Todo discurso sobre produtividade de IA parte de um pressuposto tácito: a melhora é imediata. Você adota, produz mais. Os demos confirmam. Os casos de sucesso confirmam. O pitch de qualquer fornecedor confirma.
O relatório de ROI de IA do DORA, publicado em janeiro deste ano pelo Google Cloud sob coordenação de Nathen Harvey, conta outra história. A maioria das organizações enfrenta uma queda temporária de produtividade antes de qualquer ganho. O fenômeno tem nome: curva J. E o nome importa porque descreve a forma, não só o resultado final.
A queda não é sinal de falha. É estrutural. E entender o mecanismo muda o que você precisa fazer antes de começar.
A queda que vem antes
Quando uma equipe começa a trabalhar com assistência de IA, pelo menos três forças puxam no sentido errado ao mesmo tempo.
A curva de aprendizado é real. Desenvolvedores precisam calibrar quando aceitar o código gerado, quando refatorar, quando descartar. Esse processo leva tempo e cria atrito no começo.
O volume de código para revisar sobe. Mais código gerado mais rápido significa mais PRs, mais surface de revisão. O CircleCI monitorou mais de 28 milhões de workflows no segundo trimestre de 2026 e capturou esse paradoxo: o volume em feature branches cresceu 7,7% ao ano. O throughput no branch principal ficou em 0%. A geração acelerou. A entrega, não.
E os processos downstream não foram desenhados para esse ritmo. Pipelines de CI/CD, rotinas de teste, fluxos de aprovação foram calibrados para uma velocidade humana de escrita de código. Quando o volume sobe sem ajuste nessas estruturas, o gargalo migra. Fica mais barato criar do que entregar.
O legado que segura o ganho
Mas existe algo além do atrito de adaptação que é estrutural de verdade.
O DORA mediu o ganho de produtividade por tipo de código. Em tarefas simples e projetos greenfield, a IA ajuda entre 35% e 40%. Em código legado complexo, o mesmo modelo, nas mesmas condições, ajuda em torno de 10%.
A maioria das empresas com mais de cinco anos opera principalmente sobre código legado.
Não é que o modelo seja menos capaz. É que legado carrega contexto implícito, decisões arquiteturais enterradas, dependências não documentadas. O modelo precisa de especificação clara para performar, e legado raramente oferece isso. Os demos de produtividade de IA quase sempre ocorrem em código novo, limpo, sem história. O ambiente de produção de qualquer enterprise raramente se parece com isso.
A lacuna entre o ganho que é prometido e o ganho que materializa tem esse endereço.
O gap que a IA não fechou
O Plandek publicou ontem, 30 de agosto, um levantamento com mais de 2.000 equipes de engenharia ao redor do mundo.
O padrão que apareceu resiste à narrativa de que IA democratiza a excelência.
Times de baixo desempenho viram redução de quase 50% no tempo de entrega com o uso de IA. Times de alto desempenho viram melhora de 10 a 15%. O ganho relativo foi maior para quem estava mais atrás.
Só que o gap absoluto continua. Times no topo fazem merge em menos de 21 horas e chegam à produção em menos de 22 dias. Times no quartil inferior levam mais de 35 horas para o merge e mais de 62 dias para produção. Uma diferença de três vezes. E a IA não fechou esse intervalo.
A conclusão do Plandek é cirúrgica: IA expõe os gargalos que já existiam em revisão, testes e integração. Não os resolve.
O que atravessa a curva
O DORA não parou no diagnóstico. Identificou o que diferencia as organizações que cruzam a curva J das que ficam presas na queda.
Não são as ferramentas. São as fundações: qualidade da plataforma interna, clareza dos fluxos de trabalho, alinhamento das equipes. Esses três fatores determinam se o retorno vai aparecer.
Na minha leitura, essa conclusão é o ponto mais importante do relatório. O investimento em IA que realmente converte não é o que vai para licenças e modelos. É o que foi antes disso, construindo a estrutura que faz qualquer ferramenta funcionar.
Para organizações com pipelines maduros, processos com baixo atrito e código que documenta sua própria intenção, a queda da curva J é curta e o ganho do outro lado é real. Para organizações sem esse pano de fundo, a queda parece evidência de que a tecnologia não funciona. Muitas desistem ali.
O DORA coloca isso de forma direta: o retorno sobre investimento em IA não é mais uma medida de quantos desenvolvedores uma organização consegue substituir. É uma medida de quanta criatividade humana latente ela consegue desbloquear.
Você não desbloqueia criatividade latente acima de um legado não administrado e de um pipeline que não foi pensado para esse volume. Você fica no fundo da curva achando que o problema é o modelo.
Referências
- DORA – ROI of AI-Assisted Software Development 2026.01
- InfoQ – New DORA Report Claims Strong Engineering Foundations Drive AI Return on Investment (11 mai 2026)
- Plandek – 2026 Engineering Productivity Benchmarks: What AI Is Really Changing in Software Delivery (30 ago 2026)
- CircleCI – 5 key takeaways from the State of Software Delivery Q2 Pulse report (8 jul 2026)