Gerar código ficou mais barato. Entendê-lo, não.
Observando as equipes de desenvolvimento nas empresas que estou mentorando, vejo alguns aspectos instigantes. A discussão sobre IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → no desenvolvimento continua excessivamente concentrada em produtividade: quanto código é gerado, quanto tempo é economizado, quantos pull requests são produzidos e quanto mais rápido uma funcionalidade chega à produção.
Mas no fundo estamos medindo apenas a parte mais visível da transformação. Quando a IA começa a assumir atividades que historicamente faziam parte do trabalho do desenvolvedor, ela não altera apenas a velocidade de produção. Ela modifica a natureza do trabalho e redistribui o esforço humano.
Um dos efeitos mais interessantes é o que podemos chamar de ansiedade de responsabilidade. O desenvolvedor pode escrever menos código, mas continua responsável pelo software entregue. Surge uma assimetria: parte da produção é delegada à IA, enquanto a responsabilidade permanece humana.
Quanto menos familiarizado estiver com o código gerado, maior pode ser o esforço necessário para compreendê-lo suficientemente bem para validá-lo e assumir responsabilidade por ele.
É uma espécie de “imposto de verificação”. Economizamos esforço na geração, mas podemos gastar parte desse ganho reconstruindo contexto, verificando decisões, procurando erros e avaliando consequências.
O trabalho não necessariamente desaparece. Ele muda de lugar. Parte do esforço sai da criação direta e migra para supervisão, interpretação, verificação, correção e integração. Isso pode aumentar o throughput e, ao mesmo tempo, aumentar a carga cognitiva sobre quem precisa responder pelo resultado.
Há também uma dimensão menos discutida: identidade profissional. Programadores não constroem sua identidade apenas em torno do salário ou da quantidade de entregas. Existe satisfação em compreender um problema, desenhar uma solução, dominar uma tecnologia e reconhecer no resultado a própria capacidade técnica.
E talvez a questão mais interessante não seja quanto do trabalho a IA está assumindo, mas qual trabalho. Automatizar uma tarefa repetitiva não produz necessariamente o mesmo efeito que delegar justamente a atividade pela qual alguém expressa expertise, criatividade, autoria e domínio profissional. A porcentagem de tarefas automatizadas diz pouco se não entendermos quais tarefas estão sendo transferidas.
Isso não significa rejeição à IA. É perfeitamente possível utilizar intensamente essas ferramentas, reconhecer ganhos de produtividade e, simultaneamente, experimentar perda de autonomia, aumento da pressão, incerteza ou redução da satisfação com determinadas partes do trabalho.
Quando a organização percebe que a IA acelera certas tarefas, pode surgir também uma pressão para elevar as expectativas de produção. O backlog não necessariamente diminui porque uma atividade ficou mais rápida. Podemos simplesmente passar a esperar mais entregas.
Parte do ganho tecnológico pode, portanto, vir acompanhada de intensificação cognitiva e do trabalho. Produzimos mais artefatos, que precisam ser compreendidos, revisados, integrados e mantidos.
Há ainda a pressão permanente para acompanhar novas ferramentas, modelos e formas de trabalhar. Aprender sempre fez parte da profissão. Mas a velocidade atual pode transformar atualização profissional em uma corrida contínua.
Por isso considero simplista medir adoção de IA em desenvolvimento apenas por utilização da ferramenta, linhas de código, pull requests ou produtividade percebida.
Precisamos observar também qualidade, esforço de verificação, carga cognitiva, autonomia, compreensão do código, desenvolvimento de competências, identidade profissional e sustentabilidade do trabalho.
É importante não generalizar esses efeitos. Evidências qualitativas recentes vêm de contextos organizacionais específicos e, em um estudo particularmente interessante, de apenas uma organização e 21 participantes, predominantemente profissionais experientes e atuando em ambiente com forte preocupação com qualidade, rastreabilidade e responsabilidade. Os achados ajudam a identificar mecanismos e levantar hipóteses; não demonstram que todos os desenvolvedores ou empresas experimentarão os mesmos efeitos.
Uso IA intensamente e não vejo sentido em romantizar a maneira antiga de desenvolver software. Muitas tarefas repetitivas podem e devem ser automatizadas. Mas também não vejo sentido em assumir que toda redução no esforço de produzir código representa automaticamente uma melhoria do trabalho.
Vejo que estamos entrando em uma fase em que gerar software fica progressivamente mais barato, enquanto compreender, verificar e assumir responsabilidade por aquilo que foi gerado se torna cada vez mais importante.
O desafio das empresas, portanto, não será simplesmente fazer seus desenvolvedores usarem mais IA. Será redesenhar o trabalho para que a produtividade proporcionada pela máquina não seja obtida às custas da capacidade, do julgamento e da responsabilidade de quem continua respondendo pelo software.
É CEO da Litteris Consulting. Profissional e estudioso de Tecnologia da Informação desde fins da década de 70, com educação formal diversificada, em Economia, mestrado em Ciência da Computação e MBA em Marketing de Serviços, e experiência profissional moldada pela passagem em empresas de porte mundial. Escreve constantemente sobre tecnologia da informação em publicações especializadas como CIO Magazine, Mundo Java, além do iMasters, e apresenta palestras em eventos e conferências de renome. É autor de sete livros que abordam assuntos como Software Livre, Grid Computing, Software Embarcado, Cloud Computing e Big data.
