O Custo Invisível da IA no Desenvolvimento de Software
TL;DR
IA aumenta output, mas transfere o esforço do autor para o validador. As métricas atuais não enxergam isso e mostram produtividade onde pode existir dívida técnica e humana acumulando silenciosamente.
O dado que resume tudo: 54% dos devs têm medo de questionar outputs ruins porque parece improdutivo nos dashboards.
O que muda: medir revisão, debugging e contexto-switching com o mesmo rigor que se mede geração de código.
Introdução
Um estudo lançado em maio de 2026 pela Harness —
The state OF Engineering Excellence 2026 — com mais de 700 profissionais do mundo todo, mostra que a IA está transformando a rotina dos desenvolvedores de forma positiva e negativa. Embora acelere a escrita de código, a IA introduziu uma carga de trabalho nova e totalmente invisível.
Mudança da forma de trabalho
Antes de entrar nos dados, deixa eu ser honesto sobre o que mudou no meu próprio dia a dia. Sou chefe arquiteto de software e até pouco tempo, meu trabalho era principalmente arquitetar soluções, escrever código, conversar com pessoas, discutir trade-offs, alinhar estratégia, desenhar sistemas.
Hoje gasto a maior parte do meu tempo revisando. Não há revisão no sentido de mentoria técnica, mas revisão de saída de máquina: entender o que aconteceu, por que aconteceu, e se aquilo cabe na estratégia de arquitetura e custo da empresa. Além de carga para gerenciar espectativas e pressões sobre uso de AI. Quando vi como os dados deste estudo se encaixam na minha realidade, resolvi falar sobre minha percepção.
Eu não sou um caso isolado. Este estudo, com engenheiros e líderes de engenharia em cinco países veio confirmar exatamente isso.
“31% do dia de um desenvolvedor é consumido por trabalho invisível relacionado à IA que não aparece em nenhuma métrica.” .
De criador para revisor
O relatório ainda mostra que 81% dos líderes de engenharia reportaram aumento considerável no tempo de code review desde que começaram a usar IA.
Esse dado eu sinto na pele: Nosso fluxo de PR que antes fluía normalmente, virou gargalo e ponto de atenção. Passei a ter que monitorar para não travar a esteira, o que por si só já é um trabalho que não existia antes. (Em outro artigo vou escrever como estou melhorando esse fluxo)
“Os desenvolvedores não são mais os autores primários do código. Eles são agora os validadores do output gerado pela máquina.”
Não é que seja errado usar IA dessa forma. O problema é que o custo dessa revisão não aparece em nenhum planejamento de capacidade. Simplesmente acontece, e vai se acumulando.
Em alguns casos, até revisar código de novos atores de áreas fora de engenharia. Vibe coding chega em diversas empresas permitindo outras áreas criarem software, e alguém precisa segurar se aquilo é sustentável, seguro, e se cabe na estratégia de arquitetura da empresa.
O cansaço que ninguém mede
Tem uma dimensão do problema que o relatório chama de Brain Fry — exaustão cognitiva.
A troca constante e profunda de contexto entre tarefas é exaustiva intelectualmente, penalizando o foco e a qualidade de execução de cada tarefa. A qualidade de engenharia fica prejudicada.
“94% dos líderes dizem que dívida técnica e burnout de desenvolvedores estão faltando nas métricas atuais.”
Principais custos invisíveis relacionados a AI no desenvolvimento
Esses foram os relatos de qual tarefa tem consumido mais tempo: (% dos respondentes)
- 53% Revisar codigo feito por AI
- 52% Consertar bugs introduzidos por AI
- 48% Explicar codigo da AI para o time
- 45% Troca de contexto
Fora da rotina
Além do trabalho operacional, tem o trabalho de se manter atualizado. Pessoalmente silenciei canais de notícia porque a enxurrada de conteúdo sobre IA é inacreditável. Todo dia alguém vendendo “como fazer seu trabalho ser 10x mais eficiente”, “como a IA vai substituir tudo”, “a nova ferramenta que muda tudo”…
Manter-se relevante e atualizado como arquiteto hoje significa filtrar o que realmente importa num volume crescente de informação e absorver o que importa. Isso também é carga coognitiva e consome energia. Outro item que não aparece em nenhuma métrica de produtividade.
As métricas não evoluíram
O relatório é direto sobre isso:
“As organizações estão medindo output bruto. Elas não estão medindo onde os ganhos de produtividade estão sendo gastos.”
DORA metrics, ciclo de PR, volume de código — todos continuam como eram antes da IA. O problema é que eles foram construídos para um mundo onde o desenvolvedor era o autor. Num mundo onde ele é o validador, esses números mentem.
Testemunhei pessoas se gabando de desenvolver o planejado um semestre em duas semanas usando vibe coding. As métricas explodiram de eficiência, mas na prática não se tornou uma entrega real.
Está semana, cancelei ferramentas que mediam esse tipo de métrica. O custo não se justificava para dashboards que não contavam a história que já era a nossa realidade.
E o dado mais preocupante do estudo: 54% dos desenvolvedores temem que seus dados de produtividade com IA sejam usados negativamente em avaliações de desempenho. Isso cria um incentivo para aceitar outputs ruins sem questionar, porque questionar “parece” reativo e menos produtivo no dashboard.
É necessário criar espaço para que as pessoas digam que estão sobrecarregadas sem parecer que estão reclamando.
O que precisa mudar, segundo a Harness
O relatório propõe:
- Meça também o custo de validar: tempo de revisão, debugging e troca de contexto.
- Mais codigo não significam mais valor: acompanhe o que realmente foi entregue utilizado pelo cliente.
- Métricas incompletas é um alerta: revise se os indicadores capturam os impactos reais da IA.
- Prepare métricas para crescente complexidade: espere mais governança, segurança e necessidade de métricas avançadas.
- Crie confinaça da equipe nas suas métricas: defina regras e transparência antes de instrumentar medições.
Conclusão
A IA veio pra ficar, mas tem seu preço, Fingir que esse preço não existe cria duas dívidas: a técnica, no código, e a humana, nas pessoas.
Depois de tudo que vivi nesses últimos meses, o que fica é simples. Se você lidera um time de engenharia e ainda não revisou suas métricas à luz de tudo isso, provavelmente seu time já está sentindo o peso de um trabalho que ninguém está medindo.