Agentes de código com IA aumentam em 30% as linhas de código geradas por uma empresa, mas não aumentam o número de funcionalidades entregues. É a conclusão de um estudo de Fiona Chen e James Stratton, pesquisadores da Universidade de Harvard, que analisou dados de mais de 700 empresas de software. O motivo é a revisão de código: o tempo entre abrir um pull request (o pedido para incluir código novo no projeto) e aprová-lo subiu 49% depois da chegada dos agentes.
A matéria da Ars Technica, assinada por Kyle Orland, resume o estudo e é de onde saem todos os números deste texto. Se você contrata desenvolvedor, agência ou ferramenta de IA pra tocar o site do seu negócio, a conta que importa não é quanto código sai. É quanto código chega ao ar.
Quem foi estudado e como o estudo mediu o efeito da IA?
O estudo usou dados agregados da Jellyfish, plataforma que mede a produção de times de engenharia. A base reúne 300 milhões de “eventos de trabalho” (commits, pull requests e afins) e dados de gestão de tarefas de mais de 700 mil funcionários, em mais de 700 empresas de software, de 2021 a março de 2026.
Pra saber quando cada empresa passou a usar IA, os pesquisadores combinaram medição direta de uso com análise da atividade no GitHub. Separaram dois tipos de ferramenta: assistentes, que completam código escrito principalmente por humanos, e agentes, que escrevem e enviam código sozinhos a partir de um prompt. Depois compararam as mesmas métricas antes e depois da adoção, empresa por empresa, num método chamado “diferença de diferenças”.
O que muda quando uma empresa adota agentes de código?
A produção bruta sobe, e muito. Segundo o estudo, a chegada dos agentes está ligada a mais código, mais commits e mais pull requests, mas a taxa de resolução de tarefas no Jira (ferramenta de gestão de tarefas do time) não muda de forma estatisticamente significativa.
| Métrica | Efeito depois dos agentes |
|---|---|
| Linhas de código geradas | +30% |
| Commits | +20% |
| Pull requests | +23% |
| Tempo de revisão (do envio ao merge) | +49% |
| Comentários por pull request | +35% |
| Pull requests com pedido de alteração | quase o dobro |
| Funcionários que fazem revisão | +14% |
| Resolução de issues e epics (Jira) | sem mudança significativa |
Os pesquisadores também não encontraram mudança no tamanho ou na complexidade das tarefas registradas no Jira, o que afasta a explicação de que as empresas passaram a atacar problemas menores. E, sobre emprego, escreveram que “não conseguem atribuir mudanças significativas” à IA depois de cruzar os dados da Jellyfish com o LinkedIn.
Por que mais código não vira mais software?
Porque o código gerado por agente precisa ser lido por uma pessoa antes de ir pro ar, e essa fila não acompanhou o volume. Nas palavras dos autores, o ganho da fase de escrita é “absorvido por restrições a jusante do processo de produção”. Mais pull requests chegam, voltam mais vezes com pedido de alteração e recebem mais comentários.
Trabalhei em banco e aprendi cedo uma regra de processo: a velocidade do conjunto é a do passo mais lento. Acelerar a digitação do código sem mexer na revisão é encher um funil que continua com o mesmo gargalo.
A IA também poderia ajudar nessa revisão, mas até aqui ajudou pouco. Até março de 2026, 80% das empresas medidas já usavam alguma forma de revisão de código com IA. Mesmo assim, agentes responderam por 23,3% dos comentários de revisão e por 10,8% dos pull requests, o que indica que a maior parte do trabalho continuava com humanos.
O estudo prova que agentes de código não valem a pena?
Não. O próprio texto da Ars Technica faz a ressalva: os dados vão só até março de 2026, os agentes melhoraram desde então, e 95% das empresas do estudo já adotaram agentes e ainda estão aprendendo quando usá-los. A relação entre tempo de escrita e tempo de revisão pode mudar conforme os times ganham prática.
O que o estudo mostra é que adotar agente sem mexer no processo de revisão não entrega mais funcionalidades. Isso é diferente de dizer que a ferramenta não presta. A Ars Technica chega a questionar se o tempo e o custo de colocar agentes pra funcionar compensam pra maioria das empresas, e esse é um julgamento da publicação, não um resultado medido pelo estudo.
O que checar na segunda-feira se você paga por desenvolvimento com IA?
Troque a pergunta “quanto código foi produzido?” por “quanto foi entregue e quanto tempo levou pra ser aprovado?”. Pra isso, peça ao seu time ou fornecedor três números do último trimestre:
- Tempo médio entre abrir e aprovar um pull request. Se subiu depois que a IA entrou, o gargalo está na revisão.
- Percentual de pull requests que voltam com pedido de alteração. No estudo, quase dobrou.
- Tarefas concluídas no mesmo período, no Jira ou na ferramenta que o time usa. É o número que o seu negócio sente.
Se o fornecedor mostra só linhas de código ou número de commits, ele está medindo a métrica que o estudo viu crescer sem efeito nas entregas. Isso vale também pra agência que usa IA pra montar páginas e componentes do seu site: pergunte quem revisa e quanto tempo isso leva.
A conta de custo entra junto. Agente que gera muito código gasta muitos tokens, e medir esse gasto importa tanto quanto medir a entrega. Quem acompanha o que as plataformas estão construindo pra agentes, como o Clef da Cloudflare e o Kitesurf, vê o mesmo movimento: a infraestrutura pra agentes ficou mais barata e mais acessível, e a verificação do que eles produzem continua sendo trabalho humano.
O que o estudo diz, em resumo, pra quem toma decisão?
Agentes de código com IA, em 700 empresas de software, aumentaram a produção de código em cerca de 20% a 30% e não mudaram a taxa de resolução de tarefas. A revisão ficou 49% mais lenta, com quase o dobro de pull requests pedindo alteração e 35% mais comentários por pull request. A revisão por IA existe em 80% das empresas, mas cobre uma fração pequena do trabalho.
A decisão prática: antes de comprar mais agentes, meça a capacidade de revisão do time. Se ela não cresce junto com o volume de código, o investimento aparece no relatório de commits e não aparece no produto. O estudo vai até março de 2026, então vale refazer essa medição no seu time a cada trimestre, em vez de tratar o resultado dele como definitivo.
