Desenvolvedores de 1C migram para agentes de IA: McKinsey vê ganho de produtividade de apenas 3%
Uma equipe de 20 pessoas que escreve código para 1C (plataforma russa de contabilidade e gestão de negócios) migrou para agentes de IA em seis meses: o código manual caiu várias vezes, e a revisão aumentou. A McKinsey estima o ganho médio de produtividade com IA em apenas 3%, e em 30% das equipes ela caiu. Por isso, a equipe primeiro definiu quem verifica o código de IA e quando, e só depois partiu para o hardware.
Processado por IA de Habr AI; editado por Hamidun News
Quando agentes de IA chegam a uma equipe, todo mundo faz a mesma pergunta: o que os desenvolvedores vão fazer agora? O líder de uma equipe de cerca de vinte pessoas publicou no Habr um relatório sobre como eles percorreram esse caminho ao longo de alguns meses. A equipe reúne desenvolvedores de 1C (plataforma russa de contabilidade e automação de negócios) e de stacks relacionados, além de testadores e analistas.
O autor comparou a própria experiência com dados do setor. O número mais sóbrio vem da consultoria McKinsey: o ganho médio de produtividade com IA é de cerca de 3%, e em 30% das equipes a produtividade chegou a cair. A conclusão da McKinsey é que ganha não quem comprou a ferramenta, mas quem reorganizou papéis e processos em torno dela.
É justamente por isso que a história da equipe serve como exemplo de por onde começar.
Como isso evoluiu na equipe
Não havia um plano. Na primavera de 2026, parte dos colegas simplesmente testava agentes de IA em projetos pessoais. No verão, isso virou prática de trabalho: a escrita manual de código caiu várias vezes, mas aumentou a carga de code review e de decisões de arquitetura. No fim do verão, a equipe começou a experimentar geração local em hardware próprio e montou uma base de conhecimento compartilhada, da qual saiu uma base específica para 1C. Uma vez por semana, acontecem encontros para trocar experiências com ferramentas de IA. Sem eles, segundo o autor, seria difícil manter o ritmo.
No outono, um agente em nuvem foi adotado como ferramenta principal para toda a equipe. Antes disso, senhas, chaves e outros dados sensíveis foram removidos do código. Na mesma época, foi lançado um piloto de spec-driven development: a especificação passa a ser o principal artefato, e o código é derivado dela. Para avaliar os modelos, a equipe usou o projeto de benchmarking PRISM, para não acreditar em promessas de marketing e rodar os modelos nas próprias tarefas.
Houve também uma descoberta desagradável: parte da equipe relatou piora no sono e no bem-estar em meio à imersão abrupta na tecnologia. O autor considera que isso precisa ser levado em conta no ritmo de adoção.
O que diz o setor
A Gartner prevê que a maior parte do código será escrita por agentes de IA e revisada por desenvolvedores experientes. Pela estimativa da empresa, 80% dos engenheiros precisarão ser requalificados até 2027. A IDC descreve o mesmo fenômeno como uma mudança para a supervisão: definir a tarefa, verificar o resultado, refinar a saída do agente. Mais alguns números do levantamento:
- A participação de modelos locais e open-weight (com pesos abertos) no tráfego de tokens da IA corporativa, segundo pesquisa com 200 empresas, subiu de 23% para 34% em um ano. A Vercel, no seu gateway, vê um salto de 11% para 36% em três meses.
- Hospedagem self-managed na nuvem e on-premises (em hardware próprio) dividem o mercado quase meio a meio: 46% contra 42%.
- Segundo a BlueOptima, em tarefas reais de grandes empresas, as ferramentas de IA têm sucesso em menos de 23% dos casos. A Sourcegraph explica o motivo: o benchmark SWE-bench testa repositórios pequenos e independentes, não grandes bases de produção.
- A Gartner alerta que, sem gestão, os gastos com tokens vão superar o salário médio de um desenvolvedor até 2028.
