Mantenedores de código aberto que vinham relatando dificuldades operacionais nos últimos meses agora contam com dados oficiais da Linux Foundation. Uma pesquisa recente revelou que um em cada quatro pull requests enviados a projetos de código aberto consiste em “AI slop”, termo utilizado para designar conteúdos e códigos gerados por inteligência artificial sem o rigor necessário. Em projetos de grande porte, essa fatia chega a atingir 31%.

Os dados foram divulgados em uma pesquisa que ouviu 234 contribuidores e mantenedores. O levantamento foi publicado durante a conferência All Things Open, realizada em Raleigh, nos Estados Unidos, com patrocínio da Red Hat e apoio de Futurewei, OpenSSF e LF AI & Data.

Intitulado Navigating Open Source Software Development in the Generative AI Era, o relatório aponta um cenário de dois gumes: embora a inteligência artificial generativa reduza consideravelmente o tempo de escrita de códigos, ela transfere o custo e o esforço da triagem diretamente para os mantenedores dos projetos.

Volume de contribuições e barreiras de entrada

No que diz respeito ao volume, 59% dos mantenedores afirmam que o número de contribuições aumentou desde a popularização da IA generativa. Nos projetos de grande porte, esse índice sobe para 69%. Contudo, 25% de todo o material recebido é classificado como de baixa qualidade, proporção que salta para 31% nos ecossistemas maiores, justamente aqueles que possuem mais colaboradores, mas que ainda assim enfrentam dificuldades para dar conta da demanda de revisões.

O impacto na porta de entrada também é evidente: 71% dos mantenedores concordam que a IA reduziu as barreiras para novos participantes. Em contrapartida, 53% discordam que a tecnologia tenha fortalecido a confiança dentro das comunidades. Em essência, mais pessoas conseguem participar, mas diminui a confiança na procedência do material enviado.

Impacto na produtividade e uso do tempo livre

O estudo aponta ganhos reais de produtividade. Os participantes estimam reduções de tempo em seis atividades avaliadas, desde uma queda de 19% nas discussões de propostas até uma redução de 52% na escrita de códigos. Mantenedores relatam economizar entre 25% e 40% em discussões técnicas e revisões de propostas. No entanto, em tarefas de alta complexidade, 21% dos entrevistados afirmam que a utilização de IA acabou tornando o trabalho mais demorado.

O tempo poupado é redirecionado para outras frentes dentro dos projetos:

• 66% utilizam a folga para pagar dívidas técnicas;
• 63% dedicam-se à criação de novas funções;
• 58% direcionam o tempo para estudos.

Apesar da relevância do tema, apenas 35% dos projetos contam com políticas formais que regulamentam o uso de inteligência artificial generativa. Outros 32% não possuem diretrizes e não planejam adotá-las. Do lado de quem envia as contribuições, 61% declaram revisar detalhadamente e testar o código gerado antes do envio, embora a transparência sobre o uso de ferramentas de IA permaneça inconsistente.

Desafios para a governança e próximos passos

Especialistas e líderes do setor apontam que as comunidades precisam adotar posturas proativas. Carter, um dos nomes ligados às discussões do relatório, defende três pilares fundamentais: o estabelecimento de expectativas claras sobre o uso de IA, a responsabilização de quem envia o código quanto aos testes e à declaração de autoria, e o desenvolvimento de ferramentas melhores para auxiliar os mantenedores na filtragem do material recebido. A mentoria também gera divergências: 46% avaliam que a IA aumentou a necessidade de orientar novatos, enquanto 32% pensam o oposto.

O fenômeno não é isolado. Em maio, Linus Torvalds já havia criticado o excesso de conteúdos de baixa qualidade em relatos de bugs do kernel. Da mesma forma, o projeto curl, liderado por Daniel Stenberg, passou a exigir que colaboradores declarem o uso de IA após enfrentar meses de relatos de falhas inventados. O debate sobre a regulação do código gerado por máquinas tem se tornado frequente em diversas frentes.

As recomendações da Linux Foundation reforçam a necessidade de políticas escritas para contribuições assistidas por IA, exigências rigorosas de transparência, testes, documentação pré-envio e a padronização de atribuições. A entidade destaca que governança, verificação e confiança devem ser tratadas como elementos fundamentais de infraestrutura.

Como a IA barateou a criação de código e encareceu a revisão humana — atividade que, na maioria das vezes, depende de trabalho voluntário —, cada contribuição inadequada consome minutos preciosos de mantenedores não remunerados. Para Mark Collier, gerente-geral de IA e infraestrutura da fundação, o investimento em ferramentas tecnológicas deve caminhar lado a lado com o suporte a mantenedores, programas de mentoria e preservação da confiança comunitária.

Fonte original: Adrenaline