento e custos; agora, quem tem uma intuição clara de produto pode simplesmente jogar o pedido para a IA e receber uma versão executável em minutos ou horas.
Isso vai remodelar três coisas: primeiro, o crescimento explosivo de software personalizável; segundo, startups que dependem apenas de criar barreiras por meio de funcionalidades vão ficar mais difíceis de obter valuation; terceiro, plataformas existentes como celular e App Store serão desafiadas de novo por AI agents.
Este artigo 《Naval’s Playbook》Naval: AI Agent é o começo do fim da Apple, Vibe Coding todo mundo consegue fazer App foi publicado pela primeira vez na 鏈新聞 ABMedia.
