A Uber Deu Claude Code para 5.000 Engenheiros. Quatro Meses Depois, o Dinheiro Acabou.

Imagine a cena: dezembro de 2025, a Uber libera acesso ao Claude Code para 5.000 engenheiros. Em fevereiro, o uso quase dobrou. Em abril de 2026, o CTO Praveen Neppalli Naga aparece com uma declaração que fez Wall Street prestar atenção: “Estou de volta à prancheta, porque o orçamento que eu achava que precisaria já foi embora.”

O orçamento inteiro. Do ano inteiro. Em quatro meses.

A Uber gastou $3,4 bilhões em pesquisa e desenvolvimento em 2025 — um aumento de 9% em relação ao ano anterior. Mesmo assim, a adoção explosiva de ferramentas de IA para codificação, especialmente o Claude Code da Anthropic, fez o planejamento financeiro virar ficção científica.

E o mais interessante? A Uber não está reclamando. Ela está dobrando a aposta.

De 32% para 63% em Três Meses

Os números contam uma história que nenhum pitch deck conseguiria inventar. Em dezembro de 2025, 32% dos engenheiros da Uber usavam o Claude Code ativamente. Em fevereiro de 2026, esse número saltou para 63%. Hoje, 95% dos engenheiros usam alguma ferramenta de IA mensalmente.

Para colocar em perspectiva: a Uber tem milhares de engenheiros espalhados pelo mundo. Quando quase dois terços deles adotam uma ferramenta em menos de 90 dias — sem mandato da diretoria, sem obrigatoriedade — algo fundamentalmente diferente está acontecendo.

E não estamos falando de autocompletar código. 84% dos usuários de IA na Uber já trabalham com workflows de agentes — não é aquele tab completion básico do GitHub Copilot de 2023. São agentes autônomos que escrevem, testam e submetem código inteiro.

O Cursor, que era concorrente direto, estagnou. O Claude Code simplesmente dominou.

1.800 Mudanças de Código por Semana — Sem Nenhum Humano Escrevendo

Esse dado merece um parágrafo próprio: o agente interno de codificação da Uber produz 1.800 alterações de código por semana com zero autoria humana. Engenheiros revisam e aprovam, mas quem escreve é a máquina.

Praveen foi direto: “Agentic software engineering adoption is on fire at Uber.” Ele não está exagerando. A parcela de código gerado por IA cresceu de menos de 1% para aproximadamente 8% do total de mudanças, e já responde por 11% das atualizações de código backend em produção.

Pense nisso por um segundo. Uma em cada nove atualizações no backend que processa as corridas da Uber — matching de motoristas, cálculo de preços, roteamento — foi escrita por uma IA. Não assistida por IA. Escrita por IA.

O Problema do Orçamento: Uso Baseado em Tokens

Aqui está o detalhe que ninguém no planejamento financeiro previu: ferramentas como o Claude Code cobram por uso, não por licença. Cada prompt, cada iteração, cada agente rodando em background consome tokens. E tokens custam dinheiro.

Quando você tem 5.000 engenheiros usando uma ferramenta que cobra por token, e esses engenheiros descobrem que a ferramenta genuinamente acelera o trabalho deles, o consumo explode exponencialmente. Não é linear. Não é previsível com planilhas de Excel.

É como dar um cartão corporativo sem limite para 5.000 pessoas e dizer “usem quando precisarem”. A intenção é boa, mas o CFO vai ter uma síncope em março.

A Uber agora enfrenta um dilema que vai se tornar comum em toda a indústria: como orçar algo cujo consumo depende diretamente da produtividade dos seus engenheiros? Quanto mais produtivos eles são com a ferramenta, mais cara ela fica.

É o paradoxo do sucesso da IA corporativa.

Por Que o Claude Code e Não o Cursor?

Essa é a pergunta de um bilhão de dólares. O Cursor tinha tudo para dominar — interface integrada no VS Code, experiência de usuário polida, forte presença no mercado. Mas na Uber, ele estagnou enquanto o Claude Code disparou.

Alguns fatores explicam isso:

Workflows de agente vs. autocompletar: o Claude Code opera como um agente autônomo. Ele não sugere linhas — ele executa tarefas inteiras. “Refatore este módulo”, “escreva testes para esta classe”, “encontre e corrija o bug neste endpoint”. O engenheiro vira gerente de projeto; a IA vira o dev.

