Há um padrão que se repete toda vez que uma nova tecnologia promete nos libertar do peso do trabalho: a promessa chega antes dos dados, e os dados, quando finalmente aparecem, contam uma história mais complicada do que a promessa sugeria. Foi assim com a escrita, com a imprensa, com a calculadora, com a internet; e é exatamente isso que está acontecendo agora com a inteligência artificial aplicada ao desenvolvimento de software.
Nos últimos dois anos, um conjunto de estudos empíricos tentou responder a uma pergunta simples: a inteligência artificial está de fato tornando o desenvolvimento de software mais produtivo? A resposta que emerge, quando se olha para os estudos mais relevantes desse período, é desconcertante: depende de que "produtividade" se está medindo, e depende de quem se pergunta.
Kumar et al. (2025), em Intuition to Evidence: Measuring AI's True Impact on Developer Productivity, acompanharam trezentos engenheiros da empresa indiana 1mg durante um ano inteiro de uso real da ferramenta interna DeputyDev, que combina geração e revisão automatizada de código com modelos Claude. O estudo encontrou uma redução real e estatisticamente significativa no tempo de revisão de código 31,8%. Mas os próprios autores revelam que esse benefício estava concentrado quase inteiramente nos usuários mais engajados: o grupo que usava a ferramenta intensamente teve aumento de sessenta e um por cento no volume de código enviado à produção, enquanto o grupo de uso esporádico chegou a registrar queda de onze por cento no mesmo período.
Afroz et al. (2026), em The Fast and Spurious: Developer Productivity with GenAI, pesquisaram mais de quatrocentos profissionais usando o framework acadêmico SPACE, um modelo multidimensional de produtividade desenvolvido originalmente por Forsgren et al. (2021). O resultado: desenvolvedores que usam IA com frequência produzem mais commits, mais testes, mais entregas, mas o tempo dedicado à revisão de código não diminui, e a exaustão relatada permanece tão alta quanto entre quem não usa a ferramenta. Os próprios autores batizaram o fenômeno de "produtividade espúria" (spurious productivity): uma aceleração de superfície que esconde um deslocamento de esforço, não uma redução dele.
O terceiro estudo, de Becker, Rush, Barnes e Rein (2025), publicado como Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, é talvez o mais impressionante de todos, porque foi conduzido como um experimento controlado de verdade, com dezesseis desenvolvedores experientes de projetos open source, duzentas e quarenta e seis tarefas sorteadas aleatoriamente entre "pode usar IA" (ferramentas como Cursor e modelos Claude 3.5/3.7 Sonnet) e "não pode usar IA". Antes de começar, os próprios participantes previram que a IA reduziria o tempo das tarefas em vinte e quatro por cento. Depois de terminar, ainda relatavam a sensação subjetiva de terem sido vinte por cento mais rápidos. Só que o cronômetro discordava dos dois: na realidade medida, a IA havia tornado as tarefas dezenove por cento mais lentas.
Edwards e Appiah (2026), em sua pesquisa Developer Productivity in the Age of Generative AI: A Psychological Perspective, publicada pelo Google Research, entrevistaram doze engenheiros seniores para entender a experiência subjetiva por trás desses números, e encontraram uma transição de identidade profissional que descrevem como "de codificador para condutor", alguém que orquestra e supervisiona, em vez de produzir diretamente. Essa mudança trouxe sensação de autonomia ampliada, mas também uma ansiedade concreta sobre perda de competência técnica, o que os autores chamam de de-skilling anxiety.
Por fim, Johnson, Yenamandra, Ciskey, Ambrogi e Olmedo Gunio (2025), na meta-análise The AI Productivity Paradox in Software Development, publicada na SSRN, reuniram quarenta e sete estudos, doze experimentos controlados e dados de mais de mil empresas, confirmando o quadro geral: noventa por cento dos desenvolvedores relatam sentir-se mais produtivos com IA, enquanto os experimentos controlados mostram desaceleração real em condições específicas, e o código gerado por IA carrega taxas mais altas de duplicação (quatro vezes maior) e de vulnerabilidades de segurança (quarenta e cinco por cento).
