
Vibe coding matou o software livre? A conta é mais complicada que a manchete
Outro dia li uma frase que parecia saída de vigília de fim de mundo: o software livre, do jeito que a gente conhecia, estaria morrendo por causa da IA e do vibe coding. Quem escreveu tinha cara de quem já tinha enterrado o open source num canto da timeline, com flores e uma trilha de sintetizador ao fundo. Fiquei com a pulga atrás da orelha, porque a frase tem um pedacinho de verdade e um pedaço enorme de exagero.
Vale explicar o termo, porque ele já virou gíria. Vibe coding é pedir a uma IA que escreva uma aplicação descrevendo o que você quer em linguagem comum, olhar o resultado por alto, aceitar o que funciona e seguir em frente.
Eu tenho alguma relação pessoal com isso. Quando escrevi sobre o Cursor e o meu aprendizado de Go, já sentia que a ferramenta estava me levando para um lugar esquisito: eu pedia uma explicação, ela me entregava um exemplo bonito, e eu ia seguindo porque funcionava. Até que um dia percebi que estava escrevendo menos e revisando mais, e que a revisão exigia exatamente o conhecimento que eu estava terceirizando. Não é uma queixa contra a ferramenta. É um alerta para mim mesmo, e acho que serve para quem trabalha com software em geral.
Mas a tese de que o open source está acabando merece ser levada a sério, não só ridicularizada. Então vamos aos casos.
O artigo que deu nome à discussão
Existe um trabalho com exatamente o título “Vibe Coding Kills Open Source”, disponibilizado como preprint no arXiv em 21 de janeiro de 2026 por Miklós Koren, Gábor Békés, Julian Hinz e Aaron Lohmann. É um trabalho de economia, e o detalhe importa: ele não mediu a morte do software livre. Ele construiu um modelo sobre o que aconteceria com o ecossistema se a IA passasse a ficar no meio entre o usuário e as bibliotecas.
O mecanismo é mais ou menos este: um usuário pede uma aplicação a um agente; o agente escolhe e integra bibliotecas de código aberto; o usuário recebe o resultado sem nunca visitar a documentação ou conhecer os projetos usados; o uso das bibliotecas aumenta, mas o contato com quem as mantém diminui; como muitos projetos dependem desse contato para conseguir clientes, reconhecimento ou financiamento, a recompensa cai, e com ela a vontade de criar, compartilhar e manter.
A formulação que eu mais gostei, e que resume o problema, é esta: uma biblioteca pode ficar mais utilizada e, ao mesmo tempo, menos capaz de sustentar quem trabalha nela.
Só que o próprio modelo não aponta um destino inevitável. Os resultados dependem das hipóteses sobre custos, remuneração e contato com os usuários. Se a IA reduz os custos sem corroer os mecanismos de retorno, o resultado pode ser outro. O problema não é simplesmente a produtividade aumentar, mas o que acontece com a remuneração de quem produz os componentes que tornam essa produtividade possível. Uma manchete não costuma comportar essa frase.
Tailwind: o uso cresce e o caixa encolhe
O caso mais concreto veio do Tailwind CSS. Em um comentário de 7 de janeiro de 2026, Adam Wathan, criador do framework e CEO da Tailwind Labs, relatou crescimento recorde do Tailwind, queda de cerca de 40% no tráfego da documentação desde o início de 2023 e receita quase 80% menor. Disse também que, na véspera, 75% da equipe de engenharia havia perdido o emprego. O percentual se refere à engenharia, não ao total de pessoas da empresa.
Preciso fazer uma ressalva aqui, porque é exatamente o tipo de coisa que a gente costuma pular. Esses números são declarações de Wathan, não uma auditoria independente. Ele atribuiu a crise ao impacto da IA, mas o relato não permite isolar quanto da queda de receita veio da perda de visitas à documentação e quanto veio de outros fatores.
