Resumo:
- Vibe coding é uma forma de desenvolvimento em que a pessoa descreve o que quer em linguagem natural e deixa uma ferramenta de IA gerar e alterar grande parte do código.
- O principal risco não está em usar IA para programar, mas em tratar código funcional como código seguro sem revisão proporcional ao impacto da aplicação.
- Falhas de autorização, lógica de negócio, validação de entrada, credenciais, dependências e configurações podem passar despercebidas mesmo quando a aplicação parece funcionar normalmente.
- Pedir para a própria IA revisar o código ajuda, mas não deve ser a única camada de segurança; revisão humana, testes automatizados e validação independente continuam importantes.
- Quando uma aplicação criada com vibe coding vai para produção, trata dados sensíveis ou controla operações relevantes, o pentest ajuda a validar o comportamento real sob uma perspectiva adversarial.
O vibe coding deixou de ser apenas um conceito experimental para se consolidar como um método real de desenvolvimento de software. Popularizado em 2025 por Andrej Karpathy, o termo define um fluxo de trabalho em que o desenvolvedor orienta a IA por meio de linguagem natural, valida alterações e itera sobre o resultado final com foco no produto, e não nos detalhes do código gerado.
A promessa é fácil de entender: transformar uma ideia em aplicação muito mais rápido. Para protótipos, provas de conceito e ferramentas de baixo risco, isso pode ser extremamente útil. O problema começa quando a mesma velocidade é levada para sistemas públicos, autenticação, APIs, dados pessoais, pagamentos ou outros fluxos em que uma falha tem impacto real.
O National Cyber Security Centre (NCSC) britânico afirma que o risco não está simplesmente em usar IA, mas em aplicar pouca supervisão quando as consequências de uma falha são altas. A recomendação é tratar vibe coding como um espectro e aumentar revisão e controle conforme a criticidade do software.
Por isso, o ponto central não é julgar se o vibe coding é bom ou ruim, mas avaliar quanto do código gerado você realmente entende, revisa e testa antes de levá-lo para produção.
O que é vibe coding?
O vibe coding é uma abordagem de desenvolvimento em que a pessoa descreve em linguagem natural o que deseja construir e uma ferramenta de IA gera, modifica e executa grande parte do código. Em vez de escrever cada função manualmente, o usuário trabalha principalmente por prompts: pede uma tela, um fluxo, uma integração ou uma correção, testa o resultado e continua iterando.
Em seu grau mais avançado, o desenvolvedor deixa de acompanhar o código em detalhes e avalia apenas se o resultado funciona. No entanto, o uso prático varia em um espectro que vai do apoio como assistente até a delegação quase total da implementação ao agente. Por isso, o NCSC recomenda calibrar o nível de autonomia conforme o risco do sistema.
| Desenvolvimento assistido por IA | Vibe coding com alta autonomia |
| A IA sugere trechos, testes ou mudanças | A IA implementa funcionalidades completas a partir de prompts |
| O desenvolvedor acompanha os diffs e entende a arquitetura | A revisão do código pode ser limitada ou acontecer só quando algo quebra |
| Decisões críticas permanecem explicitamente sob controle humano | Mais decisões de implementação ficam a cargo do modelo |
| IA funciona como acelerador do processo | IA funciona quase como executora principal do desenvolvimento |
Isso é importante porque nem todo uso de Cursor, Copilot, Claude Code ou ferramentas semelhantes é, de fato, vibe coding. É possível usar IA intensamente e, ainda assim, manter revisão de código, threat modeling, testes e controles de engenharia.
Vibe coding é seguro?
Depende. Ele pode ser usado com segurança em determinados contextos, mas o nível de supervisão precisa acompanhar o impacto da aplicação. Um protótipo sem dados reais tem um perfil de risco muito diferente de uma aplicação pública que processa informações pessoais ou controla acessos.
