Como a IA está mudando a produção de software

Durante décadas, a imagem de quem produz software foi a de alguém digitando código. Essa imagem está ficando incompleta. Em poucos anos, ferramentas de inteligência artificial passaram de sugestões de autocompletar a agentes que abrem pedidos de alteração sozinhos.

Este texto olha para o processo, e não para a tarefa individual. A pergunta não é “quanto mais rápido alguém escreve uma função”, tema que tratamos em IA na programação: quanto trabalho ela automatiza. A pergunta é o que muda no ciclo de produção: planejamento, escrita, revisão, testes, segurança, entrega e carreiras.

Os dados vêm de pesquisas com profissionais, relatórios de empresas e estudos acadêmicos, todos com data. Pesquisas de opinião medem percepção, não resultado. Relatórios de fornecedores têm interesse comercial. Indicamos isso ao longo do texto.

De experimento a rotina

A adoção já não é a novidade. Alguns números, sempre com a data:

• Stack Overflow, 2025. Na pesquisa anual da comunidade, 84% dos respondentes usavam ou planejavam usar ferramentas de IA, contra 76% no ano anterior. Entre os profissionais, 50,6% usavam diariamente (Stack Overflow Developer Survey 2025).
• DORA, 2025. O programa de pesquisa DORA, mantido pelo Google, ouviu quase 5 mil profissionais de tecnologia. A adoção de IA chegou a 90%, com mediana de cerca de duas horas por dia de uso (Google, setembro de 2025).
• Stack Overflow, 2026. A edição de 2026, com 30.903 respostas de 169 países, registra que 80% dos respondentes usam IA pelo menos uma hora por dia (Stack Overflow Developer Survey 2026), e que 73% usam assistentes e agentes de programação diariamente (seção de IA, 2026).
• GitHub, 2025. No relatório Octoverse, que cobre de setembro de 2024 a agosto de 2025, o GitHub informa que quase 80% dos novos desenvolvedores da plataforma usam o Copilot na primeira semana (Octoverse 2025).

As amostras são diferentes e autosselecionadas: quem responde a uma pesquisa do Stack Overflow ou do DORA não representa todos os programadores. Ainda assim, a direção é a mesma em todas.

Do autocompletar ao agente

A primeira onda foi a do autocompletar: a ferramenta sugere a próxima linha e a pessoa aceita ou não. Em junho de 2024, o Google informou que cerca de 50% dos caracteres de código de seus engenheiros já eram completados com ajuda de IA, com taxa de aceitação de 37% das sugestões (Google Research, junho de 2024). No mesmo texto, a empresa dizia esperar a próxima onda de benefícios em testes, compreensão de código e manutenção, com agentes executando tarefas maiores.

A segunda onda é a dos agentes de programação: sistemas que recebem um objetivo, leem o projeto, editam arquivos, executam comandos e propõem a alteração pronta para revisão (veja o que são agentes de IA). O GitHub relata que seu agente de programação criou mais de 1 milhão de pull requests (pedidos de incorporação de código) entre maio e setembro de 2025. A empresa chama o número de “um primeiro vislumbre”.

O ritmo dessa transição aparece nas pesquisas. Em 2025, só 14,1% dos respondentes do Stack Overflow usavam agentes diariamente no trabalho, e 37,9% não tinham planos de usar. Em 2026, entre as ferramentas citadas como agentes de programação, Claude Code (66%) e GitHub Copilot (59%) lideravam. Explicamos o funcionamento de uma delas em Claude Code: como funciona.

Na avaliação da redação, a consequência prática é uma mudança de papel. Parte do trabalho deixa de ser escrever e passa a ser especificar o que se quer, dar contexto ao agente e julgar o que ele entregou. O próprio GitHub descreve desenvolvedores que “orquestram agentes”.

O gargalo muda de lugar

Software não é só escrever código. Depois da escrita vêm revisão, testes, integração e entrega. Se a escrita acelera e o resto não, o acúmulo aparece adiante.

O DORA acompanha isso há dois anos. No relatório de 2024, maior adoção de IA estava associada a melhoras na qualidade da documentação, na qualidade do código e na velocidade de revisão, mas também a uma queda estimada de 1,5% na vazão de entregas e de 7,2% na estabilidade (DORA 2024). A conclusão dos autores foi que a IA “não parece ser uma panaceia”.

Em 2025 o quadro mudou em parte. O DORA encontrou relação positiva entre adoção de IA e vazão de entregas, mas a relação com a estabilidade continuou negativa. A explicação dos autores: a IA acelera o desenvolvimento, e sem sistemas de controle robustos, como testes automatizados fortes, controle de versão maduro e ciclos rápidos de retorno, o aumento do volume de mudanças leva à instabilidade (DORA 2025).

Dados de telemetria de um fornecedor apontam na mesma direção. A Faros AI, que vende uma plataforma de métricas de engenharia, analisou dois anos de dados de cerca de 22 mil desenvolvedores em 4 mil equipes, no relatório publicado no segundo trimestre de 2026. Comparando equipes com alta e baixa adoção de IA, encontrou mais tarefas concluídas, mas também tempo mediano de revisão cinco vezes maior, pull requests 51% maiores e 28% mais defeitos por pull request (Faros AI, 2026). São correlações, não causas, e a própria página informa que as limitações detalhadas não são públicas.

O Octoverse registra um sintoma parecido no fluxo do GitHub: as incorporações ainda travam quando a aprovação depende de pessoas ou de políticas. Em resumo, revisar virou parte central do trabalho, e revisar código que você não escreveu é mais difícil.

Confiança: usar muito, confiar pouco

As pesquisas mostram um padrão estável: o uso cresce mais rápido que a confiança.

