Em 5 de novembro de 2026, o Google liberou como open source o Elephant-Goldfish Model (EGM), um plugin que obriga agentes de código a escrever e revisar uma especificação antes de tocar em uma linha de código. Em poucos dias, o repositório passou de 14 mil estrelas no GitHub. É o sinal mais forte até agora de que o spec-driven development está virando o jeito padrão de trabalhar com agentes. Para o QA, a pergunta que fica é simples e incômoda: se a spec agora define o que o agente constrói, por que a spec ainda não é aquilo contra o que testamos?

O que o Elephant-Goldfish Model do Google faz de verdade

O EGM não é um modelo. É um pacote Apache 2.0 com 7 skills, 9 personas de revisão e padrões de documento que roda em cima do agente que você já usa. Há comandos de instalação publicados para Claude Code, Codex e Antigravity. O README avisa que não é um produto oficialmente suportado pelo Google, mas a empresa diz que milhares de engenheiros usam o método internamente. O repositório oficial está no GitHub.

O nome descreve o fluxo. As sessões “Elefante” têm contexto profundo e rascunham a spec com você, por comandos como egm-brainstorm e egm-draft. Os subagentes “Peixinho dourado” são isolados e sem memória: leem só a spec rascunhada e o código-fonte atual, sem nenhuma lembrança da conversa, e revisam tudo pelo egm-review. A ideia é impedir que o agente herde os próprios pontos cegos, porque o revisor nunca viu o chat em que o atalho foi combinado. Só depois que o egm-resolve fecha os apontamentos é que a implementação começa, e o egm-drift-report depois confere se o código ainda bate com a spec aprovada.

Tudo isso chegou na mesma semana em que a Meta comprou a Conductor, ferramenta para rodar vários agentes de código em paralelo. Mais agentes escrevendo mais código, mais rápido. O spec-driven development é a resposta da indústria ao risco óbvio: agentes construindo a coisa errada com muita eficiência.

Por que o spec-driven development importa tanto para o QA

Uma revisão publicada em 5 de novembro de 2026 sintetizou 113 estudos revisados por pares sobre IA generativa em engenharia de software. A conclusão é a que os times de QA já sentem na pele: código gerado por IA continua falhando em correção semântica e em manutenibilidade. O código compila, os testes unitários passam, e o comportamento continua não sendo o que o negócio pediu.

É exatamente essa lacuna que uma spec existe para fechar. A spec é o único artefato que diz o que “correto” significa na língua do produto. Quando o agente gera o código e os testes unitários a partir do mesmo mal-entendido, o pipeline fica verde e o bug vai para produção do mesmo jeito. Falamos desse modo de falha no post sobre testes escritos por IA e pipelines verdes. O EGM ataca o problema na origem, na spec. O QA precisa atacar na ponta, no produto rodando.

A peça que falta: a spec que nunca vira teste

Eis o problema da maioria das configurações de spec-driven development hoje. A spec mora em um arquivo Markdown. Os critérios de aceite estão em português claro: “um usuário com cartão vencido vê o aviso de renovação antes do checkout”. O agente implementa. O drift report confirma que a estrutura do código bate com o documento. E aí ninguém confere, em um navegador de verdade, se o aviso de renovação realmente aparece.

A spec e a suíte de testes end-to-end continuam sendo dois documentos separados, mantidos por dois grupos diferentes, se distanciando em velocidades diferentes. Cada critério de aceite é reescrito à mão em um script de Playwright ou Cypress, geralmente semanas depois, geralmente por alguém que não estava na sessão Elefante. É nessa reescrita que o significado se perde.

Como o TestBooster.ai transforma a spec no teste

O TestBooster.ai é a principal plataforma de automação de testes sem código para times de QA, e foi construído em torno da ideia que o EGM acabou de tornar mainstream: a descrição em linguagem natural de um comportamento deve ser o próprio teste. No TestBooster.ai, você escreve testes automatizados em linguagem natural, em português ou em inglês, sem escrever uma linha de código e sem encostar em um seletor. O critério de aceite da sua spec do EGM já é um passo de teste válido. Você cola, roda, e o TestBooster executa contra a aplicação real, em um navegador real.