O que esses cinco estudos têm em comum, lidos juntos, é um padrão que qualquer leitor de filosofia clássica reconhece imediatamente: o tempo que a tecnologia promete devolver raramente é devolvido de fato. Ele apenas troca de endereço. E há um filósofo, escrevendo há praticamente dois mil anos em Roma, que descreveu esse mecanismo com uma precisão que ainda hoje serve como manual de instruções para entender por que ferramentas de produtividade, inclusive as mais sofisticadas, continuam nos deixando com a sensação de estarmos sempre correndo atrás do próprio rabo.
Desenvolvimento
O tempo, segundo Sêneca
Lúcio Aneu Sêneca, filósofo estoico romano do primeiro século, dedicou boa parte de sua obra ao tema do tempo, não ao tempo como quantidade física, mas ao tempo como recurso moral, algo que cada pessoa administra bem ou mal. Em De Brevitate Vitae e nas Epistulae Morales ad Lucilium, cartas escritas a um amigo mais jovem chamado Lucílio, Sêneca defende uma ideia que, à primeira vista, parece contraditória: não é que tenhamos pouco tempo disponível, é que desperdiçamos a maior parte dele em ocupações que parecem importantes, mas que na verdade apenas preenchem o espaço, sem produzir nada de essencial. Para Sêneca, a verdadeira escassez não é de horas, mas de atenção bem direcionada.
O ponto central da filosofia estoica sobre o tempo é este: o problema nunca é a quantidade de tempo que temos, mas a maneira como a ocupação, aquilo que os romanos chamavam de negotium, literalmente "a negação do ócio", se expande automaticamente para preencher qualquer espaço livre que se abra. Sêneca observava que as pessoas de seu tempo estavam sempre "ocupadíssimas", tomadas por negócios, política, compromissos sociais, e, ainda assim, sentiam que nunca tinham tempo para o que realmente importava: pensar, refletir, viver de forma deliberada. O tempo "livre" que uma nova circunstância parecia oferecer era imediatamente absorvido por uma nova forma de ocupação, e a sensação subjetiva de estar sempre atarefado nunca diminuía, independentemente de quanto trabalho fosse, de fato, realizado ou delegado.
Essa observação estoica, curiosamente, foi redescoberta pela economia moderna sob outro nome: o economista inglês William Stanley Jevons notou, no século dezenove, que quando a eficiência de uso de um recurso aumenta, por exemplo, quando uma máquina a vapor passa a consumir menos carvão por unidade de trabalho, o consumo total daquele recurso não cai; ele sobe, porque a demanda se expande para absorver a nova capacidade disponível. O que Sêneca descreveu como fenômeno moral e psicológico, a economia industrial redescobriu como fenômeno técnico e sistêmico. E é exatamente esse fenômeno que aparece, quase palavra por palavra, no estudo de Afroz et al. (2026) sobre o framework SPACE: quando a inteligência artificial libera tempo na etapa de escrever código, esse tempo não se transforma em descanso, nem em folga, nem em tempo de qualidade extra dedicado a pensar melhor sobre o problema. Ele reaparece, quase instantaneamente, como tempo de revisão, de verificação, de correção de código gerado por outra pessoa que também usou IA, e, em muitos relatos coletados pelos próprios autores, como pressão organizacional adicional, porque gestores e partes interessadas, sabendo que a ferramenta existe, passam a esperar mais entregas no mesmo intervalo de tempo.
A revisão de código como o novo negotium
Se quisermos traduzir o vocabulário estoico para a linguagem de quem trabalha com software todos os dias, o paralelo é quase direto. O negotium de Sêneca (a ocupação que consome o tempo sem necessariamente produzir valor duradouro) encontrou, no desenvolvimento de software assistido por IA, uma encarnação muito concreta: a revisão de código.
Antes da IA, o tempo de um desenvolvedor se dividia, de forma relativamente previsível, entre escrever código novo, revisar o código dos colegas e corrigir problemas identificados. A promessa da IA era simples: ela escreveria (ou ajudaria a escrever) o código, e esse tempo de escrita ficaria livre para outras atividades, aprendizado, arquitetura, resolução de problemas mais complexos, ou simplesmente menos horas de trabalho. O que os dados de Afroz et al. (2026) mostram é outra coisa: a etapa de escrita realmente encolhe, mas a etapa de revisão não encolhe na mesma proporção, em muitos casos, ela cresce, porque agora existe mais código para revisar, produzido em menos tempo, com menos garantia de que quem o escreveu (uma máquina) entendeu completamente o contexto do negócio, as decisões arquiteturais anteriores ou as consequências de longo prazo daquela mudança. Os próprios pesquisadores relatam que oitenta e quatro por cento dos usuários frequentes de IA afirmaram que a ferramenta não reduziu o tempo gasto revisando código, e que, na verdade, esses mesmos usuários revisam mais do que antes, porque passaram a examinar também o código gerado por IA dos colegas.
