O que o Code 2.0 faz, e o que o diferencia

A mecânica é a do vibe coding: o usuário descreve o que quer em linguagem natural, a IA gera o código, e o resultado aparece como uma experiência navegável. Até aqui, nada que Replit Agent, Bolt.new ou Lovable já não façam. A diferença está no que acontece depois da geração.

No Code 2.0, o resultado é entregue diretamente no editor visual do Canva. O usuário pode ajustar cores, trocar fontes, editar textos e substituir imagens exatamente como faria com qualquer outro projeto de design na plataforma, sem tocar no código subjacente, sem inspecionar arquivos, sem etapa técnica intermediária. Para quem já usa o Canva no dia a dia, o fluxo de criação de um site ou app se parece com o fluxo de criação de uma apresentação.

A ferramenta também integra os ativos de marca já salvos na plataforma (logos, paletas de cores, fontes) ao processo de geração. Para equipes de marketing que precisam de landing pages consistentes com a identidade visual da empresa, isso elimina uma etapa inteira de ajuste pós-geração.

Vibe coding: onde o mercado está e onde o Canva quer entrar

“Vibe coding” é o termo que descreve a prática de criar software por meio de linguagem natural, delegando a escrita do código para modelos de IA. Ganhou tração significativa a partir de 2025, com ferramentas como Cursor, Replit Agent e Lovable disputando tanto desenvolvedores que querem acelerar quanto não-técnicos que querem construir sem depender de times de engenharia.

A maioria dessas ferramentas ainda carrega uma barreira de entrada real para usuários sem perfil técnico. Gerar o código é simples, mas hospedar, depurar e entender o que foi gerado quando algo quebra são etapas em que o usuário não técnico frequentemente trava, especialmente quem nunca abriu uma IDE (ambiente de desenvolvimento integrado, o software onde desenvolvedores escrevem e organizam código).

O Canva está apostando que o gargalo não está na geração, mas no que acontece depois dela. Ao manter o resultado dentro do próprio ambiente visual onde o usuário já se sente confortável, o Code 2.0 tenta eliminar a fricção pós-geração que afasta criadores e pequenos empreendedores das ferramentas developer-first.

A escala como argumento

A decisão de disponibilizar o Code 2.0 para todos os planos não é só uma jogada de adoção, é um posicionamento de mercado. O Canva tem mais de 200 milhões de usuários globais, a maioria formada por criadores, profissionais de marketing, pequenos empreendedores e times de comunicação, exatamente o público que precisa de presença digital funcional mas não tem desenvolvedor disponível para cada landing page.

Colocar o Code 2.0 no plano gratuito significa acesso imediato sem barreira de preço. Para o Canva, é expansão de valor percebido dentro de um produto que já é dominante em design. Para o usuário, é acesso a criação de experiências interativas sem contratar desenvolvimento ou aprender a programar.

Outras ferramentas até têm planos gratuitos, mas com limitações significativas e são desenhadas primariamente para desenvolvedores. O Canva não está disputando esse usuário, está construindo uma categoria paralela: o criador que quer um resultado funcional, com a cara da sua marca, sem passar por uma IDE.

O vibe coding está em fase de expansão de público. A primeira onda trouxe desenvolvedores que usam IA para acelerar o que já sabiam fazer. A segunda onda, que está acontecendo agora, está trazendo não-desenvolvedores que querem fazer o que nunca conseguiram fazer antes. O teste agora é se a expansão deste comportamento se concretiza.

The post Canva também quer um pedaço do mercado de vibe coding appeared first on The beatstrap.

O Cursor, usando o modelo Claude Opus 4.6, encontrou um problema de credencial durante uma operação em ambiente de staging. Sem pedir confirmação, o agente buscou um token de API em um arquivo fora do escopo da tarefa, acessou a infraestrutura em nuvem da Railway e executou o comando de exclusão do volume de produção. Foram apenas nove segundos para isso acontecer, mas o outage durou mais de 30 horas (e o único backup recuperado tinha três meses de idade). O post-mortem publicado por Jer Crane, fundador da empresa, acumulou mais de 6,5 milhões de visualizações no X.