O NCSC recomenda maior liberdade para protótipos, demos e ferramentas internas de baixo risco, e mais controle humano quando o código envolve autenticação, autorização, dados sensíveis, segredos, credenciais ou funções críticas.
| Contexto | Nível de cuidado esperado |
| Protótipo descartável ou prova de conceito sem dados reais | Pode aceitar maior autonomia da IA, desde que o ambiente seja isolado |
| Ferramenta interna com exposição limitada | Revisão proporcional ao acesso, dados e integrações disponíveis |
| Aplicação pública ou SaaS | Revisão técnica, testes de segurança e controles de produção |
| Autenticação, pagamentos, dados sensíveis ou operações críticas | Maior supervisão humana e validação independente antes da produção |
Funcionar não é sinônimo de segurança
Testar se uma funcionalidade entrega o resultado esperado não é o mesmo que avaliar como ela se comporta quando alguém tenta explorá-la. O fluxo esperado responde se o sistema funciona para o usuário legítimo; a segurança exige procurar rotas que não deveriam funcionar.
Um experimento publicado pela NetSPI ilustra bem essa diferença. A empresa criou uma aplicação web quase inteiramente com IA, pediu à própria IA que realizasse auditorias de segurança e implementou as correções sugeridas. Foram feitas três rodadas de revisão antes do pentest. Mesmo assim, o teste manual encontrou problemas relevantes, principalmente de autorização e na lógica de negócio.
O experimento também mostrou que o resultado vai além de um código inseguro. Em alguns pontos, o framework escolhido já oferecia proteções adequadas, como consultas parametrizadas contra SQL Injection. Em outros, porém, a IA implementou controles incompletos, classificou soluções frágeis como seguras e chegou a sugerir remover uma proteção de Content Security Policy quando ela atrapalhou o funcionamento da aplicação.
O ponto central é outro: a IA tende a otimizar para atender ao pedido e manter a aplicação funcionando, enquanto segurança exige contexto, limites e intenção adversarial.
Quais são os principais riscos do vibe coding?
Os riscos variam conforme a arquitetura e a ferramenta utilizada, mas alguns padrões merecem atenção especial em aplicações geradas ou alteradas com alta autonomia por IA.
| Risco | Como pode aparecer |
| Autenticação e autorização | Controles aplicados apenas no frontend, permissões inconsistentes, IDOR e elevação indevida de privilégios |
| Lógica de negócio | Fluxos tecnicamente válidos que permitem ações que deveriam ser bloqueadas pelo contexto do negócio |
| Validação de entrada | XSS, SQL Injection e outras falhas quando o modelo gera validações incompletas ou inconsistentes |
| Secrets e credenciais | Tokens, chaves, senhas ou informações sensíveis inseridas em código, logs, prompts ou configurações |
| Dependências | Bibliotecas vulneráveis, desatualizadas ou até pacotes inexistentes sugeridos pelo modelo |
| Configuração e arquitetura | Permissões excessivas, serviços expostos, isolamento inadequado e defaults pouco seguros |
A orientação do Canadian Centre for Cyber Security destaca exatamente esse conjunto de preocupações. Entre elas estão falhas de código, dependências alucinadas, slopsquatting, vazamento de informações, prompt injection, XSS e SQL Injection. A recomendação é combinar governança, revisão humana, isolamento, controle de dependências e testes ao longo do ciclo de desenvolvimento.
Autorização e IDOR
A autorização é um dos pontos em que o contexto mais importa. Além de saber que um usuário está autenticado, o sistema precisa entender quais registros, funções e ações aquele usuário pode acessar.
No experimento da NetSPI, o pentest encontrou múltiplos problemas desse tipo mesmo após as auditorias feitas por IA, incluindo cenários em que um usuário poderia alcançar dados ou privilégios que não deveriam estar disponíveis.
Lógica de negócio
Falhas de lógica aparecem quando o código cumpre uma regra técnica, mas não entende uma regra implícita do negócio. No experimento da NetSPI, por exemplo, a aplicação aceitava uma situação de faturamento em que a cobertura de seguro poderia ser maior do que o valor total, gerando um saldo negativo. O cálculo estava implementado; o limite de negócio, não.
Dependências e slopsquatting
Modelos podem sugerir nomes de bibliotecas que parecem plausíveis, mas que não existem. Um atacante pode registrar esses nomes e publicar pacotes maliciosos, técnica conhecida como slopsquatting. Por isso, permitir que agentes instalem dependências automaticamente sem validação humana ou allowlist aumenta o risco da cadeia de software.
A IA consegue revisar o próprio código?
Consegue ajudar, mas a autoavaliação do próprio modelo não deve ser tratada como prova de que o código está seguro. A revisão por IA pode encontrar erros, sugerir melhorias e acelerar verificações, mas continua sujeita às mesmas limitações de contexto, alucinação e interpretação que afetam a geração do código.
