Tendências✦ Gerado por IA

IA no Código: Produtividade em Xeque por Gargalos Inesperados

Um estudo de Harvard com 718 empresas revela que, embora assistentes de IA aumentem o volume de código escrito, o trabalho final entregue não cresce na mesma proporção devido ao aumento na complexidade das revisões.

Edição de ·InfoQ AI·4 min de leitura·
CompartilharWhatsAppXLinkedInFacebook
💡

Principal Aprendizado

O aumento de 30% no código gerado por IA não se traduz em entregas finais porque o tempo de revisão subiu 49%, criando um gargalo humano no processo.

O uso de inteligência artificial no desenvolvimento de software está criando um fenômeno curioso no mercado de tecnologia: as máquinas estão escrevendo mais, mas as equipes não estão entregando projetos mais rápido. Um estudo recente conduzido por pesquisadores de Harvard, utilizando a plataforma de análise Jellyfish, analisou dados de 718 empresas e cerca de 700 mil profissionais entre 2021 e 2026. A conclusão aponta que o aumento no volume de código gerado por assistentes e agentes de IA acaba represado em etapas posteriores do ciclo de desenvolvimento.

Os dados mostram que assistentes de IA, como o GitHub Copilot e o Cursor, geram aumentos modestos na produção bruta, enquanto agentes autônomos chegam a elevar em 30% o volume de linhas de código e em 23% as solicitações de alteração, conhecidas como pull requests. No entanto, quando se observa a conclusão de tarefas reais, como a resolução de problemas no Jira, o ganho de produtividade é significativamente menor ou inexistente. O estudo revela que o tempo médio para revisar um código aumentou 49%, evidenciando que a facilidade de gerar texto não se traduz em eficiência operacional.

O gargalo invisível da revisão de código

A pesquisa identifica que o principal obstáculo para a produtividade real reside nas etapas complementares ao ato de programar. Programadores gastam apenas cerca de 30% a 40% do seu tempo escrevendo código propriamente dito; o restante é dedicado ao planejamento, testes e, crucialmente, à revisão do que foi produzido. Com a entrada da IA, o número de comentários por revisão subiu 53% e a proporção de códigos que precisam de correções antes de serem aprovados dobrou.

Esse cenário sugere que a IA está sobrecarregando os revisores humanos. Como as ferramentas podem gerar alucinações ou soluções tecnicamente funcionais, mas conceitualmente erradas, os engenheiros precisam dedicar mais atenção para garantir que o código automatizado não introduza falhas de segurança ou dívida técnica. O esforço necessário para validar o que a IA produziu anula grande parte do tempo economizado durante a escrita inicial, criando um efeito de funil onde o código se acumula à espera de aprovação humana.

A armadilha do volume sobre a qualidade

De acordo com o InfoQ, o estudo levanta preocupações sobre a sustentabilidade desse modelo a longo prazo. Especialistas e desenvolvedores observam que cada linha de código gerada é um passivo potencial. Quando agentes de IA operam sem supervisão rigorosa, eles podem agir como atores pouco confiáveis, executando tarefas de forma tecnicamente correta em relação ao comando recebido, mas desastrosa para a arquitetura global do sistema. Isso torna a manutenção futura mais complexa e cara.

Outro ponto crítico é o impacto no conhecimento técnico das equipes. Se os engenheiros passam a entender menos o código que estão enviando para produção, a resolução de incidentes futuros torna-se mais demorada. O tempo médio de recuperação em caso de falhas pode subir, pois a equipe terá dificuldade em navegar por uma base de código vasta e densa que foi gerada automaticamente, sem o processo de raciocínio humano que tradicionalmente acompanha a construção de um software.

O que isso muda para você

Para o profissional brasileiro, este cenário exige uma mudança imediata de mentalidade: a produtividade não deve mais ser medida por quantas linhas de código você entrega, mas pela qualidade e revisabilidade do que você produz com o auxílio da IA. Se você é um gestor, o foco deve sair da velocidade de escrita e migrar para a otimização do fluxo de revisão. Ferramentas de IA que apenas escrevem código podem estar, na verdade, aumentando o custo total do seu projeto ao sobrecarregar seus engenheiros seniores com revisões intermináveis.

O próximo passo prático é estabelecer protocolos rigorosos de uso de IA que priorizem a clareza e a documentação. Em vez de pedir para a IA criar funções complexas de uma vez, utilize-a para explicar trechos, sugerir testes unitários e documentar a lógica. O objetivo deve ser reduzir o atrito para o revisor humano. No mercado atual, o desenvolvedor mais valioso não será aquele que usa a IA para codar mais rápido, mas aquele que usa a IA para entregar soluções que sejam fáceis de validar e manter.

📰 Com base em reportagem de InfoQ AI. Texto produzido com apoio de inteligência artificial, com curadoria e edição de Robson Benfica Conceição, com análise própria do que a notícia muda para quem trabalha no Brasil. Veja como produzimos.

📬 Newsletter Gratuita

As principais notícias de IA do dia, curadas por Robson Conceição. Grátis, todo dia no seu e-mail.

Gostou do conteúdo?

Compartilhe com quem também quer entender IA no trabalho.

CompartilharWhatsAppXLinkedInFacebook

Leia também