Por David Pereira (*)

Depois de ler inúmeros estudos e observar implementações no mundo real, aprendi a usar IA como uma ferramenta complementar em vez de algo que substitui o meu trabalho. É evidente que a adoção de IA está em crescimento na nossa indústria. Podemos usá-la de várias formas, como um professor ou colega de trabalho, mas a diferença entre as promessas de marketing e os resultados reais deve estar sempre presente nas nossas mentes. Sou uma pessoa muito pragmática, por isso não gosto de ouvir apenas a perspetiva positiva do uso de IA sem falar das desvantagens.

Há muito hype e investimento nesta área e apenas alguns colhem os benefícios de ferramentas de IA.

O mito da produtividade

Na minha opinião, o maior erro que as organizações cometem é perseguir as métricas erradas em termos de produtividade de desenvolvimento de software. É mais fácil compreender (e fazer marketing) com números simples como: "55% mais rápido que os programadores que não usaram GitHub Copilot", "mais de um quarto de todo o código novo no Google é gerado por IA" ou "programadores que usam IA são 19% mais lentos".

Ganhos de produtividade não se medem pela quantidade de código produzido, especialmente quando é fácil criar AI slop (código de má qualidade gerado por IA). Também não devem ser medidos na produção de boilerplate ou tarefas simples. Uma aplicação TODO é diferente de um sistema de produção real. Só podemos garantir que temos esses ganhos escolhendo métricas que façam sentido para a nossa equipa e contexto, depois medindo e refletindo sobre os resultados. É assim que nos tornamos mais eficazes e guiamos o nosso barco na direção certa. Sou muito mais cético em relação a declarações feitas por fornecedores de IA, CEOs ou criadores de conteúdo, e isso ajuda-me a manter o foco no meu objetivo, que é continuar a melhorar e trazer valor para a minha equipa. Se a IA pode ajudar com isso, ótimo, se não, a vida continua.

Onde a IA realmente adiciona valor

Do meu ponto de vista, o verdadeiro valor da IA em equipas de software reside em três áreas específicas que as ferramentas tradicionais não conseguem abordar eficazmente:

. IA como parceiro de pensamento estratégico - Acredito que a aplicação mais subvalorizada é usar IA para discussões arquiteturais e análise de trade-offs. Quando um engenheiro pode ter uma conversa profunda sobre um problema técnico, gerar 10 soluções possíveis e depois filtrar as más ideias geradas pelo IA, isso é realmente útil. Não se trata de obter detalhes de implementação perfeitos - trata-se de expandir o espaço de soluções antes de tomar decisões críticas.

. Ter um co-teacher - É difícil ser alguém que amplia e melhora todos à nossa volta, e é por isso que esta é uma característica diferenciadora nos engenheiros seniores que têm esta habilidade. O desafio de integrar programadores juniores, explicar lógica de negócio e partilhar padrões de design sempre existiu. Queremos sempre que os nossos programadores seniores partilhem e ajudem os juniores a crescer, e usar IA como um professor ajuda-nos com isso. A Anthropic mencionou no seu artigo como o Claude Code os ajuda: “Na Anthropic, usar o Claude Code desta forma tornou-se o nosso fluxo de trabalho principal de onboarding, melhorando significativamente o tempo de integração e reduzindo a carga sobre outros engenheiros.”

. Como um novo estagiário - Estou convencido de que a IA ajuda a minha equipa nas tarefas mundanas ou chatas mas demoradas. Revisões iniciais de código, geração de resumos de PR, rascunhos de documentos com decisões de arquitetura, criação de testes unitários para cenários específicos e geração de queries KQL para troubleshooting. A nossa equipa no CloudCockpit também tem criado prompts reutilizáveis e agentes personalizados que ajudam cada programador a desenvolver novas funcionalidades e ter revisões de arquitetura sobre propostas.

Até agora, notei que usar IA está a ajudar-me a pensar melhor, mas tem o potencial de me ajudar a trabalhar mais rápido com o uso destes agentes. Ainda assim, uso-a principalmente para "pesquisa profunda" sobre possíveis soluções, aprender novas tecnologias através de analogias, encontrar documentação relevante e resolver problemas. A peça mais importante permanece, que é manter um alto nível de excelência técnica e qualidade na nossa equipa.

Desenvolver competências de pensamento crítico

A minha maior preocupação é: a tendência de os programadores tornarem-se demasiado dependentes dos outputs de IA sem desenvolver capacidades para os avaliar. No relatório DORA 2025, descobriram que 65% dos profissionais de tecnologia relatam confiar em IA pelo menos uma "quantidade moderada". É importante compreender este comportamento nas nossas equipas. Todos os engenheiros de software precisam de demonstrar competências de pensamento crítico, na minha opinião, os seniores mais do que os juniores. Mas ainda assim, esta competência deve ser aprendida e desenvolvida. Não podemos ter bons profissionais na nossa área sem esta competência. Mas estou a ver mais engenheiros de software a delegar o seu pensamento a uma máquina, uma simples ferramenta.

Equipas que aceitam sugestões de IA sem o push-back que profissionais experientes recomendam, normalmente estão a trocar velocidade por qualidade. Claro, não há nada de errado com isso em alguns cenários como protótipos e aplicações demo. Para produtos com milhões de utilizadores que precisam de ser robustos? Não, não é um bom trade-off.

Devemos pensar criticamente sobre o output da IA e ser o humano no meio do processo. Estás confiante que o teu sistema de IA vai-se comportar bem se lhe deres mais ferramentas e autonomia? Estás confiante de que o output é baseado em factos e afirmações verdadeiras, em vez de mentiras e alucinações? Não delegues o teu pensamento crítico a ferramentas, e também não te tornes demasiado dependente delas sem verificar os factos. Avalia sempre se o que a IA te está a dizer com muita confiança é sequer verdade, e permanece atento às suas limitações.

De tudo o que observei, aprender a usar ferramentas IA é algo que recomendo. Aprender os seus pontos fortes e limitações. Organizações que abordam a adoção de IA com ceticismo saudável enquanto investem em experimentação, inovação e aprendizagem, vão construir vantagens competitivas sustentáveis.

Questiona-te honestamente: Estás a medir resultados de negócio, ou apenas output de código de ferramentas de IA? As tuas equipas estão com mais capacidades técnicas e intelectuais, ou apenas mais dependentes de inteligência externa? Estás a acreditar cegamente no hype da IA ou a aprender como tirar proveito desta nova ferramenta?

(*) CloudCockpit Software Architect na Create IT