Agentes de codificação com IA sufocam em monorepos, e empresas estão repensando suas bases de código para resolver isso

Quase nove em cada dez projetos-piloto de agentes de codificação com IA nunca chegam à produção, segundo pesquisas recentes do setor — e a explicação óbvia, de que os modelos simplesmente ainda não são bons o suficiente, revela-se em grande parte incorreta. O verdadeiro obstáculo é arquitetônico: as bases de código nas quais esses agentes são solicitados a trabalhar foram construídas para humanos e sistemas de build, não para ferramentas com janela de contexto fixa, e os monorepos são onde essa incompatibilidade é mais visível.

Por que monorepos são especificamente hostis a agentes

Um monorepo com 50 pacotes e 300.000 linhas de código é uma configuração de engenharia completamente normal — muitas grandes organizações de tecnologia consolidam dezenas de serviços e bibliotecas em um único repositório justamente para facilitar mudanças entre projetos e gestão de dependências para engenheiros humanos.

Para um agente de IA, essa mesma estrutura se torna um passivo. Um agente que tenta carregar "a base de código" como contexto perde o rastro do que é realmente relevante para a tarefa, ou queima todo o seu orçamento de contexto em arquivos que nunca tocará. Um caso relatado envolveu uma tentativa de importar um monorepo de 450.000 arquivos para o contexto de trabalho de um agente, que falhou completamente devido a limitações de navegador e ferramentas.

O problema de integração é maior que o problema de contexto

Dados de pesquisas reforçam que isso não é realmente uma lacuna de inteligência. Cerca de 46% das equipes que implantam ferramentas de codificação agênticas citam a integração com sistemas existentes como seu principal obstáculo — não geração incorreta de código, não alucinações, mas a mecânica de conectar um agente de forma segura e confiável a repositórios reais, sistemas de CI reais e pipelines de implantação reais. A própria previsão do Gartner é contundente: espera que mais de 40% dos projetos de IA agêntica sejam cancelados até o final de 2027.

Apesar disso, a adoção não estagnou. Cerca de 57% das organizações pesquisadas já têm agentes de codificação em produção em algum lugar, com grandes empresas — as organizações mais propensas a rodar grandes monorepos — liderando a adoção.

O que as equipes estão realmente fazendo a respeito

Três padrões estão emergindo em como as organizações de engenharia estão adaptando monorepos para uso de agentes em vez de esperar que os agentes fiquem mais inteligentes.

Indexação seletiva em vez de contexto de repositório completo. Em vez de alimentar um agente com o monorepo inteiro, as equipes estão construindo camadas de recuperação que entregam ao agente apenas o subconjunto de arquivos relevantes para a tarefa.

Talha virtual de sub-repositórios. Algumas organizações expõem "visões" voltadas para agentes dentro de um monorepo que se comportam como repositórios independentes delimitados a um único serviço ou pacote.

Governança e infraestrutura de isolamento antes de mais capacidade do agente. Equipes que chegam à produção priorizam sandboxing, delimitação de permissões e trilhas de auditoria para o que um agente pode tocar.

A conclusão para líderes de engenharia

Se sua organização está presa na fase piloto com um agente de codificação, a solução provavelmente não é um modelo melhor ou um prompt melhor — é repensar quanto da sua base de código o agente realmente precisa ver para uma tarefa específica, e construir a camada de recuperação ou delimitação que torna isso possível.