Estudo revela que o “tokenmaxxing” prejudica a produtividade dos desenvolvedores

Há um ditado clássico na área de gestão: o que é medido é gerenciado. E, normalmente, acaba-se obtendo mais daquilo que se monitora.

Os engenheiros de software debatem métricas de produtividade há décadas, começando pelas linhas de código. Mas, à medida que a nova geração de assistentes de codificação com IA produz mais código do que nunca, o que seus gerentes deveriam estar medindo está ficando cada vez menos claro.

Orçamentos gigantescos de tokens — essencialmente, a quantidade de poder de processamento de IA que um desenvolvedor tem permissão para usar — tornaram-se um símbolo de status entre os desenvolvedores do Vale do Silício. No entanto, essa é uma maneira estranha de pensar sobre produtividade. Medir uma entrada no processo faz pouco sentido quando você, presumivelmente, se preocupa mais com o resultado. Pode ser lógico se você estiver tentando incentivar uma maior adoção de IA (ou vender tokens), mas não se seu objetivo for tornar-se mais eficiente.

Considere as evidências de uma nova categoria de empresas no espaço de “insights sobre produtividade de desenvolvedores”. Elas estão descobrindo que desenvolvedores que usam ferramentas como Claude Code, Cursor e Codex geram significativamente mais código aceito do que antes. Mas também descobrem que os engenheiros precisam voltar para revisar esse código aceito com muito mais frequência, o que enfraquece as alegações de aumento de produtividade.

Alex Circei, CEO e fundador da Waydev, está construindo uma camada de inteligência para acompanhar essas dinâmicas. Sua empresa trabalha com 50 clientes diferentes que empregam mais de 10.000 engenheiros de software. (Circei já contribuiu para o TechCrunch no passado, mas este repórter nunca o havia encontrado antes.)

Ele diz que os gerentes de engenharia estão vendo taxas de aceitação de código de 80% a 90% — ou seja, a parcela de código gerado por IA que os desenvolvedores aprovam e mantêm. No entanto, eles não estão levando em conta a rotatividade subsequente que ocorre quando os engenheiros precisam revisar esse código nas semanas seguintes, o que reduz a taxa de aceitação real e duradoura para entre 10% e 30%.

O surgimento das ferramentas de codificação por IA levou a Waydev, fundada em 2017 para fornecer análises para desenvolvedores, a reformular completamente sua plataforma nos últimos seis meses para lidar com a proliferação de ferramentas de codificação rápida. Agora, a empresa está lançando novas ferramentas que rastreiam os metadados gerados por agentes de IA, oferecendo análises sobre a qualidade e o custo de seu código para fornecer aos gerentes de engenharia uma visão mais profunda tanto da adoção da IA quanto de sua eficácia.

Embora as empresas de análise tenham um incentivo para destacar os problemas que encontram, há cada vez mais evidências de que grandes organizações ainda estão descobrindo como usar ferramentas de IA de forma eficiente. Grandes empresas estão prestando atenção — a Atlassian adquiriu a DX, outra startup de inteligência de engenharia, por US$ 1 bilhão no ano passado para ajudar seus clientes a entender o retorno sobre o investimento em agentes de codificação.

Dados de todo o setor contam uma história consistente: mais código está sendo escrito, mas uma quantidade desproporcional dele não está sendo mantida.

A GitClear, outra empresa nesse setor, publicou um relatório em janeiro que constatou que as ferramentas de IA aumentaram a produtividade. No entanto, seus dados também mostraram que “usuários regulares de IA apresentaram uma rotatividade de código em média 9,4 vezes maior do que seus colegas que não usam IA” — mais do que o dobro dos ganhos de produtividade proporcionados pelas ferramentas.

A Faros AI, uma plataforma de análise de engenharia, utilizou dois anos de dados de clientes para seu relatório de março de 2026. A conclusão: a rotatividade de código — linhas de código excluídas versus linhas adicionadas — aumentou 861% em casos de alta adoção de IA.

A Jellyfish, que se autodenomina uma plataforma de inteligência para engenharia integrada à IA, coletou dados de 7.548 engenheiros no primeiro trimestre de 2026. A empresa descobriu que os engenheiros com os maiores orçamentos de tokens produziram o maior número de pull requests (mudanças propostas a uma base de código compartilhada), mas a melhoria na produtividade não foi proporcional. Eles alcançaram o dobro da produtividade a um custo dez vezes maior em tokens. Em outras palavras, as ferramentas estão gerando volume, não valor.

Esse tipo de estatística faz sentido quando se conversa com desenvolvedores, que estão percebendo que os encargos da revisão de código e a dívida técnica estão se acumulando, mesmo enquanto desfrutam dos novos recursos dessas ferramentas. Uma constatação comum é a diferença entre engenheiros seniores e juniores, com os últimos aceitando muito mais código gerado por IA e, consequentemente, lidando com uma quantidade maior de reescrita.

Ainda assim, mesmo enquanto os desenvolvedores se esforçam para entender exatamente o que seus assistentes de IA estão fazendo, eles não prevêem voltar atrás tão cedo.

“Esta é uma nova era do desenvolvimento de software, e você precisa se adaptar. As empresas são forçadas a se adaptar”, disse Circei ao TechCrunch. “Não é uma tendência passageira.”