Como métricas obrigatórias de uso de AI nas empresas reduzem a motivação dos desenvolvedores

Um desenvolvedor de uma grande fintech russa descreveu o lado negativo da corrida corporativa pela implementação de IA: KPIs obrigatórios para o uso de IA podem não acelerar o trabalho, mas sim prejudicar a motivação da equipe. Sua tese é simples: quando um engenheiro é avaliado pela proporção de código gerado, a ferramenta começa a competir não com a rotina, mas com o sentido de valor profissional.

De Onde Vem o Conflito

Em muitas equipes, assistentes de IA para código deixaram de ser um experimento e entraram no fluxo de trabalho cotidiano. Junto com eles vieram métricas de cobertura, dashboards de uso e a expectativa de que um desenvolvedor mostre regularmente a "porcentagem correta" de tarefas concluídas com ajuda de IA. Para a gestão, a lógica é clara: as licenças custam dinheiro, a implementação precisa ser medida de alguma forma, e os números nos relatórios parecem convincentes. Mas nesse modelo, o foco muda do resultado para o simples fato de usar a ferramenta.

O problema, segundo o autor, não está na IA em si, mas em sua natureza obrigatória. Para muitos desenvolvedores, o principal motivador não é a "eficiência" abstrata, mas o senso de autoria: eu mesmo entendi, eu mesmo encontrei o bug, eu mesmo levei o código a um estado funcional. Quando vem de cima uma exigência de usar geração em quase toda tarefa, até uma ferramenta conveniente começa a ser percebida como controle externo. Neste ponto, a IA deixa de ser uma ferramenta de escolha e se torna parte da política corporativa.

Quando a IA Atrapalha

O artigo fornece um exemplo específico de trabalho: era necessário montar rapidamente uma implementação simples de um cenário CDC, onde um serviço escreve dados em um banco de dados e os envia para Kafka, enquanto outro lê a mensagem e a salva em outro banco de dados. Para um engenheiro experiente, esta é uma tarefa familiar e curta que pode ser concluída manualmente em cerca de dez minutos enquanto todo o contexto ainda está na mente. Mas para cumprir os KPIs, o autor decidiu realizá-la inteiramente através de IA.

Na prática, isso se mostrou mais lento. Em vez de trabalho direto, ele teve que formular um prompt, esperar pela geração, verificar se o modelo inventou algo a mais, validar a lógica e ler código que ele mesmo não escreveu. No final, a tarefa levou duas a três vezes mais tempo.

E este é um contraargumento importante à ideia popular de que usar IA é automaticamente igual a aumento de produtividade. Em tarefas familiares, a sobrecarga de formulação e verificação pode consumir todo o ganho.

• A satisfação no trabalho diminui porque o resultado existe, mas falta o sentimento de "eu fiz isso"
• A velocidade é perdida se o tempo vai para prompts, reverificação e entendimento de código alheio
• A compreensão do contexto enfraquece quando parte do pensamento é delegada ao modelo
• A ansiedade retorna sobre suas próprias habilidades e forma profissional

Perda de Autoria

A tese mais forte do texto não é sobre velocidade, mas sobre o estado interno do desenvolvedor. Se uma tarefa simples é concluída, mas feita principalmente pela máquina, uma pessoa pode não ter o sentimento usual de trabalho concluído. Para aqueles que entraram na profissão não apenas pelo salário, esta é uma substituição dolorosa. O desenvolvimento de um ofício e trabalho criativo começa a se transformar em supervisão de uma "caixa preta", e o engenheiro se torna um operador que aceita ou rejeita a opção proposta.

"Eu escrevo arquitetura complexa sozinho, delego rotina"

Daí vem a conexão com o síndrome do impostor. Se a internet cair e o acesso ao LLM desaparecer, posso resolver a mesma tarefa sozinho? Se cada vez mais confio em geração, as habilidades pelas quais realmente me pagam não começarão a se degradar? Este medo é especialmente agudo para especialistas fortes cuja identidade profissional se constrói na autossuficiência e na compreensão profunda do sistema. E são precisamente tais pessoas que frequentemente assumem releases complexos, serviços críticos e a qualidade da cultura de engenharia.

O Que Isso Significa

A história ilustra bem os limites das métricas de implementação de IA. É útil medir não a proporção de código gerado, mas onde a ferramenta realmente economiza tempo: em DTOs de template, testes, rascunhos, documentação e outras rotinas. Assim que o KPI começa a privar o desenvolvedor do direito de escolher, a empresa corre o risco de obter um dashboard bonito, mas uma equipe mais lenta, menor engajamento e um novo ciclo de esgotamento.