Uma pesquisa realizada pela Universidade de Harvard analisando 718 empresas, por meio da plataforma de análise Jellyfish, revelou que embora assistentes de código e agentes com IA aumentem o volume de código produzido, isso não se traduz em aumento correspondente de trabalho concluído. O principal gargalo identificado ocorre em etapas posteriores do desenvolvimento, especialmente na revisão de código.
O estudo examinou aproximadamente 300 milhões de eventos de trabalho de 700 mil profissionais em mais de 700 empresas, com dados coletados entre janeiro de 2021 e março de 2026. As fontes incluíram informações de recursos humanos, sistemas de controle de versão de código, gerenciadores de problemas, ferramentas de agendamento como Google Calendar e assistentes de IA, incluindo GitHub Copilot, Cursor e Claude Code.
Resultados dos assistentes de IA
Os assistentes de IA demonstraram aumentos modestos: 12% em linhas de código adicionadas, 9% em commits e 5% em solicitações de pull. Apenas o efeito sobre commits apresentou significância estatística. Quando medido por problemas resolvidos em Jira e épicos por trabalhador ao mês, os assistentes não aumentaram o número de tarefas concluídas.
Resultados dos agentes de IA
Os agentes apresentaram aumentos maiores e estatisticamente significativos: 30% em linhas de código, 20% em commits e 23% em solicitações de pull. Esses agentes geraram aumento de 12% em problemas resolvidos, número significativamente inferior ao aumento de 30% em linhas de código.
Identificação dos gargalos
Os pesquisadores analisaram o processo de desenvolvimento completo, que vai além da codificação e inclui planejamento de funcionalidades, revisão de código, testes e implantação. Uma pesquisa com 100 engenheiros revelou que profissionais dedicam 30% a 40% de seu tempo à escrita de código, deixando o restante para tarefas complementares.
Quando a IA aumenta a produtividade na escrita de código, essas etapas complementares transformam-se em gargalos. O tempo médio para revisar uma solicitação de pull aumentou 49%, o número de comentários por solicitação cresceu 53%, e a proporção de solicitações que exigem mudanças dobrou. A participação de profissionais realizando revisões de código aumentou 14%, sem qualquer melhoria advinda do uso de IA para assistir essas revisões. O aumento de esforço relacionado a solicitações de pull não pode ser explicado por aumento no tamanho individual delas.
Implicações observadas
Em discussão nas redes, o usuário Prime_1 do Reddit observou que "cada linha de código é uma responsabilidade potencial". Outro usuário, markehammons, desenvolveu essa perspectiva destacando o risco adicional de alucinações de IA: "Ainda mais ao lidar com um ator não confiável, e agentes são mais não confiáveis que a maioria dos atores. Podem fazer coisas muito erradas sem qualquer malícia, e em uma tentativa equivocada de cumprir a tarefa atribuída a eles".
O usuário enigmamonkey sugeriu que o tempo médio de recuperação poderia se tornar uma métrica cada vez mais importante para avaliar o impacto da IA no desenvolvimento de software: "Se seus engenheiros estão escrevendo e compreendendo cada vez menos do código que implantam, imagino que problemas se tornem mais frequentes e mais complicados de resolver. Particularmente conforme o código cresce... e vai crescer".
A plataforma Jellyfish conecta dados de ferramentas como GitHub e Jira para medir desempenho e produtividade de engenharia de software nas organizações.