Contexto de codebase: o Claude Code trabalha com o repositório inteiro como contexto. Numa empresa como a Uber, com uma codebase monolítica massiva, isso faz diferença brutal. A IA entende as interdependências, os padrões internos, as convenções.

Terminal-first: engenheiros seniores vivem no terminal. O Claude Code roda no terminal. Cursor roda numa IDE. Parece detalhe, mas na prática define quem adota e quem não adota.

O resultado? A Uber está testando também o Codex da OpenAI para diversificar, mas o Claude Code segue como a ferramenta dominante internamente.

“Agent Engineers”: O Futuro que a Uber Já Está Vivendo

O CTO da Uber não fala mais em “assistentes de código”. O termo que ele usa é “agent engineers” — engenheiros agentes. São sistemas de IA que não apenas assistem, mas que lidam com o ciclo completo: codificação, testes e deployment, com outras IAs supervisionando o processo.

Releia essa última parte: com outras IAs supervisionando o processo.

A visão da Uber é uma cadeia onde um agente escreve o código, outro agente revisa, outro roda os testes, e o engenheiro humano só intervém quando algo foge do esperado. O humano vira o exception handler.

Dara Khosrowshahi, CEO da Uber, foi ainda mais direto ao criticar empresas que apenas “falam sobre IA” sem transformar operações: chamou isso de “play-acting” — teatro corporativo. A Uber, segundo ele, está redesenhando workflows, não apenas adicionando uma camada de IA em cima do que já existia.

E os dados sustentam o discurso. Quando 11% do backend em produção é código escrito por agentes e 1.800 PRs por semana saem sem autoria humana, não é mais experimento. É operação.

O Que Isso Significa para o Resto da Indústria

A Uber não é uma startup testando ferramentas. É uma empresa de $170 bilhões de market cap com infraestrutura que processa milhões de transações por dia. Se eles estão queimando orçamento de IA nessa velocidade, imagine o que está acontecendo — ou vai acontecer — em empresas menores.

Aqui estão os cenários que eu vejo se desdobrando nos próximos 12 meses:

1. Modelos de precificação vão mudar

O modelo de cobrança por token é insustentável para adoção corporativa em larga escala. Ou a Anthropic (e competidores) criam planos enterprise com teto de gastos, ou as empresas vão implementar rate limiting interno. Provavelmente os dois.

2. “AI Budget” vira linha permanente no P&L

Até 2025, muitas empresas tratavam gastos com IA como R&D experimental. A Uber provou que, uma vez que a adoção decola, o gasto se torna operacional. É tão essencial quanto AWS ou GCP. Não dá para cortar sem impactar produtividade.

3. O engenheiro que não usa IA fica para trás

Quando 95% dos seus colegas usam IA e a empresa mede produtividade por output, não usar é equivalente a recusar um compilador nos anos 90. Pode ser uma posição filosófica válida, mas não é uma estratégia de carreira.

4. Code review se torna o gargalo

Se agentes escrevem 1.800 mudanças por semana, alguém precisa revisar 1.800 mudanças por semana. O bottleneck migra de “escrever código” para “garantir que o código escrito por IA não quebra nada”. A Uber já está usando IA para review também (uReview), criando uma cadeia de IAs supervisionando IAs.

Outras Empresas Já Estão Sentindo o Mesmo

A Uber pode ser a primeira a falar abertamente, mas está longe de ser a única. Relatos internos de empresas como Shopify, Stripe e Coinbase apontam para adoções igualmente agressivas de ferramentas de codificação com IA. O CEO da Shopify, Tobi Lütke, chegou a declarar que nenhuma equipe pode pedir mais headcount sem antes provar que IA não resolve o problema.

O padrão é sempre o mesmo: uma equipe pioneira começa a usar, mostra resultados impressionantes em velocity, e em semanas o resto da engenharia quer acesso. É adoção viral dentro da empresa — e o financeiro só descobre o estrago quando a fatura chega.

