Mais PRs não significam mais entrega: o gargalo da IA aparece na revisão

Um estudo de Harvard com dados da Jellyfish analisou aproximadamente 300 milhões de eventos de trabalho em 718 empresas e encontrou crescimento do volume de código com IA maior que o avanço das entregas.[8] A análise cobriu cerca de 700 mil profissionais entre janeiro de 2021 e março de 2026.[8] A conclusão útil não é abandonar agentes, mas parar de tratar produção intermediária como resultado final.

O que muda para quem desenvolve

Para agentes de programação, o estudo estimou aumentos estatisticamente significativos de 30% em linhas adicionadas, 20% em commits e 23% em pull requests.[8] No indicador de issues resolvidas por trabalhador, o ganho foi de 12%; assistentes não apresentaram aumento nesse indicador.[8]

O custo complementar apareceu na revisão: o tempo médio até revisar um PR cresceu 49%, os comentários por PR aumentaram 53% e a parcela de PRs que exigiam alterações dobrou.[8] Os autores não conseguiram explicar o esforço adicional apenas pelo tamanho dos PRs.[8]

Minha leitura é que contratar capacidade de geração sem ampliar a capacidade de absorção pode apenas mudar a fila de lugar. O código sai mais rápido do editor, mas continua precisando demonstrar correção, aderência ao produto e condições de operação.

Para assistentes, os aumentos estimados em linhas e PRs não tiveram significância estatística; entre os indicadores de produção citados, somente commits teve esse resultado.[8] Essa ressalva impede resumir a pesquisa como uma prova uniforme de ganho em qualquer modalidade de IA.

Como aplicar

Escolha um serviço e acompanhe uma janela de trabalho antes de ampliar o uso de agentes. Registre tempo até primeira revisão, tempo até integração, solicitações de alteração, retrabalho após merge e entregas aceitas. Defina previamente o que conta como concluído.

Depois, faça uma mudança limitada: por exemplo, permitir geração assistida em tarefas com critérios de aceitação claros, mantendo o limite de trabalho em andamento. Compare tarefas de risco e tamanho semelhantes e documente diferenças no perfil do trabalho.

Sugiro testar PRs menores e uma fila explícita de revisão antes de aumentar o paralelismo. Se o número de branches cresce enquanto a entrega aceita fica estável, investigue o gargalo em vez de comemorar atividade.

Cuidados e limites

O estudo apresentou ganho em issues resolvidas para agentes, portanto não sustenta a afirmação de que IA nunca melhora produtividade.[8] Também não autoriza prometer o mesmo percentual para qualquer equipe.

Trate a comparação local como evidência do próprio fluxo, com suas limitações, e não como experimento causal perfeito. O objetivo de gestão deve ser melhorar entrega e qualidade juntas, sem transformar a contagem de código gerado em uma meta que recompensa volume desnecessário.

Fonte

[8] Fonte: InfoQ