O relato mais recorrente entre os desenvolvedores entrevistados por Afroz et al. (2026) é quase um eco direto de Sêneca: a sensação de estar sempre correndo, de fechar mais tarefas, de gerar mais commits e mais testes, e, ainda assim, sentir o mesmo nível de exaustão de antes, ou até maior, porque a atenção que antes era gasta produzindo agora é gasta verificando, desconfiando, re-lendo e corrigindo. É o mesmo fenômeno que Sêneca descrevia em relação aos romanos ocupados: a atividade aumenta, a sensação de progresso aumenta, mas a exaustão e a falta de tempo genuíno permanecem constantes, porque o tempo "economizado" nunca chega a se tornar tempo livre, ele apenas migra para uma nova categoria de ocupação, disfarçada de eficiência.
A ilusão da introspecção: quando o relógio discorda de nós mesmos
Há um segundo ponto estoico, menos discutido, mas igualmente relevante: Sêneca insistia que a autopercepção humana sobre o próprio tempo é sistematicamente falha. As pessoas, segundo ele, são péssimas juízas de como gastam suas próprias horas: tendem a supervalorizar o tempo dedicado a atividades que parecem produtivas e a subestimar o tempo efetivamente perdido em distrações, reuniões inúteis ou preocupações vãs. Essa desconfiança estoica na introspecção humana descreve, com uma precisão quase cômica, o resultado do experimento de Becker et al. (2025): desenvolvedores experientes, trabalhando com ferramentas de ponta, previram e depois relataram subjetivamente que tinham ganhado tempo com a IA, quando, na realidade cronometrada, tinham perdido tempo. A sensação de fluidez, de estar "andando rápido", não correspondia à velocidade real de entrega. Os próprios autores destacam que essa discrepância contradisse também as previsões de especialistas externos em economia e em aprendizado de máquina, que apostavam em ganhos de velocidade ainda maiores do que os próprios desenvolvedores.
Esse descolamento entre sensação e realidade não é um detalhe estatístico isolado; é praticamente o núcleo do problema. Se um desenvolvedor não consegue confiar na própria percepção de quanto tempo está ganhando ou perdendo, então decisões de investimento em ferramentas de IA, feitas com base em pesquisas de satisfação, em "sensação de produtividade" ou em relatos anedóticos de equipes, como os noventa por cento de aprovação subjetiva citados por Johnson et al. (2025), correm o risco de estar medindo exatamente a coisa errada: a sombra da produtividade, e não a produtividade em si. Sêneca diria que isso não é surpresa: ele já alertava que confiar apenas na própria sensação de estar sendo eficiente, sem examinar com rigor externo como o tempo de fato foi gasto, é o caminho mais curto para uma vida (ou, no nosso caso, uma carreira, uma equipe, uma empresa inteira) inteiramente ocupada e ainda assim vazia de resultado real.
A resposta estoica: não é a ferramenta, é o uso deliberado
Vale destacar que o estoicismo de Sêneca nunca foi uma filosofia contra a técnica ou contra o progresso. O problema, para ele, nunca era o instrumento, era a falta de deliberação no uso do tempo que qualquer instrumento libera. Sêneca não pedia que seus contemporâneos abandonassem seus negócios ou suas obrigações; pedia que examinassem, com honestidade brutal, para onde o tempo estava realmente indo, e que reservassem, com disciplina consciente, uma parte dele para o que considerassem essencial, mesmo que isso significasse resistir à tentação de simplesmente preencher cada hora livre com mais uma tarefa.
Traduzido para o desenvolvimento de software moderno, esse princípio estoico aponta exatamente para o que Kumar et al. (2025) identificam como diferencial nos casos de sucesso: equipes que tratam a IA como uma ferramenta assistiva, com políticas explícitas, treinamento estruturado e critérios claros de revisão, conseguem capturar parte do ganho real sem deixar que ele se dissolva completamente em trabalho de verificação redistribuído, os próprios autores relatam que, quando a aceitação automática de sugestões de IA foi testada, ela gerou problemas de qualidade e precisou ser desativada rapidamente. Equipes que simplesmente adotam a ferramenta e esperam que a produtividade suba por conta própria, sem nenhuma deliberação sobre como o tempo liberado será usado, tendem a reproduzir exatamente o padrão que Sêneca descreveu: mais atividade, mais sensação de ocupação, e nenhum ganho real de tempo disponível para o que importa.
