Desenvolvedores se Recusam a Programar sem IA, Mas os Dados Mostram que Estão Mais Lentos e Custando Bilhões

No fim de maio de 2026, a lua de mel com as ferramentas de IA para programação chegou oficialmente ao fim. O que começou como uma corrida do ouro para integrar inteligência artificial no fluxo de trabalho de cada desenvolvedor bateu de frente com uma parede de dados concretos, custos em espiral e uma alarmante dependência psicológica. Os laboratórios de pesquisa já não conseguem mais medir a produtividade humana, simplesmente porque os programadores se recusam a escrever código sem IA. Ao mesmo tempo, a grande moda de gestão do início de 2026 — medir a produtividade pela contagem de tokens de IA — está ruindo à medida que grandes corporações admitem que as contas não fecham. O resultado é um momento decisivo de reação corporativa e uma corrida desesperada por métricas que realmente importem.

O Experimento que Quebrou: Por que o Segundo Estudo do METR Fracassou

Em fevereiro de 2026, o laboratório de pesquisa em IA METR publicou uma revelação tão alarmante quanto simples: ele não conseguia mais concluir seu próprio estudo sobre produtividade de desenvolvedores. A organização havia planejado uma continuação do seu inovador ensaio clínico randomizado de 2025, mas uma parcela significativa dos profissionais convidados se recusou a participar, pois não trabalhariam sem IA, nem mesmo para um conjunto limitado de tarefas de pesquisa .

O estudo original de 2025 já havia jogado uma sombra longa sobre o tema. Ele descobriu que desenvolvedores experientes de código aberto que usavam ferramentas como Cursor Pro e Claude 3.5/3.7 Sonnet completavam as tarefas 19% mais devagar do que aqueles que trabalhavam sem IA. Os próprios programadores haviam previsto que a IA lhes pouparia cerca de 24% do tempo e relataram sentir-se mais produtivos, mas os dados objetivos mostraram o contrário. Eles gastavam tempo extra depurando, direcionando a IA e esperando que ela concluísse as tarefas .

A tentativa seguinte do METR, em agosto de 2025, expandida para 57 desenvolvedores e mais de 800 tarefas, só aprofundou a crise. Os resultados foram estatisticamente inconclusivos, mostrando uma lentidão estimada de -4%, mas com um intervalo de confiança tão amplo que cruzava o zero (-15% a +9%). De forma crítica, entre 30% e 50% dos participantes admitiram estar se autocensurando, optando por não enviar tarefas que não conseguiam concluir com a assistência da IA. A amostra ficou irreversivelmente viesada para o pequeno grupo de desenvolvedores que ainda se dispunha a trabalhar sem IA . O laboratório acabou descartando o experimento por completo, classificando seus dados como "não confiáveis" .

Em menos de um ano, a narrativa da pesquisa mudou de "a IA torna os desenvolvedores experientes mais lentos, mas eles não percebem" para uma descoberta ainda mais profunda: "os desenvolvedores nem sequer tentam trabalhar sem IA". A dependência tornou-se profunda demais para ser medida .

A Corrida do Ouro do Tokenmaxxing e Seu Colapso Espetacular

Enquanto o estudo do METR desmoronava, uma mania paralela varria o Vale do Silício. O Tokenmaxxing — a prática de maximizar o consumo bruto de tokens de IA como proxy da produtividade do desenvolvedor — tornou-se a tendência definidora do início de 2026, antes de implodir sob seu próprio peso.

Essa cultura era ativamente gamificada. Funcionários da Meta teriam competido em um painel interno chamado "Claudeonomics", disputando títulos como "Lenda dos Tokens" e "Imortal de Sessão" com base em quantos tokens queimavam . O CEO da Nvidia, Jensen Huang, ganhou as manchetes ao afirmar que ficaria "profundamente alarmado" se um de seus engenheiros de US$ 500 mil por ano não estivesse consumindo tokens pesadamente . Em todo o setor, os orçamentos de tokens tornaram-se uma medalha de honra, sinalizando a adesão de um funcionário à IA e, presumia-se, sua produção inovadora.

Amazon Desliga o KiroRank

A reação atingiu o pico no fim de maio de 2026. A Amazon descontinuou seu ranking interno "KiroRank", na plataforma de desenvolvimento Kiro, após descobrir que funcionários estavam criando "agentes de IA inúteis" apenas para inflar suas pontuações de uso. O vice-presidente sênior Dave Treadwell passou um recado direto à equipe: "Por favor, não usem IA apenas por usar IA" . Um porta-voz da Amazon confirmou que o ranking era um "painel beta" que "não era uma ferramenta formal ou aprovada", mas o estrago nos custos de computação que ele gerou já estava feito . A empresa agora migra para uma métrica que chama de "implantações normalizadas" para medir o trabalho que realmente importa .

