IA na programação: quanto trabalho ela automatiza

“A IA já escreve metade do código.” “A IA deixa o programador mais lento.” As duas frases circulam, e as duas se apoiam em algum dado real. O problema é que elas respondem perguntas diferentes.

Este texto reúne as principais evidências públicas sobre quanto das tarefas de programação a inteligência artificial realmente executa. Separamos três tipos de evidência: experimentos com pessoas, testes padronizados de modelos (os benchmarks) e dados de uso. Cada um mede uma coisa, e nenhum responde sozinho.

Por que a pergunta é difícil de responder

“Automatizar trabalho” pode significar coisas bem diferentes:

• Velocidade: quanto tempo uma pessoa leva para terminar uma tarefa com e sem IA.
• Autonomia: que fração de uma tarefa a IA resolve sozinha, sem ajuda humana.
• Delegação: quanto do que as pessoas pedem à IA é “faça por mim” em vez de “me ajude a fazer”.

Um estudo pode mostrar ganho grande de velocidade em uma tarefa simples e isolada. Outro pode mostrar perda em um projeto grande, cheio de regras não escritas. Os dois podem estar certos. Por isso, ao ler qualquer número, pergunte: qual tarefa, que pessoas, que ferramenta e em que data.

O que os experimentos controlados encontraram

O desenho mais confiável para medir efeito é o ensaio controlado randomizado: as pessoas (ou as tarefas) são sorteadas para usar ou não usar a ferramenta, e os resultados são comparados. O sorteio evita que a diferença venha de quem escolheu usar IA.

GitHub Copilot, 2022. Em um experimento feito entre maio e junho de 2022, 95 programadores contratados pela plataforma Upwork foram sorteados em dois grupos e tiveram de escrever um servidor HTTP em JavaScript. Quem tinha acesso ao Copilot terminou a tarefa 55,8% mais rápido, com intervalo de confiança de 95% entre 21% e 89% (Peng et al., 2023). Os autores registram que desenvolvedores com menos experiência e os que programavam mais horas por dia se beneficiaram mais. A tarefa era única, padronizada e começava do zero.

Google, 2024. Um ensaio com 96 engenheiros da própria empresa, usando ferramentas internas de IA em uma tarefa complexa, estimou que o grupo com IA foi cerca de 21% mais rápido (Paradis et al., 2024). Os autores alertam que o intervalo de confiança é largo, que o resultado vem de um estudo em laboratório e que reflete as ferramentas do Google no verão (do hemisfério norte) de 2024.

Três empresas, 4.867 desenvolvedores. Um conjunto de experimentos de campo na Microsoft, na Accenture e em uma empresa anônima da lista Fortune 100 deu a uma parte sorteada dos desenvolvedores um assistente que sugere trechos de código. Na análise conjunta, os autores estimam aumento de 26,08% no número de tarefas concluídas, com erro-padrão de 10,3% (Cui et al.). Aqui também os menos experientes adotaram mais a ferramenta e ganharam mais. Os próprios autores dizem que cada experimento isolado é ruidoso.

Repare que esses estudos medem principalmente assistentes de autocompletar, que sugerem a próxima linha ou bloco, e não agentes que executam tarefas inteiras.

O estudo que encontrou o contrário

Em julho de 2025, a organização de pesquisa METR publicou um resultado na direção oposta. Dezesseis desenvolvedores experientes de projetos de código aberto maduros, com cerca de cinco anos de experiência média nesses projetos, trabalharam em 246 tarefas reais. Cada tarefa foi sorteada para permitir ou proibir IA. As ferramentas principais eram o editor Cursor Pro com os modelos Claude 3.5 e 3.7 Sonnet (Becker et al., 2025).

O resultado: com IA, as tarefas levaram 19% mais tempo. O dado mais curioso é a percepção. Antes, os desenvolvedores previam ganho de 24%. Depois, mesmo mais lentos, estimaram ter ganhado 20%. Especialistas em economia e em aprendizado de máquina tinham previsto ganhos de 39% e 38%.

