O estudo mais recente da Anthropic mostra que desenvolvedores que dependem da IA para geração de código obtêm pontuações 17% menores em testes de compreensão de conceitos e não terminam as tarefas mais rápido do que seus pares que dependem de documentação e buscas na web. Os resultados ressaltam que, embora a IA possa gerar código funcional em segundos, ela não reduz o custo da verdadeira expertise em engenharia.

Por que o estudo é importante

O experimento dividiu os desenvolvedores em duas coortes. Um grupo recebeu acesso irrestrito a uma ferramenta de geração de código por IA; o outro resolveu os mesmos problemas usando apenas documentações oficiais e buscas na internet. Após as tarefas, os participantes fizeram um questionário para testar a compreensão dos princípios subjacentes. A pontuação média do grupo assistido por IA ficou 17% abaixo, e nenhum dos grupos apresentou uma vantagem de velocidade mensurável.

Em termos práticos, o “vibe coding” — solicitar que uma IA produza um trecho de código e implementá-lo sem uma inspeção mais profunda — não aumenta a produtividade. Ele apenas mascara uma lacuna de conhecimento que mais tarde explode em forma de bugs, dores de cabeça na manutenção ou reescritas dispendiosas.

O contexto por trás dos números

A pesquisa da Anthropic mostra que a promessa é incompleta. Os participantes que usaram a IA para cada etapa — copiando e colando sugestões, ajustando nomes de variáveis e seguindo em frente — foram os que menos absorveram sobre o domínio do problema. Desenvolvedores que trataram a ferramenta como um colaborador — fazendo perguntas precisas e específicas e depois dissecando o código retornado — retiveram mais do framework conceitual.

A distinção reflete uma observação mais ampla da indústria: engenheiros de prompt podem disparar uma função em minutos, mas um engenheiro de sistemas se move mais rápido conforme a complexidade cresce. Eles antecipam o que quebra e o que falha ao escalar. Sua velocidade reflete julgamento, não ineficiência.

Quem ganha, quem perde

Engenheiros que mantêm o julgamento Engenheiros que entendem a arquitetura, sabem onde as estruturas devem ser rígidas ou flexíveis e conseguem reescrever componentes sem quebrar o sistema economizam dinheiro para as organizações a longo prazo. Seu conjunto de habilidades protege contra a dívida técnica oculta que frequentemente acompanha o código gerado por IA, que parece limpo, mas carece de uma intenção explícita.

Especialistas em prompt Aqueles que tratam a IA como uma varinha mágica podem entregar protótipos rápidos ou resolver bugs isolados. No curto prazo, eles parecem produtivos, mas quando a base de código se expande, as suposições ocultas nos trechos produzidos pela IA tornam-se passivos. A depuração (debugging) então se transforma em uma busca pela intenção original, inflando os custos de manutenção.

A organização Empresas que dependem fortemente de um desenvolvimento baseado apenas em IA correm o risco de ter despesas futuras mais altas: mais tempo gasto com depuração, refatoração e integração (onboarding) de novos engenheiros que precisam decifrar códigos opacos. Empresas que combinam a assistência de IA com práticas de engenharia disciplinadas colhem benefícios de velocidade, mantendo a estabilidade a longo prazo.

Os detalhes que a maioria dos relatórios ignora

  • Impacto no aprendizado: A lacuna de 17% foi medida em um questionário que testava a compreensão, não apenas a memorização de sintaxe. Isso indica uma erosão real dos modelos mentais, não apenas um conhecimento superficial.
  • Tempo de conclusão da tarefa: Apesar do fascínio do código instantâneo, o estudo não encontrou diferença estatisticamente significativa no tempo que cada grupo levou para concluir a tarefa. Os ganhos de velocidade foram ilusórios.
  • O método importa: O estudo destacou um espectro de uso da IA. A dependência pura da IA gerou os piores resultados de aprendizado, enquanto o uso de prompts seletivos e inquisitivos produziu melhores resultados. Manchetes que proclamam que “a IA torna a codificação mais rápida” frequentemente perdem essa nuance.

Contra-argumento: A IA não é inútil

O estudo não nega benefícios de nicho; ele simplesmente alerta contra a extrapolação desses benefícios para todo o processo de desenvolvimento de software. Quando o problema envolve design de sistemas, ajuste de desempenho ou considerações de segurança, o julgamento humano permanece indispensável.

Conclusão

A IA pode lhe entregar um skate, mas sem conhecimento de freios e direção, você irá bater quando a estrada fizer uma curva. A tecnologia reduz a barreira para escrever código, mas a escassez continua sendo de engenheiros que conseguem raciocinar sobre sistemas, antecipar falhas e manter o software vivo conforme ele cresce. Investir nesse julgamento, em vez de esperar que um prompt o substitua, continua sendo a maneira mais inteligente de controlar os custos a longo prazo.