A diferença é que a maioria dessas empresas trata o tema como informação competitiva. A Uber, por ser empresa pública, precisa reportar aos acionistas. E quando o CTO diz “o orçamento foi embora”, o mercado escuta.

Os Riscos que Ninguém Quer Discutir

Nem tudo são flores nessa história.

Dependência de fornecedor: a Uber apostou pesado no Claude Code. Se a Anthropic mudar preços, termos de uso ou qualidade do modelo, a Uber está vulnerável. Daí o teste com Codex da OpenAI — mas trocar de ferramenta quando 63% da engenharia depende dela não é trivial.

Qualidade vs. velocidade: 8% do código é gerado por IA, mas qual é a taxa de bugs desse código? A Uber não divulgou esse número. Código que passa no review e nos testes pode ter problemas sutis que só aparecem em produção, sob carga, meses depois.

Segurança: agentes autônomos com acesso ao codebase completo e capacidade de submeter código são um vetor de ataque fascinante. Se um modelo for comprometido ou manipulado, o impacto potencial é enorme.

Emprego: a Uber disse que não reduziu contratações ainda. Esse “ainda” faz muito trabalho pesado na frase. Se agentes escrevem 11% do backend e a tendência é de crescimento, a matemática é inevitável. Talvez não demissões, mas certamente menos contratações futuras.

Quanto Custa um Token na Uber?

Vamos fazer uma conta de padaria. O Claude Code na API da Anthropic custa aproximadamente:

• Input: $3 por milhão de tokens
• Output: $15 por milhão de tokens

Um agente de codificação processando uma tarefa complexa pode consumir facilmente 100k-500k tokens por execução. Se você tem 5.000 engenheiros, cada um disparando dezenas de tarefas por dia…

Estimativa conservadora:
5.000 engenheiros × 20 tarefas/dia × 200k tokens/tarefa = 20 bilhões de tokens/dia

Custo médio (mix input/output): ~$9/milhão de tokens
20.000 milhões × $9 / 1.000.000 = $180.000/dia

$180.000 × 30 dias = $5,4 milhões/mês
$5,4 milhões × 12 = $64,8 milhões/ano

E isso é uma estimativa conservadora. Com 84% usando workflows de agentes (que consomem muito mais tokens que autocompletar), o número real pode ser significativamente maior.

Para uma empresa que gasta $3,4 bilhões em R&D, $65 milhões parece gerenciável. Mas se o orçamento planejado era $20 milhões e o real é $65 milhões, você entende por que o CTO está “de volta à prancheta”.

A Lição da Uber para CTOs Brasileiros

Se você lidera engenharia numa empresa brasileira, a pergunta não é “devemos adotar IA para codificação?” — isso já é inevitável. A pergunta é: como orçar e governar a adoção?

• Comece com um piloto limitado antes de liberar para toda a engenharia. Meça custo por engenheiro por mês antes de escalar.
• Defina tetos de consumo por equipe ou por projeto. Ferramentas de IA são como cloud computing em 2015 — sem governança, a conta explode.
• Meça ROI real: quantas horas de engenharia foram economizadas? Quantos deploys a mais por semana? Se o custo da IA é menor que o salário das horas economizadas, é um bom negócio. Se não, ajuste.
• Diversifique fornecedores: não dependa de uma só ferramenta. Claude Code hoje, Codex amanhã, talvez um modelo open source com self-hosting depois.
• Invista em review: se agentes vão escrever código, você precisa de processos robustos de review — automáticos e humanos — para garantir qualidade.

A Nova Realidade da Engenharia de Software

O que está acontecendo na Uber não é um caso isolado. Pesquisas mostram que 90% das empresas planejavam aumentar gastos com IA em 2026. A Uber é apenas a primeira a admitir publicamente que a coisa saiu do controle financeiro.

E aqui está a ironia deliciosa: a ferramenta funcionou bem demais. O orçamento não estourou porque a IA era ruim e precisava de mais tentativas. Estourou porque era boa demais e todo mundo quis usar.

Esse é o tipo de problema que todo CTO gostaria de ter — até a fatura chegar.

Fonte de inspiração: The Information — Uber CTO Shows How Claude Code Can Blow Up AI Budgets

👉 Leia também: O Documento de Uma Página que Faz Qualquer IA Responder 10x Melhor