A IA deu mais código ao mundo. Agora o mundo precisa de mais revisores.
Equipes com alto uso de IA mesclam 98% mais pull requests, mas o tempo de revisão aumentou 91% e 31% do dia de um engenheiro é trabalho invisível. É aqui que a entrega desacelera.
Principais conclusões
Equipes com alta adoção de IA mesclaram 98% mais pull requests, mas o tempo de revisão de PR aumentou 91%, de acordo com a telemetria da Faros AI de mais de 10.000 desenvolvedores em 1.255 equipes.
A pesquisa de 2026 da Harness com 700 profissionais de engenharia revelou que 31% do dia de um desenvolvedor agora é dedicado ao trabalho de validação relacionado à IA. Apenas 38% das organizações acompanham o tempo gasto revisando código gerado por IA.
Os benchmarks da Plandek com mais de 2.000 equipes mostram que as equipes do quartil superior entregam em menos de 22,5 dias, enquanto as do quartil inferior levam mais de 62. A IA diminuiu essa lacuna, mas sem eliminá-la.
Equipes que atacam diretamente suas restrições de planejamento, revisão e qualidade entregam mais do que o dobro do resultado por engenheiro em comparação com as equipes que não o fazem.
O trabalho mudou de escrever código para julgá-lo. A maioria das empresas ainda contrata, gerencia e avalia como se isso não tivesse acontecido.
O que todos acreditam sobre IA e entrega de engenharia?
A visão convencional diz que as ferramentas de codificação por IA tornam os engenheiros mais rápidos, portanto, mais ferramentas significam mais produtos entregues. Compre as licenças, assista ao aumento de pull requests e a entrega acontece naturalmente. No nível individual, isso se confirma: a Faros AI descobriu que desenvolvedores em equipes de alta adoção concluem 21% mais tarefas e mesclam 98% mais pull requests.
Os próprios engenheiros concordam. O estudo de junho de 2026 da Info-Tech com 578 líderes de software revelou que 94% dos desenvolvedores relatam ganhos significativos de produtividade, e 83% relatam uma redução significativa de defeitos no código entregue. Se o número de pull requests da sua equipe saltou após a implementação de uma ferramenta de codificação por IA, você presenciou o mesmo fenômeno.
Então, por que o seu cronograma de lançamentos (roadmap) ainda está atrasando? Um pull request mesclado não é uma funcionalidade entregue ao usuário, e essa crença trata os dois como o mesmo evento.
Por que um código mais rápido está gerando entregas mais lentas?
Porque escrever código nunca foi o gargalo. Isso fica antes das etapas de revisão, teste e lançamento, e essas fases não aceleraram. A Faros descobriu que o tempo de revisão de PR aumentou 91% e o tamanho médio do PR cresceu 154% em equipes de alta adoção. Os engenheiros agora entregam muito mais código aos revisores, e os revisores são as mesmas pessoas trabalhando nas mesmas horas.
Por que a velocidade individual não se traduz em velocidade para a empresa?
Os ganhos se perdem em cada transferência de tarefa. A Faros relatou que a correlação entre a adoção de IA e as métricas de desempenho no nível da empresa desaparece quando se olha além do desenvolvedor individual. Filas de revisão, conjuntos de testes instáveis e pipelines de lançamento lentos absorvem o volume extra antes que ele chegue ao cliente.
Qual é o trabalho invisível que consome um terço do dia da engenharia?
É a validação: revisar a precisão do código de IA, corrigir bugs sutis introduzidos pela IA e explicar o código gerado para os colegas de equipe. A pesquisa de 2026 da Harness com 700 profissionais estima isso em 31% do dia de um desenvolvedor, e apenas 38% das organizações monitoram algo disso.
A Sapio Research realizou a pesquisa para a Harness em abril de 2026. Dos líderes de engenharia que responderam, 81% disseram que o tempo de revisão de código aumentou drasticamente desde que implantaram a IA. Entre os desenvolvedores, 53% apontaram a revisão de precisão como seu principal ponto de atrito, 52% citaram a correção de bugs sutis e 48% mencionaram a explicação do código gerado por IA para os colegas de equipe.
Isso representa quase um terço de cada salário de engenharia na sua folha de pagamento indo para um trabalho que não aparece em nenhum painel. Uma função que costumava levar uma hora para ser escrita agora aparece em segundos, e a hora é gasta lendo, testando e descobrindo por que ela faz algo ligeiramente diferente do que você pediu. Seus engenheiros agora editam, auditam e julgam códigos que não escreveram, e esse trabalho é mais difícil de visualizar do que a digitação jamais foi.
O que os dados realmente mostram sobre quais equipes vencem?
As equipes que corrigiram seus processos, não as equipes com mais licenças. Os benchmarks de 2026 da Plandek com mais de 2.000 equipes mostram que as equipes do quartil inferior que utilizam IA reduziram o tempo de entrega de valor de 62 dias para 33, enquanto as equipes do quartil superior passaram de 22,5 dias para 20. A diferença diminuiu, mas não desapareceu.
Métrica | Baixo desempenho | Alto desempenho |
|---|---|---|
Tempo médio de entrega | Mais de 62 dias | Menos de 22,5 dias |
Tempo para mesclar um pull request | Mais de 35 horas | Menos de 21 horas |
Trabalho de sprint planejado concluído | Menos da metade | Mais de dois terços |
Melhoria no tempo de entrega com IA | Quase 50% | 10 a 15% |
A IA ajuda equipes com dificuldades cerca de quatro vezes mais do que ajuda as equipes fortes. Mesmo assim, uma equipe de baixo desempenho chega a 33 dias, cerca de dez dias atrás de onde as equipes do quartil superior começaram. Todos têm as mesmas ferramentas, de modo que a diferença está no planejamento, na revisão e nas práticas de qualidade que as cercam.
