Testadores se cansam 22% mais que desenvolvedores com agentes de IA: 66,2 contra 54,5 pontos
Os agentes deveriam aliviar o trabalho do engenheiro, mas, no fim do dia, muita gente está mais cansada do que antes. Autores do Habr entrevistaram 26 profissionais com a escala NASA-TLX, na qual a própria pessoa avalia sua carga de trabalho. A média dos QAs ficou em 66,2, contra 54,5 dos desenvolvedores, ou seja, 22% a mais. O agente escreve código em minutos, mas o testador responde por um resultado que não viu nascer e paga o preço em estresse. Por isso, ao adotar agentes, reserve tempo para a verificação.
Processado por IA de Habr AI; editado por Hamidun News
Costuma-se dizer que os agentes de IA deveriam aliviar a carga do engenheiro: eles assumem o trabalho de rotina, e as tarefas fecham mais rápido. Muita gente, porém, percebe o contrário: o tempo é economizado, mas o cansaço no fim do dia é maior do que antes. Imagine um testador que recebe do agente, em vinte minutos, uma grande alteração de código.
Escrevê-la por conta própria levaria muito tempo, mas agora é justamente essa pessoa que precisa garantir a qualidade, embora não tenha visto como o agente chegou à solução. Dois autores do Habr verificaram como esse tipo de trabalho afeta o bem-estar dos colegas e chegaram a um quadro curioso. Ele é útil para tech leads que planejam adotar agentes e para os próprios engenheiros que querem entender a causa do seu cansaço.
Como a pesquisa foi feita
Participaram do estudo 26 funcionários de uma mesma empresa, a quem os autores chamaram de AI-native: desenvolvedores, QAs e gerentes de projeto. Todos usam com segurança um conjunto de ferramentas e agentes especializados e conduzem cenários longos, com várias etapas. Nesses cenários, o agente planeja ações, escreve e corrige código, faz depuração e aciona outras ferramentas. A carga foi medida pela metodologia NASA-TLX, criada no centro de pesquisa NASA Ames. A própria pessoa avalia seis parâmetros: esforço mental, esforço físico, pressão de tempo, esforço, desempenho próprio e frustração.
A hipótese inicial era que o cérebro de quem trabalha com TI fica muito sobrecarregado ao lidar com agentes. Ela não se confirmou. O índice médio ponderado ficou moderadamente alto: cerca de 57 pontos, com mediana de 58 e variação de 25 a 86. Em compensação, surgiu outro padrão. O índice médio dos QAs é 66,2, e o dos desenvolvedores, 54,5. A diferença é de 11,7 pontos, ou 22%. Ao comparar um testador qualquer com um desenvolvedor qualquer, a carga do testador é maior em cerca de 70% dos pares.
Por que os testadores se cansam mais
O indicador de "esforço mental" dos QAs é menor que o dos desenvolvedores: 72 contra 77. A diferença vem do esforço, da pressão de ritmo e da frustração. Os autores explicam que gerar o resultado ficou mais barato, enquanto o controle continuou caro. O testador responde pela qualidade e se preocupa com possíveis danos à reputação. Ao mesmo tempo, ele tem menos controle sobre como o agente chegou à solução. A responsabilidade permanece, a capacidade de gerenciar diminui, e isso causa estresse.
Mais alguns números de toda a amostra. Esforço mental alto (80 ou mais) foi relatado por 12 das 26 pessoas, esforço alto (80 ou mais) por 11, frustração alta (60 ou mais) também por 12, e forte pressão de prazo (80 ou mais) por 8. Muitos respondentes relatam aumento da carga mental e da irritação, mesmo quando o saldo de tempo economizado é maior.
O que, segundo as entrevistas, reduz ou aumenta a carga:
- Experiência com agentes. Quem sabe conduzir melhor o processo e reduzir a incerteza e as alucinações fica mais confiante no resultado e se preocupa menos.
- Tipo de projeto. Fazer vibe coding de POC e MVP "por diversão" sobrecarrega menos do que projetos complexos de produção, com requisitos rígidos de código e segurança.
- Pressão externa. Prazos de um dia e diretrizes como "com IA devemos trabalhar sete vezes mais rápido" pesam mais do que o trabalho com o agente em si.
