Investigadores da Microsoft, nos EUA, publicaram um estudo sobre a utilização de ferramentas de programação com IA executadas na linha de comandos e o seu impacto na produtividade, com base em dezenas de milhares de engenheiros de software da empresa. O estudo abrangeu o «Claude Code», da Anthropic, e o «Copilot CLI», do GitHub, durante cerca de quatro meses, entre 5 de janeiro e 29 de abril de 2026. Segundo os investigadores, os engenheiros que usaram as ferramentas na primeira semana após a sua disponibilização tiveram, em média, mais 24% de pull requests integrados do que aqueles que não as usaram.
Disponibilizar ferramentas não basta para que se disseminem: o primeiro passo vem «do colega ao lado»
Muitos dirigentes e gestores poderão imaginar que, se a empresa disponibilizar ferramentas de IA a todos, todos começarão a usá-las logo no dia seguinte. No entanto, este estudo indica que o fator que leva alguém a experimentá-las pela primeira vez é mais a relação com as pessoas no local de trabalho do que as explicações sobre as funcionalidades ou os anúncios.
Quando colegas com quem partilham código habitualmente ou superiores hierárquicos diretos usam estas ferramentas, aumenta a probabilidade de também começarem a usá-las. Os números são concretos. Quando mais de um quarto dos colegas que têm o mesmo superior hierárquico que o seu chefe as tinham usado nas duas semanas anteriores, as probabilidades de experimentação aumentaram até 216%. Nos casos em que o superior hierárquico direto as usava, a subida foi de 82%; quando mais de um quarto das pessoas com quem habitualmente trocavam revisões de código as usava, foi de 54%.
O aumento das probabilidades não é o mesmo que «o aumento da probabilidade»
Importa ter cuidado com o termo «odds» (probabilidades relativas). As odds exprimem a possibilidade de um acontecimento ocorrer em relação à possibilidade de não ocorrer. Um aumento de 216% pode dar a impressão de que o número de utilizadores mais do que triplicou, mas não significa que a proporção de pessoas que usam a ferramenta tenha aumentado 216%. Quando a taxa de utilização inicial é baixa, as diferenças podem parecer maiores; o aumento real do número de utilizadores é inferior a esse valor.
Ainda assim, é evidente que o comportamento dos superiores hierárquicos e dos colegas incentiva a adoção. Em vez de começarmos a usar uma ferramenta nova depois de ler o manual, começamos porque «aquela pessoa está a usá-la». Pessoalmente, parece-me uma situação familiar em muitos locais de trabalho, não apenas nas equipas de desenvolvimento. Um superior hierárquico que experimenta a ferramenta primeiro e demonstra como a usa numa revisão. Este tipo de iniciativa discreta poderá ser mais eficaz do que os materiais de formação.
É o fluxo de trabalho habitual que determina se as pessoas continuarão a usar a ferramenta
Uma coisa é experimentar a ferramenta; outra é continuar a usá-la. O estudo concluiu que a utilização continuada estava relacionada com o volume habitual de atividade de programação de cada pessoa. Os engenheiros mais ocupados, que escrevem muito código e criam pull requests com frequência, tendiam a sentir mais os benefícios da IA e a integrar melhor as ferramentas no seu trabalho.
Um pull request é um pedido para integrar no código principal alterações feitas ao código. Quem o cria com frequência também pode ter muitas tarefas que consegue delegar à IA. Quanto mais trabalho manual se faz, mais facilmente se sente o efeito da ferramenta.
Um ambiente familiar pode tornar-se um obstáculo à adoção de novas ferramentas
Por outro lado, o estudo também concluiu que as pessoas que já usavam ferramentas de IA existentes noutros ambientes de desenvolvimento experimentavam as novas ferramentas, mas tinham mais dificuldade em adotá-las de forma duradoura. É possível que muitas prefiram o ambiente a que estão habituadas.
É semelhante a mudar de telemóvel. Mesmo que as funcionalidades sejam melhores, quando já nos habituámos à disposição das aplicações e à forma de usar o dispositivo, queremos voltar ao anterior. Quem introduz novas ferramentas de IA terá de considerar não só o desempenho, mas também a forma como estas se encaixam nos fluxos de trabalho já estabelecidos pelos utilizadores.
Como interpretar o aumento de 24% no número de pull requests
O impacto na produtividade foi medido pelo número de pull requests integrados, que corresponde à quantidade de trabalho concluído. Segundo o estudo, os engenheiros que usaram as ferramentas na primeira semana após a sua disponibilização tiveram, em média, mais 24% do que aqueles que não as usaram. Os investigadores referem que este efeito se manteve estável ao longo dos quatro meses do estudo, não se tratando de um entusiasmo passageiro imediatamente após a introdução das ferramentas.
No entanto, a produtividade aqui referida é medida apenas pelo número de pull requests. Estes números não demonstram que a qualidade do código, o tempo gasto em cada pedido ou a carga de trabalho da equipa tenham melhorado na mesma proporção. Convém distinguir o facto de o número ter aumentado da sensação de que o trabalho, no seu conjunto, se tornou mais fácil.
Claude Code: 11,4%; Copilot CLI: 24,9%
Por ferramenta, o aumento do número de pull requests face às semanas em que não foi utilizada foi de 11,4% para os utilizadores do Claude Code e de 24,9% para os do Copilot CLI. A diferença é de cerca do dobro, mas seria precipitado interpretar estes números como uma comparação direta entre as ferramentas. O Copilot CLI é disponibilizado pelo GitHub, que pertence à Microsoft, e a forma como cada ferramenta é usada na empresa e o perfil dos seus utilizadores podem não ser iguais.
Ainda assim, são poucos os estudos que acompanham, ao longo de quatro meses, tanto a disseminação da utilização como os resultados em ambientes de desenvolvimento reais com dezenas de milhares de pessoas. Enquanto o debate sobre programação com IA tende a centrar-se em «qual é o modelo mais inteligente?», os resultados deste estudo mostram a realidade da adoção: quem começa a usar estas ferramentas e quem continua a fazê-lo. Talvez estejamos a entrar numa era em que a capacidade de planear a forma como estas ferramentas se disseminam no local de trabalho influencia os resultados tanto quanto a sua escolha.
コメント