A Plandek descobriu que equipes que abordam diretamente gargalos de planejamento, revisão e qualidade alcançam mais do que o dobro do rendimento por engenheiro em comparação com equipes que não o fazem. Os dados da Info-Tech mostram o quão distantes a maioria das empresas está disso. Apenas 37,4% das organizações que utilizam IA na etapa de construção descrevem sua maturidade em IA como formal ou superior, e 67% concordam que códigos gerados por IA precisam de mais testes do que códigos escritos por humanos. A adoção está avançando muito mais rápido do que os processos.
A medição torna tudo isso pior. A Harness descobriu que 54% dos desenvolvedores temem que os dados de produtividade de IA sejam usados contra eles em avaliações de desempenho. Se os seus engenheiros acreditarem que números honestos são punidos, você receberá números lisonjeiros, e você não pode gerenciar um gargalo que nunca lhe é mostrado.
Quando a visão convencional está correta?
Está correta em relação ao rendimento bruto, e está correta quando seu fluxo de trabalho tinha margem para absorver o volume extra. A IA de fato aumenta a velocidade de conclusão de tarefas, e as equipes mais fracas são as que mais se beneficiam disso. As evidências contra isso também são mais fracas do que as manchetes sugerem.
O contraexemplo mais conhecido é o teste da METR, que descobriu que desenvolvedores experientes de código aberto levaram 19% mais tempo em tarefas com IA, embora acreditassem que tinham sido 20% mais rápidos. Esse estudo envolveu 16 desenvolvedores no início de 2025, e seu intervalo de confiança variou de 2% a 39%. Em fevereiro de 2026, a METR afirmou que o resultado provavelmente subestimou os benefícios da IA, embora também tenha classificado seus dados mais recentes como um sinal não confiável. O que ele mostra com clareza é que a percepção das pessoas sobre a própria velocidade pode estar profundamente errada. Não mostra que a IA desacelera os engenheiros.
Mais duas ressalvas se aplicam. Os 94% da Info-Tech são auto-relatados, e auto-relatos são precisamente o que a METR detectou falhar. E as empresas por trás de três desses estudos (Harness, Plandek e Faros AI) vendem ferramentas que medem equipes de engenharia, então elas têm um motivo para dizer que a medição está falha. Ainda assim, os números apontam para a mesma direção em todas as quatro fontes.
O que você deve fazer de diferente?
Meça o trabalho de validação, depois defina a equipe e planeje em torno dele. Monitore o tempo de revisão no código gerado por IA, torne a taxa de entrega (ship rate) sua métrica principal em vez da contagem de pull requests, e corrija a etapa mais lenta do seu fluxo de trabalho antes de comprar outra licença. As próprias cinco recomendações da Harness apontam na mesma direção.
Monitore a revisão. Apenas 38% do organizações o fazem. Comece com as horas desde o pull request aberto até o mesclado, e a proporção de comentários de revisão que se aplicam a códigos escritos por IA.
Relate a taxa de entrega, não o volume. Funcionalidades entregues, proporção de trabalho planejado da sprint concluído (equipes de ponta terminam mais de dois terços) e tempo de entrega. As contagens de pull requests devem sair do painel executivo.
Encontre o seu gargalo. Os dados da Plandek apontam para planejamento, revisão e qualidade. Escolha o que for mais lento em seu fluxo de trabalho e coloque suas melhores pessoas nele.
Contrate avaliando o senso crítico de revisão. Entregue aos candidatos um código gerado por IA com falhas na entrevista e pergunte o que eles mandariam de volta. Um engenheiro que detecta um bug sutil vale mais hoje em dia do que um que digita rápido.
Torne os dados seguros para compartilhar. Garanta por escrito que métricas de tempo de revisão não influenciarão avaliações de desempenho individuais, já que 54% dos desenvolvedores temem exatamente isso.
A International Digital Partners aloca engenheiros seniores nearshore em DevOps, engenharia de software e nuvem que trabalham no horário comercial dos EUA. Isso importa ainda mais quando a revisão passa a ser o seu gargalo, porque um pull request que espera a noite toda por um revisor custa um dia inteiro, e a sobreposição de horários elimina essa espera.
Fontes
The Invisible Burden: How AI is Redefining Developer Productivity in 2026 (SD Times, sobre o relatório Harness State of Engineering Excellence 2026)
AI Helps Low-Performing Engineering Teams 4x More Than High-Performing Ones, New Benchmarks Show (Benchmarks de Produtividade de Engenharia Plandek 2026)
94% of Developers Report AI Productivity Gains, but Governance Maturity Lags Behind Adoption (Info-Tech Research Group)
The AI Productivity Paradox Research Report (Faros AI)
We are Changing our Developer Productivity Experiment Design (METR)
Mais Artigos
A IA deu mais código ao mundo. Agora o mundo precisa de mais revisores.
Equipes com alto uso de IA mesclam 98% mais pull requests, mas o tempo de revisão aumentou 91% e 31% do dia de um engenheiro é trabalho invisível. É aqui que a entrega desacelera.
Equipes nearshore estão superando empresas dos EUA no uso de ferramentas de codificação de IA
Equipes nearshore já trabalham de forma assíncrona e documentam tudo. Esse hábito, e não a geografia, é a razão pela qual elas adotam ferramentas de codificação de IA mais rápido do que a maioria das empresas americanas.
Comparação de Custos Nearshore vs. Offshore: Os Números Reais
As tarifas de desenvolvedores offshore são, no papel, de 40 a 70% menores do que as de nearshore. Na prática, a rotatividade de pessoal, a perda de sobreposição de horários e o retrabalho eliminam a maior parte dessa diferença.