O C-level e board member com atuação em gestão de tecnologia e pessoas, Murilo Moura Alencar, menciona um exemplo que ilustra as dinâmicas hodiernas entre IA e programadores: dezesseis programadores experientes, trabalhando em projetos que eles mesmos mantinham, passaram a usar ferramentas de inteligência artificial para acelerar o trabalho. Ao final, estimavam ter ficado 20% mais rápidos. O cronômetro registrou o contrário: com IA, as tarefas levaram 19% mais tempo.
A distância entre sensação e resultado ajuda a desmontar uma crença comum nas empresas de tecnologia, a de que dar IA a cada desenvolvedor faz a equipe inteira entregar mais. Considera-se que essa conta ignora o que acontece depois que o código é escrito. Nos próximos parágrafos, você vai descobrir por quê.
O que o estudo da METR mediu, afinal?
O experimento, conduzido pela organização de pesquisa METR, foi um ensaio randomizado com 246 tarefas de programação, feitas com ou sem apoio de IA. Os participantes atuavam em repositórios grandes e maduros, com mais de um milhão de linhas de código, que conheciam em detalhe. Antes de começar, eles previam que a IA cortaria o tempo em 24%.
Esse contexto pesa. Como elucida Murilo Moura Alencar, quem domina um sistema gigante já sabe onde mexer, e o tempo economizado na digitação tende a voltar em outras formas: escrever instruções, esperar respostas, ler sugestões e corrigir o que não se encaixa. O resultado não prova que a IA atrapalha sempre. Mostra que a percepção de ganho não serve como métrica.
Por que acelerar uma etapa não acelera a entrega?
Imagine uma cozinha em que o cozinheiro passa a preparar o dobro de pratos, mas o restaurante continua com um único garçom. Os pratos esfriam no balcão. O cliente não come mais cedo.
No desenvolvimento de software, o balcão é a revisão de código. Murilo Alencar pontua que, embora A IA encurte a escrita, cada linha gerada ainda precisa ser lida, testada e aprovada por alguém que responde por ela. Se o volume cresce e a capacidade de revisão continua igual, a fila apenas muda de lugar. É a lógica da teoria das restrições: o ritmo de um sistema é ditado pela etapa mais lenta, não pela mais rápida.
É nesse ponto que a discussão deixa de ser técnica e vira gestão. Medir quantas linhas cada pessoa produz passa a premiar justamente o comportamento que congestiona a revisão. Um indicador mais honesto é o tempo que uma mudança leva desde a primeira linha escrita até estar em produção.
Onde a IA realmente encurta o caminho?
Um desenvolvedor que precisa escrever um script numa linguagem que usa pouco, ou montar o esqueleto de um protótipo, tende a ganhar tempo real. Nessas situações falta conhecimento de partida, e a ferramenta preenche a lacuna. Pesquisas com atendentes de suporte apontaram padrão parecido: o ganho de produtividade se concentrou nos profissionais com menos experiência. O raciocínio inverso também vale: quanto mais contexto a pessoa já carrega, menor a margem para a ferramenta acrescentar algo.
Murilo Alencar sugere tratar a adoção da IA como redesenho do fluxo de trabalho, e não como compra de ferramenta. Na prática, isso significa decidir em que tipo de tarefa ela entra, reforçar a revisão antes de aumentar o volume e combinar critérios claros sobre quem responde pelo código gerado.
Velocidade se mede na mão de quem usa
A pergunta útil para qualquer liderança de tecnologia não é se os desenvolvedores se sentem mais produtivos. É quanto tempo uma ideia leva para chegar funcionando às mãos de quem vai usá-la. Esse número inclui escrita, revisão, testes e retrabalho, e é o único que o cliente percebe.
A inteligência artificial não elimina o trabalho de julgar se algo está certo. Ela desloca esse trabalho para outro ponto da cadeia, onde nem sempre há gente preparada para recebê-lo. Equipes que entendem esse deslocamento, segundo Murilo Moura Alencar, usam a ferramenta para ganhar tempo, e as que não entendem isso ganham apenas a impressão de velocidade.