O Canadian Centre for Cyber Security classifica a auto-revisão de um único modelo como um controle fraco quando usada sozinha e recomenda supervisão humana qualificada. Quando fizer sentido, uma segunda ferramenta de IA pode acrescentar uma camada independente, mas não substitui a validação de pessoas responsáveis pelo sistema.
A experiência da NetSPI reforça esse ponto: depois de múltiplas auditorias realizadas pela própria IA, a terceira rodada começou a contradizer recomendações anteriores e o pentest ainda encontrou falhas de autorização e lógica de negócio.
Vibe coding e desenvolvimento com IA são a mesma coisa?
Não. Todo vibe coding depende de IA, mas nem todo desenvolvimento assistido por IA é vibe coding. Um time pode usar agentes para gerar código, testes, documentação ou refatorações e ainda manter arquitetura, revisão, aprovação e controles de segurança sob responsabilidade humana.
Essa distinção evita dois extremos: assumir que código com IA é automaticamente inseguro ou acreditar que velocidade e automação eliminam a necessidade de engenharia. O próprio NCSC propõe pensar em um espectro de autonomia, movendo-se para maior supervisão conforme a criticidade aumenta.
Quando o vibe coding se torna um risco para a empresa?
O risco aumenta quando o código deixa de ser um experimento isolado e passa a acessar usuários, dados, credenciais ou operações reais. Nessa transição, a organização precisa mudar também o nível de revisão.
Alguns sinais de que o projeto já não deve ser tratado como um protótipo de baixo risco:
- Usuários externos ou clientes começam a acessar a aplicação.
- O sistema trata dados pessoais, financeiros ou estratégicos.
- Há login, recuperação de conta, perfis e diferentes níveis de permissão.
- A aplicação consome ou expõe APIs.
- Existem pagamentos, créditos, descontos, limites ou outras regras de negócio.
- O agente ou a aplicação recebe acesso a tokens, segredos ou ambientes de cloud.
- Uma falha pode interromper uma operação relevante ou gerar impacto regulatório.
Nesses casos, o teste realizado pela própria IA deixa de ser um critério aceitável de aprovação. O desenvolvimento precisa entrar no mesmo processo de segurança aplicado a qualquer software que vá para produção.
O que revisar antes de levar uma aplicação para produção?
A aplicação deve passar por controles proporcionais ao risco, combinando revisão do código, testes automatizados, validação de arquitetura e testes de segurança.
| Antes da produção | O que validar |
| Código | Revisão humana das partes críticas, especialmente autenticação, autorização e lógica de negócio |
| Dependências | Origem, versão, vulnerabilidades conhecidas e necessidade real de cada pacote |
| Secrets | Ausência de credenciais em código, repositórios, logs, prompts e arquivos de configuração |
| Autenticação | Sessões, recuperação de conta, MFA quando aplicável e tratamento de credenciais |
| Autorização | Permissões por função, objeto, usuário e tenant, sempre validadas no backend |
| APIs | Exposição de endpoints, validação de entrada, rate limits e controles de acesso |
| Infraestrutura | Configurações, privilégios, isolamento e serviços expostos |
| Testes | SAST, DAST, testes funcionais e validação ofensiva conforme a criticidade |
A orientação canadense recomenda revisão humana qualificada, SAST e DAST, execução em ambientes isolados antes do deploy e maior governança sobre ações autônomas do agente. Também recomenda que organizações avaliem políticas de dados dos provedores e evitem enviar informações sensíveis a serviços não aprovados.
Código criado com vibe coding precisa de pentest?
Nem todo protótipo precisa de pentest, mas a avaliação se torna especialmente relevante quando a aplicação vai para produção, fica exposta à internet ou trata dados e operações importantes. O motivo não é a origem do código por si só, e sim a combinação entre impacto potencial e menor compreensão humana sobre todas as decisões de implementação.
O Pentest não substitui revisão de código, SAST, DAST ou métodos de desenvolvimento seguro. Ele acrescenta uma pergunta diferente: o que um atacante consegue fazer com a aplicação que existe hoje?