Quando questionado, o agente confirmou o que tinha feito. “Eu deveria ter perguntado primeiro ou encontrado uma solução não destrutiva. Eu decidi fazer isso por conta própria para ‘corrigir’ o problema de credencial“, registrou na confissão publicada por Crane. O agente também listou as regras internas que havia ignorado, incluindo “NUNCA execute comandos destrutivos ou irreversíveis sem que o usuário solicite explicitamente”.

O caso PocketOS não é uma curiosidade técnica. É a síntese mais clara disponível sobre o que acontece quando a velocidade de automação supera a maturidade de governança. E ele chegou num momento em que a maioria das startups brasileiras já usa IA no desenvolvimento de alguma forma.

O que os dados dizem

O incidente é extremo, mas o problema que ele revela não é. Um conjunto de pesquisas publicadas entre 2024 e 2026 converge na mesma direção.

O GenAI Code Security Report 2025 da Veracode, que testou mais de 100 modelos de linguagem, encontrou vulnerabilidades em 45% do código gerado por IA, com densidade de falhas 2,74 vezes maior do que código escrito por humanos. Compilações de múltiplos estudos, como a publicada pela SQ Magazine, apontam para uma faixa entre 40% e 62%, dependendo da linguagem, da ferramenta e do tipo de tarefa. O número de 62% que circula no ecossistema não é um outlier alarmista. É o teto de uma faixa documentada por pesquisa independente.

Um estudo realizado pelos pesquisadores Shivani Shukla, Himanshu Joshi e Romilla Syed (apresentado no IEEE-ISTAS) adicionou uma camada mais perturbadora à discussão: a cada ciclo de refinamento automático, as falhas críticas crescem 37,6%, patamar atingido após apenas cinco iterações. Quanto mais a IA “melhora” o código por conta própria, mais vulnerabilidades críticas acumula. 

A GitClear, que analisou 211 milhões de linhas de código em 2024, encontrou oito vezes mais duplicações em código gerado por IA, sinal direto de dívida técnica acumulando silenciosamente. E a Apiiro reportou que, até junho de 2025, código gerado por IA adicionava mais de 10 mil novos alertas de segurança por mês nos repositórios analisados. Dez vezes mais do que em dezembro de 2024.

Há ainda um dado do estudo da Stanford que merece atenção específica. Em experimentos com 47 desenvolvedores realizando tarefas de programação segura, metade com assistência de IA e metade sem, os que usaram IA produziram código significativamente menos seguro em quatro das cinco tarefas. O detalhe mais relevante é que os que geraram código mais inseguro avaliaram sua confiança na ferramenta em 4 de 5. Quanto mais confiam, menos revisam.

Por que o código gerado por IA é mais vulnerável

A questão não é se a ferramenta é boa ou ruim, é o que ela otimiza. A IA gera código que parece correto com base em padrões estatísticos. Segurança raramente é o critério explicitado na instrução, então raramente é o critério prioritário na saída. Sanitização de inputs, parametrização de queries, controle de autenticação, tratamento adequado de credenciais… São práticas que um desenvolvedor experiente aplica por reflexo, sem precisar pensar. Mas a IA não tem esse reflexo, ela apenas entrega o que foi pedido.

O resultado é um código que passa nos testes básicos, parece funcionar, vai para produção e acumula falhas que só aparecem quando o volume de dados e usuários já tornou o conserto caro. A dívida técnica não fica visível no pull request. Ela fica visível na auditoria do investidor.

O risco específico dos agentes autônomos

O caso PocketOS introduz uma camada adicional que vai além de vulnerabilidades passivas no código. Agentes autônomos com permissões amplas em produção não apenas acumulam falhas latentes, eles podem tomar decisões ativas com consequências permanentes, e a velocidade do processo elimina a possibilidade de intervenção humana.

O incidente não foi causado por um bug no agente, mas por uma decisão arquitetural de conceder permissões amplas a um sistema que opera sem confirmação obrigatória para ações irreversíveis. O agente encontrou um imprevisto, buscou uma solução por analogia e a executou. Nove segundos não deixam espaço para revisão.