O negócio da Tailwind não era só o framework. Ela vendia componentes e interfaces comerciais, e a documentação funcionava como vitrine. Uma explicação possível é que, quando o agente resolve as dúvidas e entrega a tela pronta, o usuário deixa de visitar essa vitrine e de descobrir os produtos pagos. É como se uma livraria emprestasse os livros para um robô que lê em voz alta na frente da casa do cliente, e o cliente nunca pisa na loja. A imagem ajuda a entender o mecanismo; não prova a causa da queda.
Houve ainda um episódio revelador. Uma contribuição propôs reunir a documentação num arquivo para modelos de linguagem. Wathan reconheceu o valor da ideia, mas disse não poder priorizá-la enquanto tentava recuperar o negócio, por receio de agravar a situação. Vale parar nesse ponto: facilitar a vida de quem usa pode entrar em conflito com o financiamento de quem mantém.
O Google AI Studio anunciou patrocínio, e a Vercel também aparece entre os parceiros do Tailwind. Achei esse apoio interessante justamente porque mostra uma saída possível: as empresas que se beneficiam da infraestrutura contribuírem diretamente para mantê-la. Não resolve o problema do ecossistema inteiro, mas indica o caminho. Existe também uma receita de patrocínio além dos produtos comerciais; a vitrine não é a única peça dessa conta.
curl: gerar relatórios ficou fácil, verificar continua difícil
O curl traz outra camada do problema, e essa é das que mais me fazem pensar. Em janeiro de 2026, o projeto anunciou o encerramento do programa de recompensas por vulnerabilidades, efetivo a partir de 1º de fevereiro. Daniel Stenberg explicou que o volume de relatórios ruins e mal pesquisados estava sobrecarregando a equipe de segurança. O objetivo era tirar o incentivo financeiro dessas submissões, sejam elas geradas por IA ou não. Os relatos de falhas reais continuariam sendo aceitos, só que sem pagamento.
A decisão não significou abandonar os relatos de segurança. Depois de tentar recebê-los pelo GitHub, o projeto voltou ao HackerOne em 1º de março, porque a experiência com o GitHub não havia funcionado como esperado. O pagamento de recompensas continuou encerrado.
A regra que Stenberg defendeu é simples e quase óbvia: não reporte um bug ou uma vulnerabilidade sem entendê-lo e sem conseguir reproduzi-lo. Ela cabe numa frase que eu gostaria de ver pendurada em todo escritório de tecnologia: o custo de gerar um relatório não é o mesmo que o custo de verificar se ele está certo.
Mas aqui a história não é tão simples, e o próprio Stenberg tratou de complicá-la. Num relato de 22 de abril, ele disse que os relatórios ruins gerados por IA tinham praticamente desaparecido, e que o projeto passara a receber uma quantidade crescente de bons relatórios, quase todos, segundo sua avaliação, feitos com ajuda de IA. Só que essa frequência inédita impunha uma carga séria à equipe, e muitos dos achados eram bugs comuns, não vulnerabilidades de segurança. Ou seja: a máquina pode ajudar a encontrar problemas reais, e mesmo assim continuar exigindo triagem, decisões e correções de gente.
Esse detalhe me parece fundamental para não escrever um texto enviesado. A IA pode gerar contribuições inúteis que consomem tempo. Pode também ajudar a achar falhas de verdade. E, nos dois casos, quem mantém o projeto continua com o trabalho de ler, testar e decidir. Minha leitura é que a automação pode aumentar a demanda por manutenção mais depressa do que aumenta a capacidade de atendê-la. O caso do curl ilustra isso sem precisar afirmar que toda contribuição assistida por IA é lixo, e não é esse o argumento.
E a produtividade, então?
Existe uma suposição que aparece muito nesse debate: se a IA torna o desenvolvimento mais rápido, manter projetos também fica mais barato. Pode acontecer em alguns contextos, mas não deve ser tratado como fato universal.