Isso se torna crítico em cenários de autorização (entre usuários, funções e tenants), lógica de negócio, bypass de controles, encadeamento de vulnerabilidades e comportamentos sensíveis ao contexto. Por serem difíceis de validar apenas com automação, a NetSPI recomenda aplicar testes cross-role, cross-user e cross-tenant para cobrir essas relações.
O que testar em uma aplicação criada com vibe coding?
O escopo deve seguir o comportamento e os ativos da aplicação, não apenas o fato de o código ter sido gerado por IA. Ainda assim, alguns pontos merecem atenção redobrada quando houver alta autonomia do agente durante o desenvolvimento.
- Autenticação e gerenciamento de sessão: login, logout, recuperação de conta, cookies, tokens e expiração.
- Autorização: acesso entre usuários, funções, objetos, endpoints e tenants diferentes.
- Lógica de negócio: limites, transições de estado, descontos, créditos, pagamentos, aprovações e regras que não estão explícitas no código.
- APIs e backend: endpoints não documentados, validação server-side, exposição de dados e operações administrativas.
- Entradas e uploads: XSS, injections, manipulação de arquivos e validação de conteúdo.
- Dependências e configurações: bibliotecas, serviços externos, permissões, secrets e infraestrutura usada pela aplicação.
- Encadeamento de falhas: combinações de problemas de baixa ou média severidade que, juntas, permitem um impacto maior.
Na Vantico, o Pentest em Aplicações Web combina testes manuais e ferramentas especializadas para avaliar endpoints, autenticação, autorização, APIs e lógica de negócio, buscando vulnerabilidades que scanners isolados não conseguem interpretar no contexto da aplicação.
Do prompt à produção, teste o que realmente foi criado
Uma aplicação pode ser construída em horas com IA. A superfície de ataque, porém, continua existindo e pode incluir decisões de implementação que ninguém revisou em profundidade.
A Vantico avalia aplicações web e APIs sob uma perspectiva ofensiva, com testes manuais de autenticação, autorização, lógica de negócio, exposição de dados e caminhos de ataque específicos do contexto. O objetivo é validar como ela se comporta quando alguém tenta quebrar as regras esperadas.
Se uma aplicação criada ou acelerada por IA está entrando em produção, conheça o Pentest em Aplicações Web da Vantico e defina um escopo de teste proporcional ao risco do sistema.
FAQ: Perguntas Frequentes sobre Vibe Coding
O que é vibe coding?
Vibe coding é uma forma de desenvolver software por meio de prompts em linguagem natural, com uma ferramenta de IA gerando e alterando grande parte do código. Em níveis mais altos de autonomia, a pessoa acompanha mais o resultado funcional do que os detalhes da implementação.
Vibe coding é seguro?
Pode ser, especialmente em protótipos e contextos de baixo risco. Quanto maior a exposição, a sensibilidade dos dados e o impacto de uma falha, maior deve ser a revisão humana e a validação de segurança.
Qual é a diferença entre vibe coding e programação com IA?
Programação com IA é um conceito mais amplo. Um desenvolvedor pode usar IA intensamente e ainda revisar cada mudança, controlar a arquitetura e aplicar métodos de engenharia. No vibe coding, a IA recebe mais autonomia sobre a implementação.
Quais são os principais riscos do vibe coding?
Entre os riscos estão falhas de autorização e lógica de negócio, validações incompletas, secrets expostos, dependências inseguras ou inexistentes e configurações inadequadas. O risco real depende do contexto e dos acessos concedidos ao sistema.
A IA consegue encontrar vulnerabilidades no próprio código?
Ela pode ajudar a identificar problemas, mas a auto-revisão de um único modelo é um controle insuficiente para sistemas relevantes. Revisão humana, ferramentas de segurança e testes independentes devem ser combinados conforme o risco.
É seguro colocar uma aplicação criada com vibe coding em produção?
Somente depois de aplicar controles proporcionais ao impacto da aplicação. Sistemas públicos, autenticação, dados sensíveis, APIs e operações críticas exigem revisão, testes e governança maiores do que um protótipo isolado.
O código gerado por IA precisa de pentest?
Não por ter sido gerado por IA, mas pentest é indicado quando a aplicação tem exposição ou impacto suficiente para justificar validação ofensiva. Ele ajuda a identificar falhas de autorização, lógica e encadeamentos que dependem do comportamento real do sistema.