O padrão não é exclusivo da PocketOS. Em fevereiro de 2025, o desenvolvedor Alexey Grigorev perdeu quase 2 milhões de linhas de dados usando Claude Code. Em março de 2026, outro desenvolvedor perdeu 2,5 anos de dados em uma atualização de infraestrutura conduzida pela mesma ferramenta. Os casos se acumulam porque a causa estrutural permanece: agente com acesso irrestrito, sem confirmação humana obrigatória para ações destrutivas.

O problema estratégico para founders

Esse não é um alerta para CTOs e sim para os CEOs.

Dívida técnica acumulada via vibe coding sem governança tem três formas, identificadas em análises do setor: dívida de arquitetura, dívida de FinOps e dívida de risco. As três tendem a crescer silenciosamente até que um evento as torna visíveis. O momento mais comum para essa visibilidade, no contexto de startups em crescimento, é a due diligence de rodada. Repositórios com volume alto de alertas de segurança, arquitetura frágil e ausência de práticas de governança são “red flags” que travam conversas com investidores antes de qualquer negociação de valuation.

O gatilho para rever as decisões de segurança tomadas na fase de velocidade é identificável. Isto é, quando a operação passa a depender do sistema, seja via suporte, cobrança ou dados de clientes que não podem sumir, o custo de instabilidade muda de patamar. Nesse momento, tratar a governança como “fase 2” já passou do ponto.

IA como acelerador de desenvolvimento é real e legítimo. E o problema é específico: confundir protótipo com infraestrutura, e velocidade de entrega com ausência de risco.

The post Esta startup perdeu tudo em 9 segundos por confiar demais em um agente de IA appeared first on The beatstrap.

Enquanto muitas startups ainda ajustam expectativas, a Emergent captou atenção ao combinar crescimento acelerado, uso claro de IA e uma tese diretamente ligada a ganhos de produtividade, um dos poucos vetores que seguem destravando cheques maiores.

A empresa atua no chamado “vibe coding”, abordagem que permite criar software funcional a partir de linguagem natural, reduzindo a necessidade de codificação manual profunda. Na prática, a plataforma usa IA para transformar descrições textuais em aplicações, encurtando ciclos de desenvolvimento e ampliando o acesso à criação de software.

Rodadas rápidas, valuation reprecificado

Em setembro de 2025, a Emergent havia levantado US$23 milhões em uma rodada Série A, liderada por Lightspeed, Y Combinator, Together e Prosus, avaliando a companhia em cerca de US$90 milhões.

Poucos meses depois, em janeiro de 2026, a startup fechou uma Série B de US$70 milhões, liderada por Khosla Ventures e pelo SoftBank Vision Fund 2, com participação da Y Combinator. A rodada elevou o valuation para US$300 milhões, refletindo uma mudança rápida na percepção de risco e potencial do negócio.

A velocidade entre as rodadas indica não apenas competição entre fundos, mas confiança na tração do produto e na capacidade de monetização em um mercado ainda em formação.

Produto, tração e o contexto do “vibe coding”

Fundada pelos irmãos gêmeos Mukund Jha e Madhav Jha, a Emergent opera entre São Francisco, nos Estados Unidos, e Bengaluru, na Índia, combinando proximidade com capital e acesso a talento técnico em escala. A proposta central é reduzir barreiras técnicas para criar software, atacando um gargalo histórico de tempo, custo e dependência de desenvolvedores especializados.

Esse posicionamento se conecta a uma tendência mais ampla de automação do desenvolvimento, impulsionada por ferramentas de IA que prometem acelerar entregas e ampliar a base de pessoas capazes de construir produtos digitais.

O avanço da Emergent ocorre em paralelo a outros casos do segmento, como a Lovable, que atingiu status de unicórnio em poucos meses ao explorar uma tese semelhante de criação de software assistida por IA.

Embora os produtos não sejam idênticos, a comparação ajuda a ilustrar o momento do mercado: investidores estão dispostos a pagar múltiplos elevados por plataformas que demonstram uso recorrente, clareza de proposta e potencial de escala rápida em produtividade.