Conclusão
Ao final, o que os dados recentes sobre inteligência artificial e desenvolvimento de software revelam não é um fenômeno novo, nascido com os grandes modelos de linguagem, é a mais recente manifestação de um padrão que a filosofia clássica já havia identificado como estrutural na relação humana com qualquer tecnologia que promete "economizar" tempo ou esforço. Sêneca, escrevendo em Roma, sem jamais imaginar um computador, descreveu com precisão notável dois mecanismos que continuam operando hoje, dentro de cada sprint, de cada pull request, de cada relatório de produtividade: primeiro, que o tempo liberado por qualquer eficiência tende a ser reabsorvido por novas ocupações, em vez de se transformar em folga genuína; segundo, que a percepção subjetiva de estar sendo produtivo é uma testemunha pouco confiável da produtividade real.
Os estudos de Kumar et al. (2025), Afroz et al. (2026), Becker et al. (2025), Edwards e Appiah (2026) e Johnson et al. (2025) não contradizem essa visão estoica, eles a confirmam com números, gráficos e experimentos controlados que Sêneca jamais teve à disposição, mas que validam exatamente a intuição moral que ele defendia há dois milênios. Quando um desenvolvedor relata sentir-se mais rápido enquanto o cronômetro registra o contrário, quando o tempo economizado na escrita de código reaparece integralmente como tempo de revisão, quando a exaustão persiste mesmo com mais tarefas concluídas, em todos esses casos, estamos observando uma extrapolação direta, em escala tecnológica muito maior, do mesmo fenômeno que os estoicos descreveram em relação ao tempo humano de forma geral. A inteligência artificial não inventou o problema; ela apenas o tornou mais rápido, mais mensurável e, por isso mesmo, mais visível.
Se há uma lição prática nisso tudo, ela não é tecnológica, mas filosófica: nenhuma ferramenta, por mais avançada que seja, resolve por si só o problema de como usamos o tempo que ela libera. Esse é um problema de deliberação humana, de disciplina organizacional e de honestidade sobre o que estamos de fato medindo quando dizemos que "estamos sendo mais produtivos". A inteligência artificial, longe de tornar obsoleta a reflexão estoica sobre o tempo, comprova sua atualidade: o negotium de hoje tem nomes diferentes (revisão de código, verificação de saída de modelo, depuração de sugestões automáticas) mas continua sendo, no fundo, o mesmo fenômeno que Sêneca via nos corredores do Senado romano. A tecnologia muda de forma; a estrutura do problema humano permanece extraordinariamente parecida.
Referências
- Seneca, L. A. (c. 49 d.C.). De Brevitate Vitae.
- Seneca, L. A. (c. 65 d.C.). Epistulae Morales ad Lucilium.
- Kumar, A., Khare, V., Sharma, D., Kumar, S., Saini, V., Yadav, A., Jain, S., Rana, A., Verma, P., Meena, V., & Edubilli, A. (2025). Intuition to Evidence: Measuring AI's True Impact on Developer Productivity. arXiv:2509.19708.
- Afroz, S., Feng, Z., Menezes, T., Kimura, K., Trinkenreich, B., Steinmacher, I., & Sarma, A. (2026). The Fast and Spurious: Developer Productivity with GenAI. Companion Proceedings of the 34th ACM Symposium on the Foundations of Software Engineering (FSE '26).
- Becker, J., Rush, N., Barnes, E., & Rein, D. (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. arXiv:2507.09089.
- Edwards, R., & Appiah, R. (2026). Developer Productivity in the Age of Generative AI: A Psychological Perspective. Master's Thesis, Google Research.
- Johnson, C., Yenamandra, T., Ciskey, J., Ambrogi, T., & Olmedo Gunio, L. (2025). The AI Productivity Paradox in Software Development: A Meta-Analysis of Implementation Outcomes and ROI Patterns (2024-2025). SSRN.
- Forsgren, N., Storey, M.-A., Maddila, C., Zimmermann, T., Houck, B., & Butler, J. (2021). The SPACE of Developer Productivity: There's More to It Than You Think. ACM Queue, 19(1), 20-48.