Esse estudo não “refuta” os anteriores. Ele mede outro cenário: pessoas que conhecem profundamente o código, em projetos grandes, com padrões de qualidade altos. Nesse contexto, o tempo gasto para revisar e corrigir a saída da IA pode superar o tempo economizado.

A tentativa de repetir o estudo

A METR iniciou uma nova rodada em agosto de 2025, com 57 desenvolvedores e mais de 800 tarefas. Em fevereiro de 2026, publicou estimativas de ganho de 18% para os desenvolvedores que voltaram do estudo original e de 4% para os novos, mas com intervalos de confiança que incluem zero (METR, fevereiro de 2026).

A própria METR classificou esses dados como “sinal pouco confiável”. O motivo principal é revelador: muitos desenvolvedores se recusaram a participar porque não queriam trabalhar sem IA, e entre 30% e 50% deles deixaram de submeter algumas tarefas pelo mesmo motivo. Isso tende a excluir justamente os casos de maior ganho. A organização diz acreditar que, no início de 2026, os desenvolvedores provavelmente ganham mais com IA do que no início de 2025, mas que seus dados são “evidência muito fraca” do tamanho desse aumento.

Na avaliação da redação, o episódio mostra um limite prático: à medida que a IA vira parte do trabalho, fica mais difícil montar um grupo de comparação sem ela.

O que os benchmarks medem

Um benchmark é um conjunto fixo de problemas usado para comparar modelos. Em programação, o mais citado é o SWE-bench, criado em 2023 com 2.294 tarefas tiradas de issues (relatos de problema) reais do GitHub em 12 projetos populares em Python. O modelo recebe o código e a descrição do problema e precisa editar o projeto até que testes automáticos passem. No artigo original, o melhor modelo resolvia 1,96% das tarefas (Jimenez et al., 2023).

Depois veio o SWE-bench Verified, um subconjunto de 500 tarefas revisadas por pessoas para garantir que a descrição é clara e que os testes são corretos (SWE-bench Verified). Segundo o AI Index 2026, de Stanford, o desempenho nesse teste subiu de 60% para perto de 100% em um único ano (AI Index 2026).

Esse avanço é real, mas há ressalvas importantes.

Contaminação. Como as tarefas vêm de projetos públicos, os modelos podem ter visto as soluções no treinamento. Um estudo de 2025 pediu que modelos apontassem qual arquivo continha o erro usando só a descrição do problema, sem ver o código. A acurácia chegou a 76% nas tarefas do SWE-bench Verified e a no máximo 53% em projetos fora do benchmark, diferença que os autores associam a memorização (Liang et al., 2025).

Testes mais difíceis contam outra história. O SWE-bench Pro, da Scale AI, reúne 1.865 problemas de 41 projetos, parte deles privados, com tarefas que podem levar horas ou dias para um profissional. Na versão de novembro de 2025 do artigo, os autores relatam que modelos como GPT-5 e Claude Opus 4.1 resolviam cerca de 23% das tarefas do Pro, contra mais de 70% em testes como o SWE-bench Verified (Deng et al., 2025).

Quanto tempo de trabalho humano a IA consegue cobrir

A METR propôs outra medida: o horizonte de tempo, definido como a duração (em tempo humano) das tarefas que um modelo completa com 50% de sucesso. No artigo de março de 2025, modelos como o Claude 3.7 Sonnet tinham horizonte de cerca de 50 minutos, e esse horizonte vinha dobrando aproximadamente a cada sete meses desde 2019 (Kwa et al., 2025).

A própria METR lista limites dessa métrica: as tarefas são principalmente de engenharia de software, aprendizado de máquina e cibersegurança, são mais “limpas” que o trabalho real, e o horizonte de 50% não significa que tarefas daquela duração possam ser delegadas com segurança (METR, página de horizontes de tempo).

