Tem um número do relatório de tendências de codificação agêntica da Anthropic, publicado em abril de 2026, que aparece pouco nos debates sobre produtividade com IA.
Desenvolvedores dizem que usam IA em cerca de 60% do seu trabalho. Mas quando a pergunta é quanto desse trabalho eles conseguem delegar de verdade, a resposta cai para um intervalo de 0 a 20% das tarefas.
A diferença entre esses dois números não é preguiça. Não é falta de confiança irracional. É estrutura.
O que mora entre 20% e 60%
A zona entre os 20% e os 60% não é o lugar onde o agente falhou. É o lugar onde humano e agente trabalham juntos sob supervisão ativa: o desenvolvedor revisa o output, corrige a direção, valida o resultado antes de avançar. Não é delegação plena. E também não é simplesmente usar IA como autocomplete mais sofisticado.
É o trabalho que precisa de julgamento intermediário para funcionar. O agente produz, o humano avalia. O ciclo se repete até o resultado estar dentro do que foi especificado.
Um levantamento do Keyhole Software publicado em setembro de 2026 ajuda a calibrar o que isso representa em escala. Só 13% das equipes têm IA operando em todo o ciclo de desenvolvimento. Só 22% implantaram agentes de IA de verdade, além de autocomplete aprimorado. O resto ainda usa IA em pedaços isolados do fluxo.
O uso é disseminado. A delegação, não.
Por que o gap não fecha sozinho
A distância entre usar IA em 60% do trabalho e conseguir delegar 20% não vai diminuir porque o modelo ficou mais capaz. Essa lógica ignora onde o gargalo de fato está.
Delegação plena exige que duas condições estejam satisfeitas antes. Primeiro, o agente precisa saber o que "feito" significa, com critérios verificáveis, não objetivos que dependem de interpretação. Segundo, o agente precisa operar dentro de um perímetro explícito de autoridade, com guardrails que tornam os erros recuperáveis antes que causem dano real.
Quando essas duas condições estão ausentes, o humano compensa em tempo real. Revisa antes de aceitar porque não tem como confiar. Corrige depois porque o output ficou numa zona de incerteza. O resultado prático é que a IA aumenta o volume de trabalho produzido sem diminuir a carga cognitiva de quem supervisiona.
Anushree Verma, Senior Director Analyst da Gartner, afirmou em junho de 2025 que mais de 40% dos projetos de IA agêntica serão cancelados até o final de 2027. Os três motivos listados foram custos crescentes, ROI pouco claro e controles de risco insuficientes.
Na minha leitura, esses três problemas têm uma raiz em comum. Equipes que tentam expandir a delegação sem construir primeiro a estrutura que a torna segura aumentam o custo sem aumentar a confiança. E sem confiança no resultado, o valor nunca fica claro o suficiente pra justificar continuar.
O que converte uso em delegação
A questão prática é simples de formular, difícil de responder com honestidade: a tarefa está dentro de um escopo onde o erro é recuperável antes de causar dano real? O agente tem o contexto suficiente pra decidir o que "feito" significa sem precisar de interpretação humana?
Se as duas respostas são sim, delegação plena faz sentido. Se uma delas é não, o humano precisa estar no loop, e a supervisão deixa de ser desperdício pra ser a única forma de manter o resultado dentro do esperado.
Diego Lo Giudice, analista da Forrester, descreveu essa transformação em junho de 2026: o papel de desenvolvimento está evoluindo para fornecer intenção clara, contexto e restrições aos agentes, não apenas profundidade técnica de implementação. Isso não é uma descrição de trabalho mais fácil. É uma descrição de trabalho diferente, que exige explicitação do que antes ficava implícito no julgamento de quem executava.
Governança, nesse contexto, não é o que bloqueia a delegação. É o que a torna possível.
A decisão que o engenheiro precisa tomar
Usar IA em 60% do trabalho é acessível. Qualquer time com as ferramentas certas chega lá rapidamente. A pergunta mais difícil é o que fazer com o gap que sobra.
Decidir onde cada tarefa cai no espectro de delegação é um ato de design. Não de prompting mais criativo, não de mais iterações com o agente. É uma decisão que precisa ser tomada antes da tarefa chegar ao agente: o que precisa estar especificado pra que o agente opere com autonomia real, e o que a plataforma precisa garantir pra que esse limite seja observável e recuperável quando algo sair do esperado.
Equipes que não tomam essa decisão explicitamente acabam tomando-a por omissão. E a decisão por omissão é sempre a mesma: o humano supervisiona tudo, o agente acelera a digitação, e os 60% de uso nunca viram delegação de fato.
O gap de 40 pontos entre usar e delegar não vai sumir sozinho. Ele precisa ser projetado, tarefa por tarefa. E o que faz essa diferença não é o modelo que você escolheu. É o quanto você explicitou do que "feito" significa antes de deixar o agente ir.
Referências
- Anthropic – 2026 Agentic Coding Trends Report (abr 2026)
- Keyhole Software – Agentic AI in the Software Development Lifecycle: 2026 Adoption and Impact Data (2 set 2026)
- Gartner – Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 (25 jun 2025)
- Diego Lo Giudice, Forrester – Agentic Software Development Takes The Lead: From Code Assistants To Orchestrated SDLC Agents (8 jun 2026)