Estudo longitudinal encontra ganhos de produtividade com IA em 10%, não 10 vezes
Dados preliminares de um estudo longitudinal sobre o impacto da IA revelam que os ganhos de produtividade com ferramentas de IA são mais modestos do que frequentemente alegado. O estudo analisou dados de 40 empresas entre novembro de 2024 e fevereiro de 2026 para rastrear se as equipes enviam mais pull requests à medida que a adoção de IA aumenta.
Principais descobertas
Durante o período do estudo, o uso de IA aumentou significativamente—em média 65%. No entanto, a produtividade de PRs aumentou apenas 9,97%. Esse número é particularmente robusto porque os pesquisadores filtraram possíveis efeitos de gamificação, excluindo equipes que estabeleciam metas de produtividade de PRs para engenheiros individuais, o que poderia inflar a métrica em vez de representar um resultado genuíno.
O que isso significa para equipes de engenharia
O ganho de ~10% é consistente com o que líderes de engenharia relatam de forma mais ampla: a maioria das organizações está na faixa de 8–12%. Embora isso represente uma melhoria real, está longe dos ganhos de 2–3x que muitos executivos e conselhos passaram a esperar com a adoção de IA.
Por que os ganhos não são maiores
Desenvolvedores de várias organizações explicaram que escrever código nunca foi o gargalo. Como observou um desenvolvedor sênior: "As tarefas fáceis ficam um pouco mais fáceis. As tarefas tediosas são um pouco menos irritantes. Uma tarefa de quatro dias pode levar três. Mas isso não significa que estou enviando 3x mais PRs."
A IA pode acelerar a parte de codificação do trabalho, mas a codificação representa uma fatia relativamente pequena de como os engenheiros realmente gastam seu tempo. Planejamento, alinhamento, escopo, revisão de código e transferências—as partes humanas do SDLC—permanecem praticamente inalteradas pelas ferramentas de IA atuais.
Metodologia do estudo
O estudo é longitudinal, o que significa que acompanha mudanças ao longo do tempo em vez de fornecer um único instantâneo. O estudo completo explorará por que algumas equipes capturam mais vantagens do que outras e o que os líderes podem fazer para fechar essa lacuna.
📖 Leia a fonte completa: HN AI Agents
👀 See Also
Relatórios de Usuários do Anthropic Claude Indicam Restrição Silenciosa de Recursos em Contas Pagas
Um assinante pagante do Claude relata que a execução de shell/bash parou de funcionar em todas as sessões sem notificação, com restrições incorporadas no prompt do sistema no nível de implantação. O usuário abriu vários tickets de suporte e formulários de recurso, mas não recebeu resposta enquanto continuava sendo cobrado.
GitHub Copilot muda para cobrança baseada em uso por consumo de tokens, substituindo solicitações premium em 1º de junho de 2026
GitHub Copilot faz a transição de unidades de requisição premium para créditos de IA baseados em token, com preços dos planos inalterados. Todos os planos pagos incluem créditos mensais iguais ao custo da assinatura; uso adicional é cobrado nas taxas da API.
Anthropic lança conector Blender MCP – Claude agora controla Blender via API Python
A Anthropic lançou um conector oficial do Blender MCP junto com conectores para Adobe, Splice e SketchUp, permitindo que Claude construa cenas 3D a partir de comandos em linguagem natural em tempo real.
IA está desacelerando: US$ 3 trilhões de receita necessários até 2030 para sustentar a bolha
Ed Zitron argumenta que a IA generativa está desacelerando, não acelerando, e a economia simplesmente não fecha. O artigo foca nos requisitos de capital impressionantes: US$ 3 trilhões ou mais em receita até o final de 2030 para sustentar a existência da indústria de IA, com base nos custos de construção de data centers e compromissos dos hyperscalers.