IA acelera o código, mas a produtividade não cresce: o que as métricas de DevEx explicam

A expectativa era simples: com assistentes de IA, o desenvolvedor entregaria três a quatro vezes mais código de qualidade. Na prática, quase ninguém vê esse crescimento múltiplo de produtividade nas equipes. Um dos estudos mais citados, o experimento randomizado da METR de 2025, mostrou que desenvolvedores experientes de código aberto resolveram tarefas 19% mais devagar com ferramentas de IA, embora eles próprios estimassem um ganho de velocidade de cerca de 20%. O Habr publicou a tradução de uma análise cujo autor propõe somar métricas de DevEx a DORA e SPACE, para enxergar o que a estatística convencional deixa passar. Baseamo-nos no anúncio do material e em descrições amplamente conhecidas desses frameworks.

Por que o código fica mais rápido, mas o resultado é o mesmo

Escrever código ocupa apenas parte da jornada do desenvolvedor. O resto é conversa com colegas, busca por documentação, espera por revisões e aprovações, builds e testes, e troca de uma tarefa para outra. A IA acelera a etapa mais visível, e o gargalo simplesmente muda de lugar. É a lógica da lei de Amdahl: se apenas uma etapa do processo ganha velocidade, o ganho total fica limitado ao peso dessa etapa.

Há também um efeito contrário. Mais código gerado significa mais diffs para revisar, mais verificações e mais risco de um erro passar despercebido. A produção por pessoa cresce, mas a capacidade de entrega da equipe continua a mesma. Por isso, métricas como número de linhas, de commits ou percentual de sugestões aceitas dizem quase nada sobre a velocidade real de entrega.

Três estruturas de medição

Cada framework olha para uma parte do sistema:

• DORA: quatro indicadores de entrega: frequência de deploys, tempo do commit até a produção, taxa de mudanças com falha e tempo de recuperação após uma falha. A métrica mostra o resultado do pipeline.
• SPACE: cinco dimensões: satisfação, desempenho, atividade, comunicação e colaboração, eficiência e fluxo. O framework alerta que a produtividade não pode ser descrita por um único número.
• DevEx: três fatores da experiência do desenvolvedor: velocidade do feedback, carga cognitiva e possibilidade de entrar em estado de fluxo. A métrica mostra o que atrapalha o trabalho.

É justamente o DevEx que responde à pergunta de para onde vão os minutos economizados. CI lento, arquitetura confusa, documentação dispersa e fila de aprovações consomem o ganho do autocompletar, e o DORA só registra isso de forma indireta, pelo tempo final de entrega.

Como a IA muda a própria medição

As ferramentas de IA introduzem novas variáveis no DevEx. Elas reduzem a carga cognitiva em tarefas rotineiras, mas criam uma nova: revisar código alheio, ainda que escrito por máquina. Aceleram a busca por respostas, mas podem levar a erros plausíveis. A divergência nos dados da METR entre a lentidão real e a sensação de aceleração mostra que pesquisas de opinião isoladas não bastam. São necessárias tanto avaliações subjetivas quanto telemetria do processo.

O que medir na prática

O ideal é começar antes da adoção em massa dos assistentes: sem um ponto de partida, não é possível separar o efeito de oscilações sazonais e de mudanças na composição da equipe. Depois, vale cruzar três camadas de dados.

• Tempo de espera: fila de revisão, duração do CI, atrasos em aprovações.
• Qualidade: taxa de mudanças com falha e tempo de recuperação do DORA, como contrapeso à velocidade.
• Experiência dos desenvolvedores: pesquisas curtas e regulares sobre fluxo, carga e qualidade do feedback.

Verifique separadamente se a carga sobre os revisores aumentou. Se a IA acelerou os autores e os engenheiros seniores estão afogados em diffs, a equipe ganha em atividade e perde em entrega. E não transforme o número de sugestões aceitas ou o volume de código gerado em KPI: esses números são fáceis de inflar e não têm ligação com o resultado do negócio.