A inteligência artificial está sendo usada para escrever mais código, mas isso não está necessariamente resultando em um desenvolvimento de software mais rápido.
Uma das informações mais interessantes que encontrei sobre agentes de codificação com inteligência artificial é a seguinte: mais código não significa necessariamente mais software.
Um estudo de Fiona Chen e James Stratton, da Universidade de Harvard, analisou dados de mais de 700 empresas de software, abrangendo mais de 700 mil funcionários e 300 milhões de tarefas, no período de 2021 a março de 2026. Após a implementação de agentes de codificação, o número médio de linhas de código aumentou em 30%, o número de commits em 20% e o número de solicitações de merge (pull requests) em 23%.
No entanto, a pergunta crucial é: isso se traduz em maior produtividade? A análise não revelou mudanças estatisticamente significativas nas taxas de conclusão de bugs, tarefas e funcionalidades, que são monitoradas em ferramentas como o Jira.
O gargalo está na revisão do código. O tempo decorrido entre o envio de uma solicitação de merge e sua incorporação ao código principal aumentou em 49%. A taxa de solicitações de merge que exigem alterações quase dobrou, o número de comentários por solicitação de merge aumentou em 35%, e a porcentagem de funcionários envolvidos na revisão de código também subiu em 14%. Em outras palavras, grande parte do ganho de velocidade na fase de codificação é compensada pelo tempo gasto na revisão e correção.
As empresas estão tentando resolver isso com inteligência artificial: até março de 2026, 80% das empresas analisadas estavam utilizando algum tipo de ferramenta de revisão de código com inteligência artificial. No entanto, apenas 23,3% dos comentários de revisão eram gerados por esses agentes, e eles contribuíam para apenas 10,8% das solicitações de merge; a maior parte do trabalho ainda é realizada por humanos. Além disso, não houve mudanças significativas no número de funcionários ativos, pelo menos durante o período analisado.
É importante notar que os dados analisados terminam em março de 2026, e as ferramentas provavelmente evoluíram desde então. No entanto, a lição que tiro disso é clara: para aumentar a produtividade, é preciso acelerar não apenas o processo de codificação, mas também a revisão, a correção de bugs e a integração.
Artigo da Ars Technica: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
PDF do estudo: https://fion.ac/jellyfish.pdf
Fonte: DonanımHaber
Um estudo de Fiona Chen e James Stratton, da Universidade de Harvard, analisou dados de mais de 700 empresas de software, abrangendo mais de 700 mil funcionários e 300 milhões de tarefas, no período de 2021 a março de 2026. Após a implementação de agentes de codificação, o número médio de linhas de código aumentou em 30%, o número de commits em 20% e o número de solicitações de merge (pull requests) em 23%.
No entanto, a pergunta crucial é: isso se traduz em maior produtividade? A análise não revelou mudanças estatisticamente significativas nas taxas de conclusão de bugs, tarefas e funcionalidades, que são monitoradas em ferramentas como o Jira.
O gargalo está na revisão do código. O tempo decorrido entre o envio de uma solicitação de merge e sua incorporação ao código principal aumentou em 49%. A taxa de solicitações de merge que exigem alterações quase dobrou, o número de comentários por solicitação de merge aumentou em 35%, e a porcentagem de funcionários envolvidos na revisão de código também subiu em 14%. Em outras palavras, grande parte do ganho de velocidade na fase de codificação é compensada pelo tempo gasto na revisão e correção.
As empresas estão tentando resolver isso com inteligência artificial: até março de 2026, 80% das empresas analisadas estavam utilizando algum tipo de ferramenta de revisão de código com inteligência artificial. No entanto, apenas 23,3% dos comentários de revisão eram gerados por esses agentes, e eles contribuíam para apenas 10,8% das solicitações de merge; a maior parte do trabalho ainda é realizada por humanos. Além disso, não houve mudanças significativas no número de funcionários ativos, pelo menos durante o período analisado.
É importante notar que os dados analisados terminam em março de 2026, e as ferramentas provavelmente evoluíram desde então. No entanto, a lição que tiro disso é clara: para aumentar a produtividade, é preciso acelerar não apenas o processo de codificação, mas também a revisão, a correção de bugs e a integração.
Artigo da Ars Technica: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
PDF do estudo: https://fion.ac/jellyfish.pdf
Fonte: DonanımHaber
Comentários 0
Deixe o primeiro comentário, em qualquer idioma.
Entre para comentar