A Amazon está tentando resolver uma tensão cada vez mais comum no trabalho com inteligência artificial: incentivar as equipes a adotar ferramentas de IA sem confundir volume de uso com produtividade. A diretriz revisada para engenheiros de software foi divulgada internamente em setembro e publicada em 27 de outubro. O texto é assinado por Terk Terkowitz, vice-presidente e engenheiro distinto da empresa.
3
5
8
15
A mensagem central é direta: o que vale é o resultado, não a ferramenta usada para chegar até ele. Por isso, contar tokens, acompanhar quantas equipes adotaram IA ou somar alterações e revisões de código são indicadores frágeis quando usados sozinhos para avaliar o desempenho.
5
7
14
O risco de transformar uso em meta
Esses números medem atividade, mas não mostram necessariamente se o trabalho ficou melhor, se trouxe benefício para clientes ou se ajudou o negócio. Quando viram objetivos por si só, podem criar incentivos para usar IA mais do que o necessário — prática chamada de “tokenmaxxing”.
5
6
O problema não é apenas a qualidade do resultado. O uso adicional de tokens também pode elevar custos e gerar complexidade desnecessária, sem garantir uma melhoria correspondente no software.
7 A documentação da AWS, por exemplo, aponta a quantidade de tokens como o principal fator de custo no Amazon Bedrock e recomenda reduzir prompts e respostas quando possível.
A Amazon já havia encerrado, em maio, um placar interno que acompanhava o uso de IA. Relatos dizem que funcionários tentavam aumentar suas contagens, inclusive com tarefas desnecessárias; alguns trabalhadores também temiam que a pressão por usar IA recompensasse desperdício em vez de trabalho produtivo.
1
4
9
Métricas como contexto, não como veredito
A orientação não descarta acompanhar o uso de IA. A recomendação é interpretar números como consumo de tokens e mudanças no código com cuidado, em conjunto com outros dados e com os resultados de longo prazo. Engenheiros devem recorrer à IA quando ela ajuda — e não apenas para aumentar uma métrica.
5
11
13
Essa abordagem ajuda a conciliar a busca por adoção com o julgamento técnico. A Amazon também pede que gestores observem equipes com níveis mais altos e mais baixos de adoção, segundo os trechos disponíveis.
4 Isso pode servir para entender o que está funcionando, mas não significa, por si só, que a taxa de uso seja uma medida de desempenho.
O que os relatos disponíveis não confirmam
Os materiais consultados não permitem confirmar detalhes específicos mencionados na pergunta, como limites exatos de 10% para comparar equipes, a expressão “feature velocity”, orientações para registrar casos em que a IA não ajudou ou a exigência de que líderes usem IA em produção. Também não há base suficiente aqui para verificar comparações com outras empresas que teriam imposto limites de tokens ou migrado para modelos de código aberto mais baratos.
A conclusão sustentada pelas fontes é mais restrita: a Amazon quer ampliar o uso de IA sem tratar consumo como sinônimo de desempenho. O critério relevante é se a ferramenta contribui para resultados melhores; números de uso podem ajudar a investigar, mas não substituem esse julgamento.
5
6
7