Passar no teste não é estar pronto

Em agosto de 2025, a METR fez um teste pequeno e esclarecedor. Pegou 18 tarefas de dois projetos de código aberto e deixou um agente baseado no Claude 3.7 Sonnet resolvê-las. Pelo critério automático, 38% das soluções passavam nos testes. Na revisão humana de 15 delas, nenhuma podia ser incorporada ao projeto como estava (METR, agosto de 2025).

Os problemas mais comuns eram testes insuficientes, falta de documentação, formatação fora do padrão e outras falhas de qualidade. Corrigir cada solução levaria, em média, 42 minutos de trabalho humano. A tarefa original tinha levado em média 1,3 hora para os mantenedores.

Esse resultado ajuda a conciliar os números. O benchmark mede “o teste passou”. O desenvolvedor experiente precisa de “posso aceitar isso no projeto”. A distância entre os dois é trabalho humano que não aparece no placar. Para entender como avaliar saídas de IA de forma mais completa, veja como avaliar respostas de IA.

O que os dados de uso mostram

Outra forma de medir é observar o que as pessoas pedem à IA. A Anthropic analisou 500 mil interações sobre programação entre 6 e 13 de abril de 2025. No Claude Code, uma ferramenta que age como agente, 79% das conversas foram classificadas como automação (a IA executa a tarefa), contra 49% no chat Claude.ai (Anthropic, abril de 2025).

A empresa ressalva que os dados provavelmente refletem usuários pioneiros e que a análise mede o que é delegado, não a qualidade do código resultante nem se houve ganho real de produtividade. Em relatório de janeiro de 2026, a Anthropic registrou que o próprio modelo estimava que pedidos de desenvolvimento de software levariam cerca de 3,3 horas para um profissional sem IA, e avaliava como bem-sucedidos 61% desses pedidos, contra 78% em tarefas pessoais (Anthropic, janeiro de 2026). São estimativas feitas pelo modelo, não medições de tempo.

Explicamos o funcionamento dessa categoria de ferramenta em Claude Code: como funciona, e onde agentes funcionam e falham em limites dos agentes autônomos.

Como ler esses números no seu caso

Somando as evidências, alguns padrões aparecem:

1. Tarefas delimitadas e novas favorecem a IA. Escrever algo do zero com especificação clara é onde os ganhos medidos são maiores.
2. Contexto profundo reduz o ganho. Em projetos grandes, com regras implícitas e alto padrão de revisão, o ganho pode sumir ou virar perda.
3. Menos experiência, mais ganho relativo. Dois estudos independentes encontraram isso. Não quer dizer que a IA substitua o conhecimento: quem tem menos repertório também tem menos condição de perceber erros.
4. A percepção não é medida. No estudo da METR, quem ficou mais lento acreditava ter ficado mais rápido.
5. Os números envelhecem rápido. Ferramentas de 2022 a 2025 não descrevem as de hoje. Isso vale para os ganhos e para as perdas.

Se você quer saber o efeito na sua equipe, a saída é medir no seu contexto, com métricas definidas antes. Detalhamos como fazer isso em produtividade com IA. Para o impacto no processo de software como um todo (revisão, testes, segurança e papéis), veja como a IA está modificando a produção de software.

O que levar deste texto

• Não existe um percentual único de “trabalho automatizado”. Velocidade, autonomia e delegação são medidas diferentes.
• Ensaios controlados com assistentes de autocompletar encontraram ganhos entre cerca de 21% e 56% em tarefas específicas, com incerteza grande.
• Em projetos maduros, com desenvolvedores experientes e ferramentas do início de 2025, a METR mediu lentidão de 19%. A tentativa de repetir o estudo esbarrou na recusa de trabalhar sem IA.
• Benchmarks avançaram muito, mas sofrem com contaminação e com a diferença entre “passou no teste” e “está pronto para entrar no projeto”.
• Use os números como ordem de grandeza e meça no seu contexto antes de planejar equipe, prazo ou orçamento com base neles.