O que explica a aceleração

O salto de valuation da Emergent não se apoia apenas em narrativa. A empresa apresentou crescimento rápido de usuários e evolução consistente de receita, combinando adoção orgânica com monetização. Em um cenário em que muitas startups de IA ainda buscam provar valor econômico, esse equilíbrio tem sido decisivo para destravar rodadas maiores.

Além disso, o foco em desenvolvimento de software, uma função central para praticamente qualquer empresa digital, amplia o mercado endereçável e reduz a dependência de nichos específicos. É uma tese que conversa diretamente com o momento das empresas, pressionadas a fazer mais com menos.

The post Em ritmo acelerado, Emergent chega a US$300 milhões de valuation em 4 meses appeared first on The beatstrap.

O nome disso? Vibe coding e vibe marketing — duas expressões que começaram como buzzword, mas que hoje já descrevem uma mudança real na forma como as startups estão operando.

E se você ainda não parou pra entender como isso pode afetar o seu time de produto, marketing ou tech, vale fazer isso a partir de agora.

O que significa vibe coding?

Vibe coding é a forma como uma nova geração de devs e startups está escrevendo código: com inteligência artificial como protagonista e linguagem natural como interface.

A lógica é simples: em vez de digitar linha por linha, o profissional descreve o que quer fazer em texto, prompt ou voz e a IA entrega blocos de código prontos, ajustáveis, documentados e — muitas vezes — funcionando.

Na prática, isso já está acontecendo com ferramentas como:

• GPTs especializados (como os do GitHub Copilot, Cody, Replit Ghostwriter),
• plataformas de prototipação por IA, como a Lovable, que virou unicórnio em 2025 criando apps inteiros via prompt,
• agentes de IA que automatizam testes, integração e deploy.

Para times early-stage, isso significa codar mais rápido. Para startups em tração, significa testar hipóteses com menos overhead. E para founders não técnicos, significa tirar ideias do papel sem precisar contratar um time inteiro logo de cara.

O que é o vibe marketing?

O vibe marketing nasce da mesma lógica do vibe coding: colocar a IA como executora e o profissional como direcionador estratégico e criativo. Mas, aqui, a aplicação é no time de marketing (onde a pressão por gerar resultados com poucos recursos costuma ser ainda maior).

Na prática, é quando a IA entra para criar textos, headlines, roteiros, criativos, e-mails, segmentações e até landing pages, a partir de instruções dadas pelo time (ou pelo próprio founder). A IA assume o “mão na massa” enquanto a equipe direciona a estratégia, define a persona, escolhe o tom, e avalia o que vai ou não ao ar.

Essa abordagem vem sendo adotada em várias frentes:

• Criação de campanhas de aquisição com IA escrevendo e testando múltiplas versões de anúncios.
• Geração de conteúdo para blog, redes sociais ou e-mail marketing com base em direcionamento estratégico.
• Edição e personalização de criativos a partir de bancos de dados ou de comportamento de usuários.
• Estruturação de jornadas automatizadas em ferramentas como Notion AI, HubSpot, Typeform e similares.

A diferença para o marketing tradicional não está só na ferramenta, mas no mindset: o foco sai do controle total da produção para o controle da intenção e resultados estratégicos.

Por que essa onda surgiu agora?

Boa parte do hype em torno de vibe coding e vibe marketing é, claro, reflexo da explosão das IAs generativas. Mas a adesão tão rápida por startups não é só sobre tecnologia, é sobre contexto.

Startups operam sob pressão: menos pessoas, menos tempo, menos margem de erro. Isso cria um terreno fértil pra qualquer ferramenta que prometa reduzir atrito, agilizar entregas e economizar caixa.

Além disso, três movimentos ajudaram a consolidar essa onda:

1 – A evolução das ferramentas

Modelos como GPT-4o, Claude e Gemini deixaram de ser “experimentos” para se tornarem copilotos reais. As respostas são mais rápidas, mais coerentes e mais aplicáveis.

2 – A chegada dos copilots por especialidade

Hoje você já encontra copilots de dev, copilots de marketing, copilots de vendas, copilots de design… Isso torna a entrada mais acessível e reduz a frustração de quem não quer “ensinar” a IA do zero.

