"\"Não pode simplesmente gastar mais tokens e chegar num produto bom?\" A resposta que ninguém dá com honestidade"
"Mais tokens levam o app até funcionar. Não levam até pronto. Por que cada rodada sem conferência piora, e a triagem que decide onde o próximo crédito vai."
"Uma pessoa não técnica não pode simplesmente gastar mais tokens, corrigir os problemas e chegar em um produto bom o suficiente?"
Alguém perguntou isso no TabNews, um fórum brasileiro de tecnologia, e a pergunta está no arquivo de falas que sustenta este blog. Token é o pedaço de texto que a IA lê e escreve; é a unidade em que a ferramenta mede, e cobra, o trabalho dela. "Gastar mais tokens" é, na prática, pedir mais vezes.
A resposta honesta tem duas metades. Pode chegar em funcionar. Não chega em pronto sem conferência. E quase ninguém dá as duas juntas.
As duas respostas desonestas
A primeira resposta pronta é a do dev desdenhoso: "não, tem que aprender a programar". É gatekeeping, a porta fechada por quem já está do lado de dentro. Eu tenho 15 anos de código e digo: é falsa.
A segunda é a de quem vende crédito: "sim, é só continuar pedindo". Ela é mais simpática e mais cara: trata o problema como se fosse de quantidade, como se o produto bom estivesse do outro lado de um número suficiente de pedidos. Não está.
Por que mais rodadas não convergem pra pronto
Cada pedido de conserto é uma tentativa. Token compra tentativa. O que separa uma tentativa boa de uma ruim é alguém conferir o resultado, e isso o token não compra.
Tem estudo medindo o que acontece quando ninguém confere. Em 2025, Shivani Shukla, Himanshu Joshi e Romilla Syed pegaram 400 trechos de código e pediram à IA, rodada após rodada, que os "melhorasse". Depois de cinco rodadas, as falhas de segurança graves tinham aumentado 37,6%. Em março de 2026, outro grupo (Yi Chen e coautores) repetiu a ideia com três modelos: com o GPT-4o, 43,7% das sequências de dez rodadas terminaram com mais falhas do que tinham no começo. Pôr uma ferramenta automática de verificação no meio não salvou: ela não enxergava a proteção que a IA tinha apagado.
O que esses números não provam: é código de laboratório, com modelos de 2024 e 2025, ninguém mediu o Lovable nem o seu app, e não quer dizer que todo pedido piora alguma coisa. Provam uma só, e ela basta: rodada a mais, sem alguém conferindo entre uma e outra, não anda sozinha na direção do seguro. Os próprios autores do estudo de 2025 terminam recomendando validação humana entre as rodadas.
As plataformas sabem disso. Pela documentação do Lovable conferida esta semana, o botão Try to fix ("tentar consertar") tem 10 usos gratuitos, renovados 24 horas depois de cada uso; passou disso, cada clique é cobrado como pedido normal. A mesma página sugere, diante de um erro, investigar no modo de conversa antes de deixar a IA mexer no código. Nem a ferramenta recomenda insistir.
Não é ingenuidade sua
A pergunta do fórum é razoável: de fora, a IA parece uma máquina de transformar pedido em produto. Ninguém te contou que funcionar e pronto são coisas diferentes: funcionar é o app fazer o que você mostrou pra ele; pronto é ele aguentar o que você não mostrou. A primeira dá pra comprar com tentativa. A segunda só existe com conferência. Já escrevi aqui por que "consertei" não é evidência; este post é a conta do outro lado: o que fazer com o crédito que sobra.
A triagem do próximo crédito
Antes de mandar o próximo pedido, pegue a lista do que ainda está errado ou faltando no seu app. Papel mesmo. Pra cada item, responda uma pergunta:
Como eu vou saber que ficou certo, sem perguntar pra IA?
A resposta cai em uma de três caixas.
Caixa 1: "eu abro o app e vejo". Tem um resultado de sim ou não que você confere com os próprios olhos. "O total do carrinho com três itens de R$ 10 e frete de R$ 15 dá R$ 45." Aqui o token vale. Mande o pedido com essa frase dentro, e confira antes do próximo.
Caixa 2: "só a IA consegue me dizer". Segurança, cobrança, dado de um cliente aparecendo pra outro. Você não enxerga na tela, então qualquer "consertei" vira palavra contra palavra. O token não vale ainda. Primeiro monte o seu teste: o das duas contas pra dado vazando, um Pix de teste pra cobrança. Quando você souber conferir, o item sobe pra caixa 1.
Caixa 3: "não é código". Quem é o dono do banco de dados, quanto o app custa por mês, se uma pessoa de fora consegue usar sem você do lado. Token nenhum resolve, porque não tem nada pra IA escrever. É tarefa sua, e algumas levam vinte minutos.
Um exemplo de lista de um app de agendamento, triada:
| O que falta | Como vou saber? | Caixa |
|---|---|---|
| Horário duplicado quando dois clientes marcam juntos | marco dois no mesmo horário, em dois celulares | 1 |
| Cliente vê a agenda de outro cliente? | não sei | 2 |
| Pix confirmando sozinho | não sei | 2 |
| Banco está na conta de quem? | não é código | 3 |
| Botão de cancelar sumindo no celular | abro no celular | 1 |
A regra que sai da tabela: crédito só vai pra caixa 1. A caixa 2 vira teste antes de virar pedido. A caixa 3 vira tarefa na sua agenda. Lista quase toda nas caixas 2 e 3? Taí por que gastar mais não adiantava.
Faça hoje: quinze minutos e uma folha.
Era uma parede de várias
A triagem resolve pra onde vai o crédito. Não resolve quando parar um loop que já começou, nem separar a conversa de pensar da de construir, nem montar os testes que tiram cada item da caixa 2. São paredes diferentes, e elas têm ordem: primeiro você aprende a saber se está certo, depois decide quanto gastar pra deixar certo. A pergunta do fórum estava invertida, e não por culpa de quem perguntou. Ninguém tinha mostrado a ordem.
Fontes
- Shivani Shukla, Himanshu Joshi e Romilla Syed, "Security Degradation in Iterative AI Code Generation: A Systematic Analysis of the Paradox", arXiv, 2025 (400 amostras, 40 rodadas, aumento de 37,6% em falhas graves após cinco rodadas; recomenda validação humana entre rodadas). Código de laboratório, não mede plataformas no-code: https://arxiv.org/abs/2506.11022
- Yi Chen e coautores, "SCAFFOLD-CEGIS: Preventing Latent Security Degradation in LLM-Driven Iterative Code Refinement", arXiv, mar/2026 (43,7% das sequências de dez rodadas com GPT-4o terminam com mais falhas que no início; a verificação estática no meio aumentou a degradação escondida). Pré-publicação, ainda sem revisão de conferência: https://arxiv.org/abs/2603.08520
- Lovable, FAQ (10 consertos gratuitos compartilhados entre Try to fix e a tela de segurança, cada um volta 24 h depois; depois disso, cobrado como pedido normal; sugestão de investigar no modo de conversa antes de mexer no código): https://docs.lovable.dev/introduction/faq
- A pergunta do TabNews está no arquivo de falas da pesquisa deste blog, coletado em fóruns brasileiros em 2025 e 2026 (é conversa de fórum, não estatística).