Uber Queima Seu Orçamento Anual de IA em Quatro Meses

De forma ainda mais dramática, o impulso de IA da Uber tornou-se uma fábula de advertência. A empresa deu a seus cerca de 5 mil engenheiros amplo acesso ao Claude Code, da Anthropic, em dezembro de 2025. A adoção saltou de 32% para 84% em questão de meses e, em abril de 2026, a empresa já havia esgotado todo o seu orçamento anual de IA. Segundo o CTO Praveen Neppalli Naga, impressionantes 95% dos engenheiros da Uber usam ferramentas de IA mensalmente, com 70% do código commitado sendo gerado por IA — a maior porcentagem publicamente relatada em qualquer grande empresa de tecnologia .

No entanto, essa adoção impressionante não teve um resultado claro. O COO Andrew Macdonald admitiu publicamente, em uma entrevista no fim de maio, que a empresa não consegue traçar uma linha entre seus gastos colossais com IA e resultados de negócio significativos. "Esse elo ainda não existe", disse ele. "Está ficando mais difícil justificar" os custos F. Internamente, os executivos da Uber já haviam começado a chamar o problema pelo nome: "tokenmaxxing" F.

O Ajuste de Contas Mais Amplo

A Meta e outras grandes empresas também descartaram ou revisaram seus rankings de uso de IA, e as grandes corporações em geral estão agora reavaliando os gastos descontrolados com IA que não produziram um retorno proporcional . A tendência do tokenmaxxing, concluiu a Fortune, "está morta" .

Os Custos Ocultos: Mais Código, Mais Bugs, Mais Dívida Técnica

A reação não se resume a orçamentos. Um corpo crescente de evidências sugere que o código gerado por IA está plantando bombas-relógio nos projetos de software.

• A ilusão da produtividade é real. A percepção de velocidade é contradita por pesquisas controladas. O foco no volume de tokens e linhas de código obscurece o custo oculto de depurar, refatorar e manter o software escrito por IA. Um relatório da GitClear de janeiro de 2026 descobriu que o code churn — uma medida do volume de código que é apagado ou reescrito logo após ser criado — disparou assustadores 861% em ambientes com alta adoção de IA .
• A dívida técnica está se acumulando. A produção rápida das ferramentas de IA está gerando código que exige mais retrabalho e introduz vulnerabilidades de segurança. Analistas alertam que o fardo de manutenção resultante pode facilmente anular quaisquer ganhos de curto prazo em velocidade, ameaçando a saúde de longo prazo das bases de código .
• A própria medição está quebrada. Todo o episódio revelou que as métricas de atividade — linhas de código, consumo de tokens, número de agentes de IA invocados — são um substituto profundamente falho para medir a produção real. Como colocou uma análise, "impressões subjetivas foram um péssimo guia para o impacto medido, mesmo enquanto o próprio tamanho do efeito mudava" .

O Novo Manual: Como Realmente Equilibrar IA e Supervisão Humana

O acerto de contas de 2026 está produzindo um novo consenso, mais sóbrio, sobre como integrar a IA na engenharia de software.

• Abandonar métricas baseadas em tokens. As empresas estão descartando rankings e migrando para ferramentas de inteligência de engenharia que rastreiam funcionalidades entregues, qualidade de código e taxas de defeitos, em vez do volume de consumo de IA. A aquisição bilionária da plataforma de experiência do desenvolvedor DX pela Atlassian exemplifica esse investimento em medir resultados significativos, em vez de atividade bruta .
• Exigir revisão humana rigorosa. O estudo do METR mostrou que, sem uma supervisão cuidadosa, as ferramentas de IA podem tornar os desenvolvedores experientes menos produtivos. A revisão de código e o planejamento arquitetural continuam sendo atividades críticas, e não opcionais .
• Limitar os gastos com IA pelo valor demonstrado, não pelo uso. A experiência da Uber demonstrou que o gasto com IA sem limites e baseado em uso é insustentável. O orçamento precisa estar atrelado a retornos mensuráveis, não a metas de adoção .
• Redesenhar a cultura de avaliação. O objetivo é mudar a pergunta central de "quem usa mais IA?" para "que resultados úteis a IA viabilizou para nossa equipe?". Isso significa recompensar o uso criterioso e eficaz da IA, não apenas o consumo de alto volume .

A lição de 2026 é clara: as ferramentas de codificação com IA criaram uma dependência psicológica e operacional sem precedentes, antes mesmo de terem provado de forma confiável seu valor econômico. As empresas que vão navegar nesse paradoxo serão aquelas que tratarem a IA como uma ferramenta a ser dominada com disciplina, e não como um deus a ser alimentado com sacrifícios cada vez maiores de tokens.