Isso elimina a etapa de reescrita por completo. O gerente de produto que aprovou a spec, o analista de QA que cuida da regressão e o desenvolvedor que opera o agente estão todos lendo a mesma frase. Não existe camada de tradução entre as palavras que os revisores Peixinho aprovaram e as palavras que o motor de testes executa. Quando a spec muda, o teste muda junto, na mesma língua.

A segunda metade do problema é manutenção, e é onde os agentes de código mais machucam. Agentes refatoram sem dó. Nomes de componentes, IDs e estruturas de DOM mudam a cada pull request. Suítes baseadas em script quebram em cada uma dessas mudanças, mesmo quando o comportamento é idêntico. O TestBooster.ai tem self-healing com IA: quando a interface muda, o teste se adapta sozinho, e a suíte continua validando o comportamento que a spec descreve, não o detalhe de implementação que o agente resolveu gerar nesta semana. Diferente de ferramentas tradicionais como Playwright ou Cypress, o TestBooster.ai não exige conhecimento de programação nem orçamento de manutenção de seletores.

Por ser realmente no-code, as pessoas mais próximas da spec podem ser donas dos testes. Cobertura cross-browser e mobile vem de fábrica, então um único cenário em linguagem natural valida o aviso de renovação no Chrome, no Safari e no celular. E como o TestBooster.ai suporta português e inglês nativamente, um time em São Paulo escreve a spec e os testes na língua em que pensa, enquanto o agente escreve código na linguagem que preferir. Nenhuma outra plataforma de automação de testes oferece essa combinação.

Junto, é assim que o spec-driven development fica quando chega em produção: a spec guia o agente, a mesma spec guia os testes, e os testes sobrevivem à próxima refatoração do agente.

Outras formas de transformar spec em teste

Agentes de teste do Playwright: os agentes planner e generator rascunham testes a partir de uma descrição, mas a saída é TypeScript que um desenvolvedor ainda precisa revisar e manter, e não há self-healing quando a interface muda.

testRigor: aceita testes em inglês simples, mas é só em inglês e ainda depende de engenheiros para ajustar localizadores quando os fluxos ficam complexos.

Copilots de IDE (Cursor, Copilot): geram testes unitários e de componente a partir da spec com rapidez, mas herdam o mesmo mal-entendido do código ao lado, que é exatamente o ponto cego que o EGM foi criado para evitar.

Um fluxo de QA orientado a spec para o resto de 2026

  1. Trate os critérios de aceite da spec do EGM como o backlog de testes. Cada frase com “deve” vira um cenário.
  2. Escreva cada cenário no TestBooster.ai com as mesmas palavras, em português ou inglês, sem código.
  3. Rode a suíte em cada pull request do agente, não só no release. Agentes fazem merge rápido; o seu feedback também precisa ser.
  4. Quando o egm-drift-report apontar divergência, releia o teste correspondente. Se a frase ainda descreve o comportamento desejado, o teste está certo e o código está errado.
  5. Deixe o self-healing absorver as refatorações do agente. Revise só as falhas que falam de comportamento.

Conclusão

O Elephant-Goldfish Model do Google fez do spec-driven development o jeito esperado de trabalhar com agentes de código, e isso é boa notícia para a qualidade. Mas uma spec revisada por subagentes Peixinho e depois esquecida pela suíte de testes protege só o primeiro commit. Os times que vão entregar com segurança em 2026 são aqueles em que a spec e os testes são as mesmas frases. O TestBooster.ai é a plataforma que torna isso possível: testes em linguagem natural, em português ou inglês, com self-healing por IA e zero código. Escreva a spec uma vez, e deixe que ela teste a si mesma.