Um experimento da METR, feito com ferramentas do início de 2025, acompanhou 16 desenvolvedores experientes que realizaram 246 tarefas em repositórios de código aberto nos quais tinham, em média, cinco anos de experiência. Quando podiam usar IA, levaram em média 19% mais tempo do que quando não podiam. O resultado tem limites claros: não cobre todas as ferramentas, todos os perfis de desenvolvedor nem as capacidades de versões mais recentes. Mas serve para desconfiar da ideia de que mais produtividade é automática, sobretudo em bases de código maduras, onde o contexto pesa muito.
O mais curioso é que os participantes esperavam uma redução de 24% no tempo antes do experimento e, depois, ainda estimavam um ganho de aproximadamente 20%. A medição mostrou o contrário.
Também não dá para congelar a discussão naquele resultado. Em uma atualização de fevereiro de 2026, a METR informou que um experimento posterior sugeria ganhos de velocidade, mas tinha problemas de seleção de participantes e tarefas que impediam estimar com confiança o efeito atual das ferramentas. Os pesquisadores consideravam provável que os ganhos tivessem aumentado.
Ou seja, a IA pode ajudar em determinadas tarefas e atrapalhar em outras, inclusive quando o desenvolvedor conhece profundamente o código. O experimento de 2025 não comparou protótipos novos com bases antigas. A produtividade depende do contexto, e esse contexto costuma desaparecer das promessas publicitárias.
Liberdade não é a mesma coisa que sustentabilidade
Aqui chegamos ao ponto que, na minha opinião, separa o argumento sério do argumento de rede social.
Na definição da GNU, o software livre garante as liberdades de executar, estudar, modificar e redistribuir, e o acesso ao código-fonte é condição para algumas delas. A OSI, por sua vez, descreve as licenças open source como aquelas que permitem usar, modificar e compartilhar o software segundo a Open Source Definition. Nenhuma dessas definições exige que o código tenha sido digitado à mão por uma pessoa. Então, a presença de IA no desenvolvimento não faz, por si só, o resultado deixar de ser software livre.
Isso não resolve tudo, claro. Usar IA não garante que qualquer trecho produzido possa ser distribuído sem preocupações: ainda existem perguntas sobre procedência, reprodução de código de terceiros e licenciamento. Autoria e proteção jurídica também exigem cuidado. Nos Estados Unidos, por exemplo, o Copyright Office distingue a assistência por IA da geração sem contribuição humana suficiente. Essa orientação não deve ser transplantada automaticamente para outras jurisdições. Mas o que o trabalho econômico e o caso Tailwind colocam em xeque não é a liberdade do código. É a relação entre uso e retorno: documentação, reconhecimento, oportunidades profissionais, serviços e produtos complementares. Um projeto pode continuar disponível sob licença livre e, ainda assim, ver a comunidade que o sustentava se dispersar.
Então, quando alguém diz que o software livre acabou, é preciso perguntar do quê exatamente está falando. Do regime de liberdades? Do hábito de aprender lendo documentação e participando de comunidades? Do financiamento de mantenedores independentes? Da colaboração pública entre quem usa e quem escreve? Os casos apresentados sugerem mudanças nas três últimas dimensões, mas não demonstram uma deterioração generalizada do ecossistema. Sobre a primeira, eles não mostram que o uso de IA esteja, por si só, eliminando as liberdades que definem o software livre.
Os contrapontos que não podem ficar de fora
Antes de fechar, vale citar os melhores argumentos contra a tese da morte, porque eles existem e são razoáveis.
O primeiro é que a IA não vai substituir todas as bibliotecas. O próprio artigo que fala em morte descreve agentes que selecionam, combinam e modificam componentes já existentes. O problema central dele é a perda de retorno para quem fornece esses componentes, não a demonstração de que eles deixaram de ser necessários. Gerar uma aplicação usando bibliotecas é uma coisa; manter essas bibliotecas é outra, e a segunda continua exigindo gente.
