A mídia estrangeira afirma que ferramentas de programação baseadas em IA passaram de “opcional” para “configuração padrão” nas equipes de desenvolvimento, mas as expectativas otimistas sobre o aumento da eficiência estão sendo trazidas de volta à realidade por custos e problemas de qualidade crescentes. Múltiplos estudos e casos empresariais mostram que a IA realmente acelera a escrita de código, mas nem sempre reduz retrabalho posterior.
Os desenvolvedores já não querem se afastar da IA
A instituição de pesquisa em IA METR revelou em fevereiro deste ano que os pesquisadores originalmente pretendiam repetir um experimento sobre eficiência de programação, comparando a diferença entre desenvolvedores escrevendo código manualmente e usando IA para completar tarefas, mas encontraram resistência durante o processo: muitos desenvolvedores nem sequer estavam dispostos a abrir mão temporariamente das ferramentas de IA para o experimento.
METR realizou testes relacionados em 2025. Os participantes geralmente sentiram que sua eficiência aumentou, mas os resultados medidos foram opostos: embora o código fosse gerado mais rapidamente, os desenvolvedores gastaram mais tempo aguardando a saída do modelo, corrigindo erros e orientando repetidamente a ferramenta para concluir as tarefas.
Devido à dificuldade em manter os desenvolvedores envolvidos sem IA, a METR posteriormente passou a publicar uma pesquisa para que os profissionais de tecnologia avaliassem autonomamente os benefícios trazidos pela IA. Os entrevistados geralmente consideraram que a IA duplicou o valor do seu trabalho.
As empresas começam a reavaliar seus investimentos em IA
O artigo aponta que esses julgamentos de "auto-percepção de maior eficiência" estão sendo testados pelos gastos corporativos e pela produção real. Desde 2026, a Vale do Silício chegou a adotar o consumo de tokens como medida da intensidade de uso de IA, até mesmo como indicador proxy de produtividade, mas essa abordagem já apresentou efeitos contrários evidentes.
O Financial Times do Reino Unido relatou esta semana que a Amazon encerrou seu ranking interno de tokens, o Kirorank, porque os funcionários estavam “manipulando a classificação” ao fazer chamadas excessivas a agentes de IA, aumentando os custos sem melhoria correspondente na produção.
The Information relatou que a Uber esgotou seu orçamento anual de IA nos primeiros quatro meses de 2026. O chefe de operações da empresa, Andrew Macdonald, afirmou recentemente em um podcast que esses gastos ainda não resultaram em crescimento mensurável de projetos ou aumento de produtividade.
Escrever código mais rápido não significa menos manutenção
O artigo argumenta que o maior problema está na manutenção do código. O programador e autor James Shore apontou recentemente, em um blog amplamente compartilhado, que se a velocidade de escrita de código dobrar, mas o custo de manutenção não diminuir proporcionalmente, a equipe apenas troca uma aceleração de curto prazo por uma carga de longo prazo.
Em torno disso, o mercado também apresentou diversos dados. Aiswarya Sankar, fundadora da startup de engenharia de confiabilidade Entelligence AI, afirmou que cerca de 44% do consumo de tokens pelas empresas é destinado à correção de defeitos gerados por IA. A empresa de ferramentas de revisão de código Code Rabbit também afirmou que sua análise de pull requests em projetos de código aberto mostrou que os problemas causados por código gerado por IA são 1,7 vezes mais numerosos do que os causados por código humano.
Embora esses dados provenham de provedores de serviços relacionados e apresentem fatores de viés evidentes, pesquisas independentes também emitiram alertas semelhantes. Pesquisadores da Universidade de Gestão de Singapura publicaram um relatório em abril deste ano afirmando que o código gerado por IA pode gerar custos de manutenção a longo prazo para projetos de software reais.
Pesquisadores recomendam gerenciar a IA como um "desenvolvedor júnior"
Sobre como responder, o artigo menciona que algumas empresas de agentes de programação por IA defendem o uso contínuo de mais IA para corrigir problemas gerados por IA. Scott Wu, fundador da Cognition, desenvolvedora do agente de programação por IA Devin, compartilha essa visão.
No entanto, ele também reconheceu que, embora o Devin consiga concluir algumas tarefas de forma independente, suas habilidades atuais ainda se situam aproximadamente entre programador iniciante e intermediário, dependendo do tipo de tarefa. Isso significa que a equipe de desenvolvimento ainda não pode delegar completamente o trabalho ao agente e ignorá-lo.
Em contraste, os pesquisadores da Universidade de Gestão de Singapura recomendam uma abordagem mais voltada para supervisão humana: os desenvolvedores precisam compreender claramente os limites das tarefas em que a IA é forte e fraca, estabelecer processos de garantia de qualidade para as saídas da IA e revisar os resultados gerados pelo modelo como se estivessem avaliando o código de engenheiros júniores.
O artigo conclui que, em trabalhos de alto nível, como arquitetura de software e design de segurança, os desenvolvedores humanos ainda são os principais tomadores de decisão, um ponto com o qual até mesmo profissionais que apoiam agentes de IA basicamente concordam.