Seu Ganho de Produtividade com IA Está Sendo Pago por uma Etapa que Ninguém Mede
A IA tornou instantânea a metade generativa do trabalho intelectual e deixou a metade da verificação exatamente tão difícil quanto sempre foi. Seus painéis só mediam a metade que ficou mais rápida.
Gerar ficou barato. Verificar não. Boa parte do estranhamento nos números atuais de produtividade com IA vem exatamente dessa assimetria. Antes de dizer se uma ferramenta melhorou alguma coisa, é preciso identificar qual metade do trabalho ela tocou.
Divida qualquer fluxo de trabalho intelectual ao meio e você encontra duas metades com psicologias completamente diferentes. A primeira produz candidatos: o rascunho, o esquema, a primeira versão do código, as seis opções de uma campanha. É generativa, visível, e parece progresso. A segunda metade descarta candidatos: revisar, verificar contra algo real, conciliar com o que o resto da empresa já decidiu, jogar fora. Quando funciona bem, ninguém percebe, e é por isso que sempre pareceu tarefa administrativa.
A IA tornou a primeira metade quase instantânea. Deixou a segunda praticamente onde estava, e a distância entre as duas já é grande o suficiente para inverter resultados que os próprios profissionais dão como certos. Em um teste controlado e randomizado conduzido pela METR no início de 2025, dezesseis desenvolvedores experientes de código aberto realizaram 246 tarefas reais em repositórios que já conheciam bem, com apoio de IA liberado para metade delas, sorteada aleatoriamente. Levaram 19% mais tempo nas tarefas assistidas. Depois, estimaram que as ferramentas os haviam deixado cerca de 20% mais rápidos. A etapa generativa pareceu ágil, então o dia pareceu ágil, e nada na própria experiência deles estava medindo a etapa que havia ficado mais lenta.
Por que a produção sobe enquanto a qualidade cai em silêncio?
Siga o mecanismo, não o clima. Modele o fluxo de trabalho como uma fila de dois estágios. O primeiro é a geração. O segundo é a revisão, e a capacidade de revisão é um número fixo de horas humanas competentes por semana. Acelere o primeiro estágio e a fila na frente do segundo cresce na mesma proporção. Isso só se resolve de três formas: o backlog cresce até alguém reclamar, a capacidade de revisão cresce para acompanhar, ou o padrão de revisão cai até o throughput voltar a equilibrar.
A primeira é visível. A segunda custa dinheiro que ninguém orçou, porque o caso de negócio da ferramenta era economia de headcount. A terceira é grátis, imediata, e não exige decisão de ninguém. Acontece por padrão, um revisor de cada vez, cada um fazendo uma escolha localmente razoável de passar os olhos em vez de checar, porque a alternativa é ser o gargalo visível num trimestre em que os números de todo mundo estão subindo.
A entrega de software é onde isso aparece primeiro, porque é a única disciplina do conhecimento que já vinha medindo o próprio retrabalho havia uma década. O relatório DORA de 2024 colocou números nessa troca: na população pesquisada, um aumento de 25% na adoção de IA foi associado a uma queda estimada de 1,5% no throughput de entrega e de 7,2% na estabilidade de entrega, mesmo com os indivíduos relatando se sentir mais produtivos. Mãos mais rápidas, entrega mais lenta, mais quebras. Se uma disciplina que já tem lead time, taxa de falha em mudanças e contagem de rollback na parede consegue derrapar assim, um time de marketing contando peças publicadas não tem a menor chance de perceber.
O mesmo padrão aparece nos artefatos. A análise da GitClear sobre centenas de milhões de linhas alteradas encontrou blocos duplicados subindo enquanto linhas movidas, a marca registrada de refatoração e consolidação, caíam. Copiar e colar substituindo reaproveitamento é a cara de uma etapa de revisão sobrecarregada, só que lida direto no resultado, não numa pesquisa de opinião.
Nada disso chega a um painel. Documentos redigidos, tickets fechados, pull requests mesclados, peças entregues: cada um desses instrumentos mede o primeiro estágio. Passadas de revisão, alegações verificadas, rascunhos descartados, questionamentos levantados na revisão: esses medem o segundo estágio, e quase nenhuma empresa contava isso antes da IA chegar. Não existe linha de base para comparar, o que é uma falha de medição, não de qualidade, e é a mais fácil das duas de corrigir.
