A DX publicou uma pesquisa interessante que constatou que os ganhos de produtividade com IA ainda estão muito abaixo do hype.

Os principais motivos levantados foram:

1) Escrever código nunca foi o principal gargalo

Escrever código é só uma parte pequena do trabalho real de engenharia (16% do tempo, segundo pesquisa da Microsoft). IA acelera escrita de código, não necessariamente o sistema inteiro.

2) Automatizar apenas parte do ciclo de desenvolvimento cria novos gargalos

Esse é o ponto chave:

IA acelerou muito a escrita de código, mas isso gerou gargalos em outras partes do processo como code review e validação. Mais código está sendo produzido, mas o tempo economizado escrevendo código está sendo perdido na validação mais minuciosa desse código.

Nesse formato, o gargalo só muda de lugar.

A conclusão pra mim é óbvia: o ganho maior está vindo para as empresas que conseguem automatizar com IA o ciclo de desenvolvimento de software como um todo, e não apenas geração de código.

3) Fricção social atrapalha adoção

A pesquisa fala sobre polarização entre engenheiros “pró-AI” e “anti-AI”.

Em algumas empresas, as pessoas ainda nem sabem se usar IA é algo “bem visto” ou não.

É missão do/da CTO guiar o time nessa transição que estamos vivendo.

4) Limitações das ferramentas e skill gaps

Saber usar ferramentas de IA virou uma das skills mais importantes, e boa parte das pessoas ainda está no começo da curva de aprendizado. Além disso, as ferramentas ainda estão amadurecendo e nem sempre se encaixam naturalmente nos workflows existentes.

5) A maior parte das ferramentas de IA ainda não possui contexto suficiente

Grande parte do contexto importante ainda vive na cabeça das pessoas, em conversas, em decisões antigas, em conhecimento implícito.

6) Outras observações interessantes da pesquisa:

• documentação frequentemente era negligenciada por times de desenvolvimento e está melhorando com IA. (minha observação: mas ao mesmo tempo, boa documentação também ajuda muito a IA a ganhar contexto)
• IA é especialmente poderosa em projetos greenfield e PoCs (esse é meio óbvio)
• existe uma preocupação crescente de que devs estejam terceirizando pensamento crítico demais para a IA (acho natural; como em qualquer mudança, tem coisas que realmente não vamos mais precisar pensar a respeito)

Importante: a pesquisa usa dados até fevereiro de 2026. Nesse mercado, isso praticamente significa “ontem”. As ferramentas estão evoluindo muito rápido e provavelmente veremos ganhos maiores nas próximas pesquisas.

No fim, o resumo é: IA já é uma ferramenta extremamente útil, mas os maiores gargalos da engenharia continuam sendo humanos, organizacionais e sistêmicos.

Fonte: AI and engineering velocity: A longitudinal analysis​