O segundo é que, se o código continua disponível sob uma licença livre, as possibilidades de uso, estudo, modificação e redistribuição estão preservadas. Código público, sozinho, não garante essas liberdades. Isso é verdade e importante. Mas a disponibilidade não responde sozinha à pergunta mais prática: quem terá tempo e recursos para continuar cuidando desse código? Liberdade sem manutenção vira, com o tempo, um arquivo bonito num repositório abandonado.
O terceiro é que não existe um único modelo econômico para o software livre. Há projetos sustentados por doações, fundações, contratos de suporte e empresas que precisam deles nos próprios produtos. A perda de contato direto com os usuários pode prejudicar alguns desses modelos muito mais do que outros. O caso Tailwind é significativo, mas não representa necessariamente todo o ecossistema.
Uma hipótese que aguenta a conversa
A interpretação que eu defenderia, deixando claro que é leitura dos casos e não verdade revelada, é esta: a IA está tornando mais fácil consumir o trabalho do software livre sem estabelecer uma relação com quem o mantém.
O relato do Tailwind é compatível com a hipótese de que a intermediação por IA reduz a atenção que antes ajudava a gerar receita. O curl mostra como ferramentas automatizadas podem ampliar o volume de relatos, inclusive úteis, que uma equipe precisa avaliar. São mecanismos diferentes, mas ambos levantam a mesma pergunta: os recursos de quem mantém acompanham o uso e o trabalho que chegam?
A pergunta editorial mais produtiva, em vez de um “acabou?” que só gera engajamento, seria: como fazer o aumento de uso e de produtividade beneficiar também a manutenção da infraestrutura que todo mundo usa?
Algumas propostas que dá para defender, sem fingir que existe uma solução universal:
- Financiamento recorrente para os projetos dos quais empresas e ferramentas dependem. Não doação de ocasião, mas uma assinatura de manutenção, quase como pagar a conta de luz da casa onde você mora.
- Visibilidade das dependências que os agentes usam, para que quem se beneficia saiba de onde vem a peça.
- Contribuições acompanhadas de reprodução, testes e uma explicação que o próprio autor entenda. Quem manda o relatório precisa ser o primeiro a verificá-lo.
- Reconhecer triagem, revisão e manutenção como trabalho, e não como um recurso gratuito e ilimitado, que alguém sempre vai fazer no fim de semana.
Então, o software livre morreu?
Eu não acho. Acho que ele ficou com a conta na mão. A IA pode tornar a produção e o consumo de software mais baratos, mas não garante que a manutenção acompanhe essa economia. Em alguns casos, pode até aumentar o trabalho de quem mantém os projetos. Mantenedores também podem usar IA a seu favor; o saldo depende do contexto. É nessa diferença entre quem aproveita os benefícios da automação e quem continua responsável pela infraestrutura que mora o problema. Quem usa um software livre hoje pode nunca ter lido sua documentação, nunca ter aberto uma issue e nunca ter sabido o nome de quem cuida dele. Isso não é crime, mas é um sintoma de que a relação ficou torta.
A boa notícia é que nada disso é inevitável. Ferramentas não decidem sozinhas quem recebe o quê. Isso depende de licenças, de financiamento, de hábitos de quem usa e de decisões de empresas que hoje passam por cima do trabalho alheio sem nem perceber. Se a gente quer que o software livre continue existindo como comunidade, e não apenas como arquivo disponível, precisa tratar a manutenção com o mesmo entusiasmo que tratamos a geração de código.
Então, da próxima vez que você pedir uma aplicação pronta a uma IA e ela entregar tudo funcionando em trinta segundos, vale uma pausa antes de agradecer. Pergunte de que bibliotecas aquilo foi feito e quem está cuidando delas. A resposta pode não mudar o seu dia, mas talvez mude o futuro do projeto que te salvou a tarde.