Há ainda uma camada comportamental por cima da fila. Quando a etapa agradável fica instantânea e a tediosa não, o esforço migra para a agradável. As pessoas produzem vários rascunhos em vez de um só e não checam nenhum deles direito, depois vivenciam o dia como mais produtivo, porque foi. Mais trabalho aconteceu. Menos dele era do tipo que costumava pegar erro.
A segunda opinião que antes tinha um preço
Aqui está a perda mais silenciosa. Pedir para um colega mais experiente olhar seu trabalho tinha um custo: o tempo dele, sua reputação, o pequeno desconforto de admitir incerteza. Rústico, mas funcionava como mecanismo de triagem. Você gastava esse crédito nas decisões que realmente pediam isso e absorvia o resto sozinho, e é absorvendo o resto sozinho que o julgamento profissional se forma.
Um sistema que nunca recusa, nunca cansa e nunca sinaliza estar ocupado zera esse preço. A consulta deixa de ser proporcional ao risco porque nada mais força esse cálculo. A resposta chega com a cadência de um parecer especializado, gerada por um sistema cuja avaliação comercial depende de as pessoas voltarem, e concordância é uma forma confiável de fazer as pessoas voltarem. Isso não é uma acusação sobre a intenção de ninguém; é o que um produto avaliado por engajamento seleciona estruturalmente, quer alguém na empresa queira isso ou não.
A própria IA não pode revisar o que ela mesma produz?
É a fuga óbvia, e merece o teste mais rigoroso. Se gerar ficou barato, torne checar barato também: uma segunda passada, um prompt crítico, um revisor automatizado no pipeline.
O que fazia a revisão funcionar nunca foi o simples fato de haver uma segunda olhada. Era que essa segunda olhada falhava de um jeito diferente da primeira. Duas pessoas formadas em tradições distintas erram em pontos distintos, então a taxa de defeito residual se comporta mais ou menos como o produto de duas taxas de erro largamente independentes, e é por isso que ela cai de forma tão acentuada. Rode a checagem por um sistema da mesma classe, treinado em dados sobrepostos, carregando os mesmos pontos cegos, e essa independência desaparece. Os erros passam a ser de modo comum. Você dobrou o custo, comprou uma fração da redução, e ainda gerou um relatório que parece dizer que o trabalho foi revisado.
A checagem automatizada ganha seu lugar onde a falha é mecânica: tipos, esquemas, links que resolvem, aritmética, strings de política. É mais fraca justamente onde o julgamento era o ponto central. Esse é o argumento a favor de fluxos de trabalho que mantêm um humano dentro do loop de decisão, não no final dele segurando um carimbo.
Como medir a produtividade da IA sem sacrificar a qualidade?
Instrumente a etapa tediosa, e faça isso antes da implantação, não depois. Para cada fluxo de trabalho em que uma ferramenta foi introduzida, identifique qual etapa ela tornou agradável e qual deixou tediosa, depois coloque um contador na tediosa. Na prática:
- Taxa de rejeição na revisão. Que fração do trabalho enviado volta para correção? É o número mais diagnóstico que você pode coletar, e a maioria das empresas nunca coletou.
- Passadas de revisão por entregável. Não tempo gasto, que infla sozinho. Conte passadas discretas que mudaram algo substantivo.
- Cobertura de verificação. Das alegações ou premissas que sustentam um trabalho, que proporção foi de fato checada contra uma fonte independente?
- Taxa de escape de defeitos e tempo até o primeiro defeito externo. Problemas de qualidade aparecem a jusante e tarde, e é por isso que costumam surgir depois da decisão de renovação do contrato.
- Taxa de descarte. Geração barata deveria aumentar o número de candidatos jogados fora. Se não aumentou, os candidatos extras estão todos sendo entregues.
Depois cruze cada uma dessas métricas com a métrica de volume à qual ela pertence, e leia as duas juntas. Se a produção triplica e a taxa de rejeição não se mexe, seus revisores pararam de revisar, e essa única comparação já é quase todo o teste. Não custa nada além da disciplina de coletar a linha de base antes, a mesma disciplina por trás de deixar a base de dados e medição pronta antes de construir.
