Quem é engenheiro de software sabe que toda onda tecnológica chega com um pacote de promessas e que levá-la a sério, ou não, exige análise, não reação. Com a IA e o futuro do trabalho não é diferente: num dia aparece a manchete que decreta o fim da profissão, no outro a que garante que nada vai mudar. Penso que há duas coisas reais para olhar com atenção: a pressão sobre quem está entrando na carreira e o efeito amplificador da IA sobre a organização que já existe. E há outras duas que provavelmente vão sair do assunto: as previsões de desemprego em massa e a ideia de que um benchmark prova a substituição de engenheiros.

Muita verdade, muito exagero: como separar o que é medição do que é manchete

Para separar uma coisa da outra, uso um critério simples e vou aplicá-lo até o fim deste texto. Primeiro: o que foi medido e com que dados? Segundo: o que é apenas projeção, ou número cuja metodologia é contestada?

mostre uma vendedor de jornais, jovem clássico com a roupa e chapéu igual aos anos 1930, na calçada de um grande centro urbano, com várias pessoas passando na calçada, gritando "Extra! Extra!", num traço de desenho sóbrio e clássico

Um número medido em folha de pagamento ou em ensaio controlado pesa de um jeito. Uma projeção feita a partir de pesquisa com empregadores pesa de outro. Os dois podem ser úteis, mas não são a mesma coisa, e as manchetes raramente avisam qual dos dois estão vendendo.

Para não ficar no abstrato, vou carregar um cenário ao longo do texto. Ele é ilustrativo, não é um caso real: um time decide adotar um assistente de código num projeto novo e precisa escolher como medir se funcionou.

A primeira resposta do time costuma ser "vamos ganhar velocidade". É uma expectativa legítima. Mas um ensaio randomizado da METR mostrou que expectativa e realidade podem divergir bastante, e voltarei a esse resultado mais adiante 1.

O que provavelmente vai deixar de ser assunto: o desemprego em massa e a substituição por benchmark

Comecemos pelo desemprego em massa. Nos dados disponíveis, não aparece um deslocamento generalizado. O Yale Budget Lab analisou, nos EUA, 33 meses após o lançamento do ChatGPT e não encontrou associação entre exposição à IA e mudanças em emprego ou desemprego 2.

Na Dinamarca, um estudo cruzou pesquisas de adoção com registros administrativos de trabalho. Os chatbots de IA não tiveram efeito significativo sobre ganhos ou horas trabalhadas em nenhuma das ocupações estudadas, e a economia de tempo foi modesta, cerca de 3% 3.

Isso não quer dizer que nada vai acontecer. Quer dizer que a narrativa de colapso do emprego já em curso não encontra sustentação nas medições que temos hoje.

Agora, o benchmark. Quem trabalha com software conhece a distância entre "passou nos testes" e "foi aceito no repositório". A METR mostrou que muitos PRs que passam no SWE-bench não seriam aceitos por mantenedores reais 4.

No nosso time hipotético, esse é o segundo momento. O PR gerado pelo assistente passa na suíte de testes, mas isso não garante que o mantenedor do projeto o aceitaria. Se o critério de sucesso for só "os testes passaram", o time vai medir a coisa errada. Benchmark mede uma tarefa delimitada; não mede o julgamento de quem mantém um sistema por anos.

Há ainda as projeções, que valem para os dois lados. O Fórum Econômico Mundial projeta, para 2030, 170 milhões de novos empregos e 92 milhões deslocados, um saldo de 78 milhões 5. O número é útil como cenário. Só que vem de pesquisa com empregadores: é projeção, não medição. Quem usa esse dado para celebrar o otimismo precisa da mesma cautela de quem o ignora para sustentar o pessimismo.

O mesmo vale para os 95% de pilotos corporativos de IA generativa que não escalam ou não geram retorno, número atribuído ao relatório do MIT NANDA 6, muito comentado em notícias e posts de influenciadores, por sinal. A amostra é pequena e a metodologia é contestada 6. Eu o trataria com ressalva e, na dúvida, deixaria de fora, não considerando um argumento sólido.

O que é real: o efeito aparece na entrada da carreira

Aqui a medição é mais robusta. O Stanford Digital Economy Lab usou dados administrativos de folha de pagamento da ADP, com milhões de trabalhadores dos EUA até junho de 2026 7. O resultado: jovens de 22 a 25 anos em ocupações expostas à IA estão 19% abaixo do nível esperado 8.

Repare no que o mesmo estudo não diz. Não há sinal de deslocamento generalizado na economia 8. O efeito se concentra na entrada da carreira.

