Desenvolvedores rejeitam trabalhar sem IA e enfrentam riscos com qualidade do código
O dilema do uso obrigatório de IA na programação
Em 2026, ferramentas de Inteligência Artificial (IA) se tornaram indispensáveis para muitos desenvolvedores de software, a ponto de alguns se recusarem a trabalhar sem elas. Essa dependência crescente, porém, traz à tona uma questão preocupante: a rapidez proporcionada pela IA não está necessariamente traduzindo-se em código de melhor qualidade, alertam pesquisadores.
Pesquisa revela resistência a trabalhar sem IA
Em fevereiro de 2026, o laboratório de pesquisa METR publicou uma revelação surpreendente: a maioria dos desenvolvedores não quer realizar nem mesmo tarefas limitadas sem o auxílio da IA. Essa constatação surgiu ao tentar replicar um estudo anterior de 2025, que comparava o tempo gasto por programadores open source para executar tarefas manualmente versus com IA.
Naquele estudo, apesar dos desenvolvedores relatarem maior produtividade com IA, os pesquisadores notaram que o processo era, na prática, mais lento. A geração rápida de código pela IA exigia um tempo extra para encontrar e corrigir erros, orientar a ferramenta e aguardar sua finalização.
Quando o METR tentou repetir o experimento para avaliar avanços recentes, os programadores recusaram-se a participar, alegando não querer trabalhar sem IA nem mesmo para o estudo.
Percepção versus realidade: o impacto na produtividade
Como alternativa, o METR conduziu uma pesquisa em maio de 2026 para que funcionários técnicos autoavaliassem seus ganhos de produtividade com IA. A percepção foi que a IA os tornava duas vezes mais valiosos para suas organizações.
Entretanto, essa visão otimista é questionada por evidências recentes e relatos da indústria. O fenômeno conhecido como tokenmaxxing — uso intensivo de tokens para medir produtividade com IA — dominou o cenário em 2026, mas já mostra sinais de desgaste.
Por exemplo, a Amazon desativou seu placar interno Kirorank após funcionários explorarem a métrica para uso excessivo de agentes de IA, elevando custos sem ganhos reais de produtividade, conforme reportou o Financial Times. Já a Uber ultrapassou seu orçamento de IA para 2026 nos primeiros quatro meses, e seu COO Andrew Macdonald afirmou que o investimento não gerou aumento mensurável de projetos ou produtividade.
Problemas com manutenção e qualidade do código gerado por IA
Mais preocupante ainda é o impacto da IA na manutenção do código. O programador e autor James Shore, em um post viral no Hacker News, argumentou que acelerar a escrita do código pode significar custos permanentes maiores na manutenção. Ele alertou: "Você escreve código duas vezes mais rápido? Melhor torcer para ter reduzido pela metade os custos de manutenção. Caso contrário, você está ferrado."
Dados adicionais reforçam essa preocupação. Aiswarya Sankar, CEO da startup Entelligence AI, divulgou que empresas gastam 44% dos tokens de IA apenas para corrigir bugs gerados pela própria IA. A empresa CodeRabbit, especializada em ferramentas de revisão de código, analisou pull requests de código aberto e constatou que o código gerado por IA causava 1,7 vez mais problemas do que o criado por humanos.
Além disso, pesquisadores da Singapore Management University publicaram em abril um relatório alertando que "código gerado por IA pode introduzir custos de manutenção a longo prazo em projetos reais de software".
Como equilibrar o uso de IA e a qualidade do desenvolvimento?
Diante desse cenário, a solução não é abandonar a IA, mas aprender a usá-la com discernimento. Fabricantes de agentes de programação baseados em IA, como o Devin da Cognition, sugerem que a IA pode assumir tarefas repetitivas, incluindo correção de código, mas reconhecem limitações. Scott Wu, fundador da Cognition, avalia que o Devin atualmente possui habilidade equivalente a um programador júnior ou intermediário, dependendo da tarefa.
Pesquisadores da Singapore Management University recomendam que os programadores conheçam profundamente as tarefas que a IA executa bem e aquelas em que ela falha, assim como conhecem suas linguagens de programação favoritas. É fundamental implantar sistemas rigorosos de garantia de qualidade para trabalhos gerados pela IA e revisar cuidadosamente seu código, tratando-o como se fosse um desenvolvedor júnior.
Além disso, aspectos estratégicos como arquitetura de software e design de segurança devem continuar sendo responsabilidade humana, preservando o controle e a visão geral do projeto.