A exposição que fica fora do radar do compliance
Duas coisas se somam a isso. A primeira é o uso de IA no trabalho passando por contas pessoais em planos de consumidor, o que tira isso do campo de visão de TI e de compliance por completo. Ninguém consegue citar um número confiável, e o argumento não precisa de um: você não consegue instrumentar um fluxo de trabalho que nem sabe que existe. E quem usa dessa forma costuma ser justamente o time competente e dedicado, porque o gancho é adjacente à competência: rascunhos melhores, respostas mais rápidas. Filtrar por perfis de vulnerabilidade vai encontrar a população errada.
A segunda é o desvio de estilo, e aqui estou argumentando, não relatando um dado fechado. Exposição sustentada ao registro de um modelo plausivelmente puxa a prosa de um profissional na direção dele, mesmo quando nenhum texto gerado é colado em lugar nenhum, e não haveria nenhum registro de auditoria para apontar isso se acontecesse. A versão estilística é levemente constrangedora: uma voz institucional que ninguém escolheu. A versão cara é analítica. As equipes param de gerar a terceira opção, aquela que o modelo não teria sugerido, porque as duas primeiras chegaram tão rápido que a busca pareceu encerrada, e nada no resultado sinaliza o que nunca foi considerado.
Tudo isso desemboca no mesmo lugar: a próxima rodada de orçamento, em que o gasto com IA é defendido com produção por cabeça e as metas são recalibradas sobre essa linha de base inflada. Renove com métricas do primeiro estágio e você compromete a equipe do ano que vem a sustentar um volume que só era viável porque a checagem foi pulada, e a pagar o retrabalho ao mesmo tempo. Isso é um problema de desenho de medição antes de ser um problema de ferramenta, e dá para corrigir neste trimestre, antes de os defeitos aparecerem.
Meça a etapa que você tornou agradável e você sempre vai se impressionar. Meça a etapa que deixou tediosa e vai descobrir quanto custou o ganho.
Perguntas frequentes
Quais métricas realmente mostram se a IA está prejudicando a qualidade do trabalho?
Métricas ligadas à metade de verificação do fluxo de trabalho: taxa de rejeição na revisão, passadas de revisão por entregável, proporção de alegações que sustentam o trabalho checadas de forma independente, taxa de descarte, taxa de escape de defeitos e tempo até o primeiro defeito relatado externamente. Métricas de volume, como documentos redigidos ou tickets fechados, não conseguem detectar perda de qualidade, porque medem justamente a etapa que a IA acelerou. Leia-as em pares: uma métrica de volume subindo enquanto sua métrica de revisão correspondente fica parada é o sinal de alerta.
Quanto tempo leva até os problemas de qualidade ligados à IA aparecerem nos números?
Mais tempo do que as decisões que deveriam informar, e essa é a armadilha estrutural. Métricas de geração costumam se mexer quase assim que uma ferramenta chega, enquanto os defeitos aparecem através de quem consome o resultado a jusante, clientes e trabalho de correção, com uma defasagem bem maior. O achado da DORA em 2024, de que a estabilidade de entrega piorou conforme a adoção de IA subiu, é o mais próximo de um sinal geral que existe, e mesmo assim é uma associação numa população pesquisada, não um relógio que dá para acertar. Planeje em torno dessa assimetria: assuma que a renovação de contrato e a definição de metas vão acontecer dentro dessa lacuna, e instrumente indicadores antecedentes, como taxa de rejeição e cobertura de verificação, em vez de esperar pelos indicadores tardios.
Vale a pena simplesmente proibir contas pessoais de IA no trabalho?
O esperado é que a proibição apenas desloque o uso para outro lugar e, de quebra, destrua a visibilidade que você precisava ter. Isso é uma previsão baseada em como políticas sem alternativa costumam se desenrolar, não um resultado medido. A sequência mais útil é oferecer uma rota autorizada boa o suficiente para que a pessoal não valha o atrito, e então instrumentar a etapa de revisão dentro dela. A exposição que dá para medir é administrável; a que passa por contas de consumidor não é medida nem governada.
Relacionado
- O Oligopólio da Memória Que Está Encarecendo a Corrida da IA
- Privilégio mínimo para agentes de IA: a lição de 1975 que seu piloto está ignorando
- O Penhasco do Subsídio de IA: A Conta Real da Inferência Chegou
- AI & Automation
Escrito por uma persona editorial de IA do sistema editorial proprietário da Abyshire e revisto pela nossa equipa.