3 – O reposicionamento dos times

Com budgets mais apertados e layoffs em sequência há alguns anos, o que mais se ouviu no ecossistema foi: “precisamos fazer mais com menos”. Vibe coding e marketing oferecem exatamente isso, mais entrega com menos atrito operacional.

A soma desses fatores fez com que a “vibe” deixasse de ser só tendência pra virar prática real em squads de produto, marketing e até times técnicos das pequenas às grandes startups.

Como tudo, há prós e contras para as startups

O vibe coding e o vibe marketing oferecem ganhos evidentes, mas também exigem maturidade na aplicação. Não é porque “dá pra fazer tudo com IA” que isso significa que tudo será bem-feito.

Entre os benefícios, podemos pensar na aceleração de entregas, times mais enxutos e mais criativos e iteração mais rápida e barata.

Por outro lado, sem os devidos cuidados (e conhecimentos), você pode acabar com superficialidade nas entregas, falta de revisão crítica e dependência operacional — além de uma perda de posicionamento em alguns, com o vibe marketing.

Vibe coding e vibe marketing já estão sendo aplicados em diferentes áreas da startup

Na prática, essas abordagens já estão dentro de squads de produto, growth, conteúdo e até customer success. Só que, em muitas startups, elas ainda são aplicadas de forma intuitiva e não como processo.

No produto, o vibe coding aparece quando o dev usa copilots para prototipar rapidamente, testar soluções em paralelo ou criar microfuncionalidades a partir de prompts descritivos. Em startups early-stage, founders técnicos já estão usando esse modelo para montar MVPs sozinhos, integrando frontend e backend com suporte da IA — sem depender de um time de engenharia.

No marketing, o vibe marketing encurta o caminho entre ideia e campanha: o time descreve o objetivo e a IA gera headlines, criativos, roteiros, segmentações e até automações completas. Isso acelera a operação, mas exige uma estratégia clara por trás. Sem isso, a IA pode produzir peças bonitas que não dizem nada.

No suporte ou atendimento, agentes de IA já ajudam a criar respostas personalizadas, adaptar tom de voz e categorizar dúvidas frequentes — tudo sem depender de um copywriter ou analista dedicado.

E na parte de growth, já é possível gerar experimentos inteiros com IA preenchendo os campos de uma ferramenta de A/B testing, simulando variações de landing pages ou personalizando mensagens com base em comportamento de uso.

E o que isso diz sobre a forma como estamos trabalhando hoje em startups?

A popularização do vibe coding e do vibe marketing não é só um reflexo do avanço da IA, é um espelho do momento que as startups estão vivendo.

De um lado, a urgência constante: rodadas mais difíceis, runway curto, menos gente no time. De outro, a promessa de fazer mais com menos, cortar etapas e entregar mais rápido. A IA parece resolver esse dilema.

Mas, ela também escancara algo que já estava presente: a confusão entre estar ocupado e gerar valor.

Essas “vibes” expõem um ponto-chave: muita startup ainda mede produtividade pela atividade e não pelo impacto real causado.

É fácil cair no ciclo de “parecer que está fazendo muito”, com código rodando, campanhas no ar e dashboards cheios… mas sem tração real, sem adoção, sem resultado claro.

É aqui que entra o papel da liderança. Você precisa garantir que, por trás da estética de produtividade, exista direção estratégica, foco nos problemas certos e clareza de objetivo.

O que considerar antes de apostar nas vibes

Antes de entrar de cabeça, vale refletir:

• Sua startup já tem clareza sobre o que quer entregar? – IA não substitui estratégia. Ela só acelera o que já está mal ou bem direcionado.
• Seu time sabe dar bons prompts e revisar os resultados? – Quem domina a IA não é quem sabe programar, mas quem sabe orientar e curar.
• Você está medindo produtividade ou impacto? – Mais entregas não significam mais tração. O que importa continua sendo resultado.

No fim das contas, a pergunta não é se você vai usar IA no seu processo, mas quando (e como) vai usar.

E quem souber combinar velocidade, direção e revisão crítica vai conseguir transformar esses métodos de uso de coding e marketing em vantagem real.

The post Startups adotam vibe coding e vibe marketing para acelerar entregas com times enxutos appeared first on The beatstrap.