Laboratório não conseguiu realizar experimento sobre produtividade em codificação porque profissionais não aceitaram participar sem ferramentas de inteligência artificial.
O laboratório de pesquisa em inteligência artificial METR, nos EUA, tentou realizar um novo estudo sobre produtividade em codificação em fevereiro de 2026. Porém, a instituição não conseguiu conduzir o experimento. A maioria dos profissionais de desenvolvimento não aceitou participar da pesquisa sem o uso de ferramentas de inteligência artificial.
Os pesquisadores do METR planejavam repetir um experimento conduzido em 2025. Naquele ano, a instituição mediu quanto tempo desenvolvedores de código aberto levavam para realizar tarefas manualmente em comparação com o uso de IA. A tentativa de realizar o novo experimento fracassou, de acordo com o TechCrunch. Os profissionais não estavam dispostos a participar “porque eles não desejam trabalhar sem IA”, confessaram os pesquisadores.
O METR publicou em maio uma pesquisa alternativa. O estudo permitiu que funcionários técnicos autorrelatassem seus ganhos de produtividade com IA. Os participantes afirmaram que a tecnologia os tornava duas vezes mais valiosos para suas organizações.
O objetivo do novo experimento do METR era medir os avanços na IA e na proficiência dos codificadores. No estudo de 2025, os desenvolvedores relataram que a IA os tornava mais produtivos. Eles ficaram chocados ao descobrir que ela na verdade os desacelerava. A ferramenta gerava código mais rapidamente. Os profissionais gastavam tempo extra encontrando e corrigindo erros, direcionando a IA e esperando que ela completasse tarefas.
Soluções propostas
Scott Wu, fundador e CEO da Cognition, fabricante do agente de codificação com IA Devin, sugere que desenvolvedores usem agentes de codificação com IA para corrigir código.
Wu reconheceu limitações da ferramenta. Ele admitiu que, embora o Devin possa trabalhar de forma independente, atualmente avaliaria suas habilidades entre um programador júnior e de nível intermediário, dependendo da tarefa. Wu afirmou que essa não é uma solução em que se pode delegar e esquecer.
Os pesquisadores da Universidade de Gestão de Singapura propuseram uma abordagem mais centrada no elemento humano. Segundo eles, programadores devem conhecer quais tarefas a IA executa bem e quais não executa com a mesma profundidade com que conhecem suas linguagens de programação favoritas. Os especialistas indicaram que desenvolvedores precisam de sistemas robustos de garantia de qualidade projetados para IA. Os profissionais estão presos à necessidade de revisar cuidadosamente o trabalho da IA como se fosse de um desenvolvedor júnior.
Os pesquisadores afirmaram que humanos ainda devem realizar o trabalho de visão geral, como arquitetura de software e design de segurança. Wu concordou com essa avaliação.
A tendência de tokenmaxxing, ou usar o número de tokens que uma pessoa utiliza como proxy para produtividade com IA, tem sido a tendência de 2026 até agora. Aqueles que querem vender agentes de codificação com IA dizem que desenvolvedores podem simplesmente usar agentes de codificação com IA para realizar as tarefas exaustivas de corrigir código tão rapidamente quanto a IA o produz.