Isso conversa diretamente com a nossa área. Na minha leitura, as tarefas que costumavam servir de porta de entrada, como pequenos ajustes, correções simples e testes, são justamente as que um assistente de código assume com mais facilidade. Então fica a pergunta: como se forma o engenheiro júnior se o trabalho em que ele aprendia é o que a ferramenta faz primeiro?

Esse é o terceiro momento do nosso time. Imagine que o assistente de código absorve boa parte das tarefas pequenas e o júnior deixa de passar por elas. O ganho de curto prazo aparece no painel. O custo, aposto, aparece mais tarde, quando faltar gente que entende o sistema por dentro.

Minha posição é que a IA é apoio ao profissional, não ameaça à carreira. Mas isso não vale por igual para todo mundo. Para quem está começando, o quadro é mais duro. E quem lidera time tem responsabilidade sobre o caminho de aprendizado: decidir deliberadamente onde o júnior vai exercitar o raciocínio, em vez de deixar a ferramenta decidir por omissão.

Produtividade: o que a gente sente nem sempre é o que acontece

Voltemos à expectativa de velocidade. No ensaio randomizado da METR, desenvolvedores experientes de código aberto levaram 19% mais tempo ao usar IA em tarefas reais dos próprios repositórios, embora esperassem ser mais rápidos 1. Eram ferramentas do início de 2025.

Seria tentador parar aqui e usar o número como prova de que a IA atrapalha. A própria METR não faz isso. Em atualização de fevereiro de 2026, ela diz acreditar que os desenvolvedores provavelmente ganham mais velocidade com IA agora do que no início de 2025 9. Mas trata os dados novos como evidência muito fraca, por viés de seleção 9.

A lição não é que a IA atrasa nem que acelera. É que nenhum estudo isolado deve ser generalizado, inclusive o que confirma o que já pensamos. Se o seu time acha que está mais rápido, vale medir. Se acha que está mais lento, também.

O quadro de percepção ajuda a explicar a cautela. O relatório DORA 2025, do Google, mostra adoção de IA por cerca de 90% dos profissionais de tecnologia pesquisados, cerca de 14% a mais que no ano anterior 10. A adoção é ampla.

A confiança, porém, não acompanha. Na pesquisa Stack Overflow 2025, mais desenvolvedores desconfiam da precisão da IA (46%) do que confiam (33%), e só 3% confiam muito 11. Usamos a ferramenta, mas olhamos o que ela entrega com desconfiança.

E o que fazemos com essa desconfiança? Procuramos gente. Dos desenvolvedores pesquisados, 75% disseram que ainda pediriam ajuda a outra pessoa quando não confiam nas respostas da IA 11. O julgamento humano segue no centro do fluxo de trabalho.

O que merece atenção de quem lidera: a IA amplifica o time que você já tem

O DORA descreve a IA como espelho e multiplicador 12. Ela potencializa times coesos e expõe as fragilidades dos fragmentados, em vez de elevar o desempenho automaticamente 12.

Este é o quarto momento do nosso time hipotético, e o mais incômodo. O mesmo assistente de código, no mesmo projeto novo, pode dar dois resultados bem diferentes. Num time com revisão de código séria, arquitetura combinada e processo claro, a ferramenta tende a render mais. Num time em que cada um trabalha isolado e a revisão é só um carimbo, ela tende a gerar mais código sem que ninguém garanta que ele faz sentido.

Adotar ferramenta sem arrumar processo, revisão de código e arquitetura tende a multiplicar o problema, não a resolvê-lo. Pagar a licença antes de olhar para dentro do time é comprar um espelho e se surpreender com o reflexo.

Aqui volto a uma ideia que já defendi ao escrever sobre arquitetura: não existe bala de prata. Onde usar IA depende do caso de uso. Uma tarefa bem delimitada, num código bem coberto por testes, é um cenário. Um domínio complexo, com regras de negócio que só o time conhece, é outro. Cada um pede análise dos prós e contras, e não uma decisão de moda.

Onde isso nos deixa

A IA muda o trabalho intelectual, mas quem ainda aposta em desemprego em massa ou em engenheiro substituído por benchmark está apostando em manchete, não em medição. O que pede cuidado agora é quem está chegando à profissão e a qualidade do time que vai receber a ferramenta.

Por isso, desconfie de qualquer número isolado, inclusive os que confirmam a sua opinião. Meça o efeito no seu próprio time, com o seu caso de uso, e defina de antemão o que vai contar como sucesso. Cuide do caminho de aprendizado de quem está começando. E troque ideias com outros engenheiros antes de decidir.

Se gostou e quiser continuar esse papo, me chama. Será um prazer trocar mais ideias.