- Qualidade do modelo. Trabalhar com modelos pagos fortes, como o Claude Opus, é mais fácil do que com os locais MiniMax ou Qwen, que travam, entram em loop e entendem a tarefa de forma errada.
- Tipo de trabalho. As tarefas de desenvolvimento são mais fáceis de dividir em etapas sequenciais. No teste, é preciso trocar de contexto com mais frequência, considerar condições implícitas e confiar na intuição.
O que diz a teoria e o que fazer
Os autores se baseiam no modelo de carga cognitiva de Sweller (1988): a carga intrínseca reflete a complexidade da própria tarefa, a extrínseca resulta de interferências, e a relevante descreve o esforço de construir esquemas mentais e alcançar compreensão profunda. A IA elimina parte da carga extrínseca: autocompletar, código de boilerplate, busca rápida na documentação. A carga intrínseca se desloca: a pergunta "como escrever" vira "como perguntar direito e verificar".
A carga relevante pode diminuir, e então enfraquecem a capacidade de ler código sem dicas e de manter na cabeça o quadro de todo o sistema. Em separado, os autores descrevem a "dívida cognitiva": a responsabilidade por um resultado que você, formalmente, não criou. O cérebro interpreta a perda de controle como ameaça, e crescem a ansiedade e o cansaço acumulado.
As recomendações do artigo são estas: usar a IA de forma consciente, ou seja, pedir que ela explique a solução, encontre pontos fracos e proponha alternativas; resolver tarefas periodicamente sem agentes; aprender a configurar agentes de forma sistemática, definir restrições e gerenciar o contexto.
Os próprios autores fazem ressalvas: a amostra é pequena, vem de uma única empresa e não é randomizada, e as avaliações são subjetivas. Eles não planejavam originalmente dividir os respondentes entre QAs e desenvolvedores, por isso a conclusão sobre os testadores continua sendo uma observação, não um efeito comprovado. Ainda assim, a conclusão prática é clara: se você acelera a geração de código, defina com antecedência quem vai verificar o resultado e como. Do contrário, o ganho de tempo vira estresse para quem responde pela qualidade. Na segunda parte do estudo, os autores prometem analisar o impacto da IA nas capacidades cognitivas dos engenheiros.
- 20 de nov. de 2026Criadora do Claude, a Anthropic levanta US$ 81,3 bilhões em IPO com avaliação de US$ 1,5 trilhão
- 20 de nov. de 2026Anthropic levanta US$ 81,3 bilhões no IPO e supera o recorde de US$ 75 bilhões da SpaceX
- 20 de nov. de 2026Anthropic estreia na bolsa e capta US$ 81,3 bilhões; ações sobem 17% no primeiro dia
- 20 de nov. de 2026Hugging Face e llama.cpp lançam Llama for Windows de 1 MB: IA sem terminal
Perguntas frequentes sobre a notícia
Como a pesquisa foi feita?
Participaram do estudo 26 funcionários de uma mesma empresa, a quem os autores chamaram de AI-native: desenvolvedores, QAs e gerentes de projeto. Todos usam com segurança um conjunto de ferramentas e agentes especializados e conduzem cenários longos, com várias etapas. Nesses cenários, o agente planeja ações, escreve e corrige código, faz depuração e aciona outras ferramentas. A carga foi medida pela metodologia NASA-TLX, criada no centro de pesquisa NASA Ames.
Por que os testadores se cansam mais?
O indicador de "esforço mental" dos QAs é menor que o dos desenvolvedores: 72 contra 77. A diferença vem do esforço, da pressão de ritmo e da frustração. Os autores explicam que gerar o resultado ficou mais barato, enquanto o controle continuou caro. O testador responde pela qualidade e se preocupa com possíveis danos à reputação. Ao mesmo tempo, ele tem menos controle sobre como o agente chegou à solução. A responsabilidade permanece, a capacidade de gerenciar diminui, e isso causa estresse.
O que diz a teoria e o que fazer?
Os autores se baseiam no modelo de carga cognitiva de Sweller (1988): a carga intrínseca reflete a complexidade da própria tarefa, a extrínseca resulta de interferências, e a relevante descreve o esforço de construir esquemas mentais e alcançar compreensão profunda. A IA elimina parte da carga extrínseca: autocompletar, código de boilerplate, busca rápida na documentação. A carga intrínseca se desloca: a pergunta "como escrever" vira "como perguntar direito e verificar".
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.