Um working paper do NBER, de maio de 2026, intitulado "Writing Code vs. Shipping Code", analisa mais de 100 mil desenvolvedores do GitHub. Os autores são Mert Demirer, Leon Musolff e Liyuan Yang. O estudo compara a produtividade antes e depois da adoção de três gerações de ferramentas de IA para programação, de 2022 a 2026.
O que a pesquisa encontrou
O resultado principal: os ganhos em código escrito são grandes, mas diminuem a cada etapa seguinte do processo. Quanto mais a ferramenta faz sozinha, mais do ganho se perde antes de o software ser de fato entregue e usado.
Os valores numéricos variam entre versões do paper, por isso este texto não os repete. Os números originais estão no resumo oficial: NBER, Working Paper 35275.
Por que o ganho se perde
Os autores interpretam a queda com um modelo de "elo fraco": um processo só anda na velocidade da etapa mais lenta. Escrever código ficou mais rápido, mas revisão, integração, testes, decisões de produto e aprovação continuam dependendo de pessoas.
Segundo o estudo, esforço humano e IA se substituem apenas em parte. Isso significa que a IA não elimina os gargalos humanos que vêm depois da escrita.
Um contraponto de 2025
Em um ensaio randomizado com desenvolvedores experientes de código aberto, o grupo METR observou que os participantes acreditavam ter ficado mais rápidos com IA, mas foram medidos mais lentos. Fonte secundária: LeadDev.
O que muda para quem contrata ou gerencia software
- Meça entrega, não volume de código: releases, uso e problemas em produção.
- Mapeie os gargalos depois da escrita: revisão, testes e aprovação.
- Trate a IA como acelerador de uma etapa, não do processo inteiro.
Perguntas frequentes
A IA não aumenta a produtividade dos desenvolvedores?
O estudo mostra ganho real na produção de código. O problema está em transformar esse código em software entregue e usado, o que depende de outras etapas.
O estudo é definitivo?
Não. É um working paper, ainda não revisado por pares, e as conclusões podem mudar em versões seguintes.




