Provavelmente sim, em muitas tarefas, mas ninguém mediu isso bem até agora, e a sensação de quem usa é um péssimo indicador. Essa é a conclusão mais honesta da pesquisa mais citada sobre o assunto, que costuma aparecer em discussões como prova de um lado ou do outro.
O estudo que virou meme
Em julho de 2025, a METR acompanhou 16 desenvolvedores experientes de código aberto em 246 tarefas reais, sorteando quais podiam usar IA. Com IA, as tarefas levaram 19% mais tempo.
O dado mais interessante é outro. Antes de começar, eles previam ganhar 24% de velocidade. Depois de terminar, mesmo tendo ficado mais lentos, ainda acreditavam ter ganhado 20%. A distância entre a percepção e a medição é de quase 40 pontos.
O estudo tem limites que a própria METR destaca. Foram poucas pessoas, muito experientes, em projetos grandes que conheciam profundamente, com ferramentas do início de 2025. A METR afirma que isso não prova que a IA não acelera a maioria dos desenvolvedores, e lembra que ela pode ajudar mais quem tem menos experiência ou não conhece o código.
O que mudou em 2026
Em fevereiro de 2026, a METR publicou uma atualização com ferramentas do fim de 2025, e marcou os resultados antigos como desatualizados. As novas estimativas apontam para tempo menor com IA: 18% nos desenvolvedores que voltaram e 4% nos novos. Só que os intervalos incluem a possibilidade de nenhum ganho, indo de 38% mais rápido a 9% mais lento no primeiro grupo.
O motivo da incerteza é curioso: o estudo quebrou porque as pessoas não queriam mais trabalhar sem IA. Muitos recusaram participar, e de 30% a 50% admitiram evitar enviar tarefas que não queriam fazer sem ela. Com isso, as tarefas em que a IA mais ajuda ficaram de fora. A METR acredita que o ganho real é maior, mas considera esses dados uma evidência muito fraca do tamanho dele, e está mudando o método.
Muitos textos resumiram isso como “a METR voltou atrás”. É mais correto dizer que ela já não consegue medir do mesmo jeito.
Velocidade para escrever não é velocidade para entregar
Esta parte é a nossa leitura, não um resultado do estudo. Escrever código nunca foi a única etapa do trabalho. Sobra entender o problema, revisar, testar e corrigir. Quando escrever fica barato, parte do tempo apenas muda de lugar: há mais código para revisar, e nem todo ele é seguro. O relatório da Veracode de 2026 mostra modelos passando em cerca de 56% dos testes de segurança, quando usados sem orientação específica e sem revisão.
É por isso que uma equipe pode se sentir mais rápida, abrir mais pull requests e entregar no mesmo ritmo. Isso não é um argumento contra a IA, e sim contra medir o ganho pela quantidade de código.
Como medir na sua equipe
- Meça o caminho inteiro. Use o tempo entre começar a tarefa e ela estar em produção, não o tempo até o primeiro código.
- Acompanhe o que vem depois. Veja tempo de revisão, retrabalho e erros em produção nos 30 dias seguintes.
- Compare por tipo de tarefa. Corrigir um bug em código conhecido e criar uma tela nova têm ganhos diferentes. A média esconde onde a IA ajuda e onde atrapalha.
- Não use a percepção como métrica. Perguntar se o time ficou mais rápido mede satisfação, que também importa, mas não mede velocidade.
E para quem contrata desenvolvimento?
Desconfie de promessas como “10x mais rápido com IA”, inclusive quando vêm de fornecedores. Pergunte como a equipe revisa o código gerado, quais testes rodam antes de publicar e quem responde quando algo quebra. As respostas dizem mais sobre o que você vai receber do que a ferramenta usada.
