Mais de 28 experimentos de depuração cega em bugs reais de [PERSON_NAME], immer e decimal.js revelam que os agentes de codificação de IA lutam não pela complexidade, mas pela falta de informação. Dois bugs difíceis — um profundamente nos internos do Immer e um caso limite numérico no decimal.js — foram corrigidos corretamente em todas as 16 tentativas. Porém, um bug aparentemente trivial de cliente HTTP em [PERSON_NAME] que descartava silenciosamente uma opção de nova tentativa derrotou cada modelo e fluxo de trabalho em 12 execuções.

Cada correção gerada por IA corrompeu os dados do usuário, mas passou na suíte completa de 84 testes de nova tentativa. A falha não foi na detecção — um agente revisor identificou corretamente o risco de corrupção de dados, mas aprovou a alteração de qualquer forma, considerando o problema improvável. Isso destaca um ponto cego crítico: quando as correções dependem de contratos de API não documentados, a IA carece de julgamento para rejeitar soluções plausíveis porém erradas.

A dificuldade não previu a falha; a falta de informação sim. Para equipes que mesclam correções de IA com base em CI verde, este é exatamente o modo de falha que passa despercebido — bugs de aparência simples com testes aprovados que corrompem silenciosamente os dados em produção.