Você abre o editor. Descreve uma tarefa. Espera. Revisa. Ajusta. Faz o commit. Toda ferramenta de codificação com IA do mercado — Cursor, Claude Code, Codex da OpenAI — começa com o mesmo ritual: um humano digita um prompt. A IA é rápida, claro. Mas você ainda é o gargalo. Você é quem precisa trocar de contexto do seu issue tracker pro editor, formular o problema em linguagem natural e ficar de babá do output. Seu backlog não diminui porque cada interação com IA custa o único recurso que IA não consegue fabricar: a sua atenção.

Nos primeiros dez dias de abril de 2026, o GitHub silenciosamente reconstruiu todo esse ciclo — e tirou você da posição inicial.

Em 1º de abril, o GitHub rebatizou seu "Copilot coding agent" para Copilot cloud agent e expandiu seu escopo para além de pull requests. O agente agora pode trabalhar em branches de forma independente, pesquisar um codebase antes de mexer em qualquer coisa e gerar planos de implementação antes de escrever uma única linha. Em 3 de abril, o GitHub adicionou controles de runner no nível organizacional — permitindo que admins definam a infraestrutura padrão do agente em todos os repos e travem para que times individuais não possam sobrescrever. No mesmo dia: assinatura criptográfica de commits, o que significa que cada commit do agente agora exibe um selo "Verified", desbloqueando repos que exigem commits assinados como política de segurança. Em 8 de abril, tudo isso chegou ao GitHub Mobile. Você agora pode atribuir uma issue ao @copilot pelo celular no metrô e receber um pull request pronto pra review quando chegar no escritório.

Seis entradas de changelog em dez dias. Isso não é lançamento de feature — é construção de plataforma.

A bifurcação arquitetural que ninguém está discutindo

Eis por que isso importa mais do que qualquer benchmark de modelo. Todo outro agente de codificação é prompt-driven: você abre o Cursor, digita o que quer, o Cursor faz. Você invoca o Claude Code num terminal e descreve a tarefa. Você enfileira um job no dashboard cloud do Codex. Em todos os casos, um humano inicia a interação.

O cloud agent do Copilot é event-driven. Você atribui @copilot a uma Issue do GitHub — e pronto. O agente lê a descrição da issue, divide em um checklist, abre uma branch, escreve código, faz commits iterativos, roda seus testes automatizados e linters, e abre um pull request pedindo revisão humana. Sem sessão de editor. Sem terminal. Sem prompt. A issue em si é o prompt.

A diferença não é o modelo que alimenta o agente. O GitHub roteia para os mesmos modelos da OpenAI e Anthropic que os concorrentes usam. A diferença é a posição no workflow. Issues, pull requests, Actions, code review e o repositório em si são todas superfícies do GitHub. O Copilot não precisa de uma camada de integração porque ele já vive dentro do sistema de registro. Ele não está se conectando ao seu workflow — ele é o seu workflow.

O preço de remover o gatilho humano

Mas não vamos fingir que só tem lado bom.

Agentes event-driven criam um problema novo: fadiga de review. Quando um humano atribui dez issues de baixa prioridade ao @copilot numa segunda-feira de manhã, esses PRs caem na fila de review independentemente de o time ter capacidade para processá-los. O volume de output autônomo pode sobrecarregar a capacidade de review mais rápido do que diminui o backlog. Você trocou um gargalo — o prompt — por outro: revisar código que você não pediu no momento em que ele chega.

O GitHub parece ciente da pressão. Em 10 de abril, impôs novos rate limits para usuários Pro+, citando "um aumento em padrões de alta concorrência e uso intenso." Também aposentou o modelo Opus 4.6 Fast imediatamente e pausou novas inscrições de trial gratuito por abuso. Tradução: o pessoal descobriu o loop de codificação autônoma e entupiu tudo.

Enquanto isso, o Cursor não está parado. Em 2 de abril, o Cursor 3 foi lançado com orquestração paralela de agentes — múltiplos agentes trabalhando em refactoring, testes e documentação simultaneamente — além de uma "Agents Window" dedicada para gerenciar projetos multi-step. É prompt-driven, sim, mas a interface de prompt ficou dramaticamente mais poderosa.

O que isso significa pra você

Se seu time já vive no GitHub — issues, PRs, Actions, a stack inteira — o cloud agent do Copilot é o caminho de menor fricção para codificação autônoma hoje. Nenhuma ferramenta nova pra instalar. Nenhuma interface nova pra aprender. Atribua uma issue, revise um PR. O agente trabalha dentro do modelo de governança que sua organização já aplica: regras de proteção de branch, reviews obrigatórios, commits assinados, políticas de runner.

Se você valoriza escolha de modelo, controle granular sobre o que o agente faz em cada etapa, ou simplesmente não confia em código que não pediu explicitamente — ferramentas prompt-driven como Cursor 3 ou Claude Code oferecem mais transparência e feedback loops mais apertados.

As duas abordagens vão coexistir. Mas a direção é clara.

O prompt era o último gargalo humano

Por três anos, otimizamos codificação com IA em torno de prompts melhores. Instruções mais claras. Janelas de contexto maiores — a quantidade de texto que a IA mantém na memória de trabalho. Autocomplete mais inteligente. Tudo isso assumia que o humano aperta o primeiro botão.

O GitHub removeu o botão. O trabalho principal do desenvolvedor acabou de mudar — silenciosamente, ao longo de seis entradas de changelog em dez dias — de "dizer à IA o que construir" para "revisar o que a IA já construiu."

Se isso é libertação ou um novo tipo de inferno depende inteiramente de quão bom é o seu processo de code review. E se você já trabalhou num time com um backlog de 200 PRs... bom. Você já sabe a resposta.