Na pesquisa do Stack Overflow de 2025, 45,7% desconfiavam da precisão das ferramentas de IA e 32,7% confiavam, com só 3,1% confiando muito. A principal frustração, citada por 66%, eram soluções “quase certas, mas não totalmente”. E 45,2% disseram que depurar código gerado por IA toma mais tempo. Diante de uma resposta duvidosa, 75,3% ainda recorreriam a outra pessoa.

Em 2026, a pesquisa mostra 48% confiando na IA quando conseguem validar a resposta com facilidade, e só 16% estendendo essa confiança à maioria das tarefas que não envolvem decisões importantes. No DORA 2025, 30% relataram pouca ou nenhuma confiança no código gerado por IA.

Isso tem efeito direto no processo. Se a saída precisa ser verificada, a capacidade de verificar (testes, revisão, conhecimento do sistema) passa a limitar a velocidade da equipe. Tratamos do tema da verificação em como avaliar respostas de IA.

Segurança: o código compila, mas é seguro?

A preocupação com segurança acompanha os assistentes desde o início.

• Em 2021, pesquisadores pediram ao Copilot que completasse código em 89 cenários ligados a vulnerabilidades conhecidas. Dos 1.689 programas gerados, cerca de 40% eram vulneráveis (Pearce et al., 2021).
• Um estudo com usuários, publicado na conferência CCS em 2023, encontrou que participantes com acesso a um assistente baseado no modelo codex-davinci-002 escreveram código significativamente menos seguro e, ao mesmo tempo, tinham mais tendência a achar que o código estava seguro (Perry et al., 2023).
• Em março de 2026, a Veracode, empresa de segurança de aplicações, informou ter avaliado mais de 150 modelos em 80 tarefas de programação em Java, JavaScript, C# e Python, sem instruções específicas de segurança. Só 55% das gerações resultaram em código seguro. Segundo a empresa, a taxa de código sintaticamente correto subiu de cerca de 50% para 95% desde 2023, enquanto a taxa de segurança ficou praticamente estável (Veracode, março de 2026). A Veracode vende ferramentas de análise de segurança, o que deve ser considerado.

Os estudos usam modelos de épocas diferentes, e os mais antigos não descrevem as ferramentas atuais. O ponto que se repete é outro: a melhora em “funcionar” não garante a melhora em “ser seguro”. Na prática, isso exige que análise de segurança automatizada e revisão humana continuem no fluxo, especialmente quando agentes alteram muitos arquivos de uma vez.

Papéis e carreiras

A mudança mais sensível é sobre quem entra na profissão.

Um estudo da Stanford, com dados de folha de pagamento da ADP dos Estados Unidos, encontrou que o emprego de desenvolvedores de software de 22 a 25 anos caiu quase 20% entre o pico do fim de 2022 e setembro de 2025, enquanto o de faixas etárias mais velhas continuou a crescer. Para o conjunto das ocupações mais expostas à IA, a queda relativa dos trabalhadores de 22 a 25 anos foi de 16%, já controlando choques em cada empresa (Brynjolfsson, Chandar e Chen, novembro de 2025).

Os autores são cuidadosos. Em nota de fevereiro de 2026, afirmam que juros não parecem explicar a queda concentrada em iniciantes, mas que a IA não é o único fator e que a causalidade não pode ser firmemente estabelecida por essa análise (Stanford Digital Economy Lab, fevereiro de 2026).

Há uma tensão aqui. Experimentos citados em nosso artigo sobre IA na programação mostram que desenvolvedores menos experientes tendem a ganhar mais com assistentes. Ao mesmo tempo, as vagas de entrada parecem estar diminuindo. Se as tarefas simples que formavam iniciantes passam para agentes, as equipes precisam decidir como formar quem vai revisar o trabalho desses agentes no futuro.

Entre os respondentes do Stack Overflow em 2026, 17,1% disseram evitar a IA por preocupação em perder habilidades ou ser substituídos.

O que diferencia quem se beneficia

O DORA 2025 resume sua principal conclusão em uma ideia: a IA funciona como amplificador, magnificando o que a organização já faz bem ou mal. Em dezembro de 2025, o programa detalhou sete capacidades associadas a um impacto mais positivo da IA (DORA, dezembro de 2025):

1. Posição clara e comunicada sobre o uso de IA.
2. Ecossistemas de dados saudáveis.
3. Dados internos acessíveis à IA.
4. Práticas fortes de controle de versão.
5. Trabalho em lotes pequenos.
6. Foco no usuário.
7. Plataformas internas de qualidade.

Quase nada nessa lista é sobre a ferramenta em si. São práticas de engenharia e de organização que já eram recomendadas antes da IA. Para medir se a adoção está funcionando na sua equipe, veja produtividade com IA. Para os limites atuais dos agentes, veja agentes autônomos: limites.

O que levar deste texto

• O uso de IA na produção de software é quase universal nas pesquisas de 2025 e 2026, mas a confiança continua limitada e condicionada à verificação.
• O trabalho está migrando de escrever para especificar, orquestrar agentes e revisar. Revisão, testes e estabilidade das entregas viraram o novo gargalo.
• Segurança é um risco documentado desde 2021: código que compila não é necessariamente seguro, e quem usa IA pode superestimar a segurança do próprio código.
• O emprego de desenvolvedores iniciantes caiu nos Estados Unidos desde 2022, segundo dados de folha de pagamento, mas os autores não afirmam que a IA seja a causa única.
• Equipes com boas práticas de engenharia tendem a aproveitar melhor a IA. Ela amplifica o processo que já existe, para o bem e para o mal.