- 64% das empresas estão adotando agentes de IA, mas apenas 33% delas medem o retorno sobre o investimento (ROI).
O autor ressalva que as estimativas de difusão da IA variam de 59% a mais de 90% conforme a fonte, então é preciso cautela com percentuais isolados.
Planos e regras de revisão
No meio do próximo ano, os tech leads receberão um NVIDIA DGX Spark cada, um computador compacto para IA, como sandbox para experimentos com geração local. Para o fim do ano, está prevista a montagem de um servidor compartilhado, capaz de atender toda a equipe ao mesmo tempo com um modelo da classe 400B+ (400 bilhões de parâmetros ou mais). A especificação exata do servidor foi adiada para um checkpoint depois de alguns meses de trabalho com as sandboxes. Se o servidor próprio não ficar pronto a tempo, o plano B é uma hospedagem open-weight gerenciada.
A primeira versão do plano falava mais de ferramentas do que de processo. Depois de conhecer as conclusões da McKinsey, a equipe definiu três regras:
- A revisão de arquitetura é movida para o nível da especificação, antes da geração do código.
- Para código de IA, entra um checklist próprio: convenções internas, casos de borda da lógica de negócio e verificação de "alucinações".
- Antes do merge de código de IA, uma pessoa específica assina a mudança, em vez de um "ok por padrão".
O que levar para a sua equipe
O autor resume as conclusões para outras equipes. A IA acelera o trabalho, mas não substitui pessoas, e é melhor dizer isso em voz alta desde o início. Um benchmark próprio, rodado na sua base de código, vale mais do que rankings gerais, sobretudo para plataformas de nicho como o 1C. O processo importa mais do que a ferramenta. O bem-estar da equipe entra no plano de adoção. E até uma simples autoavaliação trimestral do resultado já coloca você na minoria de empresas que chegam a calcular o ROI.
Ressalva: esta é a experiência de uma única equipe, e os dados do setor vêm de fontes diferentes, com metodologias diferentes. O material é útil como ponto de partida para um plano de adoção, mas não como prova de um efeito universal.
- 21 de nov. de 2026Thinking Machines lança Inkling 2 Mini: 26 bilhões de parâmetros e 20,1 pontos no AA Index
- 21 de nov. de 2026O MiniMind, projeto aberto, permite treinar a sua própria LLM do zero por US$ 0,42 em uma RTX 3090
- 21 de nov. de 2026TensorRT-LLM supera o vLLM na H100: 2780 contra 2400 tokens/s no Llama 3.3 70B
- 21 de nov. de 2026Agente Empatra Studio 0.29 ficou 59% mais barato no front-end e dobrou de velocidade
Perguntas frequentes sobre a notícia
Como isso evoluiu na equipe?
Não havia um plano. Na primavera de 2026, parte dos colegas simplesmente testava agentes de IA em projetos pessoais. No verão, isso virou prática de trabalho: a escrita manual de código caiu várias vezes, mas aumentou a carga de code review e de decisões de arquitetura. No fim do verão, a equipe começou a experimentar geração local em hardware próprio e montou uma base de conhecimento compartilhada, da qual saiu uma base específica para 1C.
O que diz o setor?
A Gartner prevê que a maior parte do código será escrita por agentes de IA e revisada por desenvolvedores experientes. Pela estimativa da empresa, 80% dos engenheiros precisarão ser requalificados até 2027. A IDC descreve o mesmo fenômeno como uma mudança para a supervisão: definir a tarefa, verificar o resultado, refinar a saída do agente.
O que se sabe sobre Planos e regras de revisão?
No meio do próximo ano, os tech leads receberão um NVIDIA DGX Spark cada, um computador compacto para IA, como sandbox para experimentos com geração local. Para o fim do ano, está prevista a montagem de um servidor compartilhado, capaz de atender toda a equipe ao mesmo tempo com um modelo da classe 400B+ (400 bilhões de parâmetros ou mais). A especificação exata do servidor foi adiada para um checkpoint depois de alguns meses de trabalho com as sandboxes.
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.