Por Jerry Soares, CEO da MPJ Solutions.
Mais de 97% dos profissionais de equipes de desenvolvimento entrevistados pelo GitHub já haviam utilizado ferramentas de programação baseadas em inteligência artificial no trabalho. O dado, obtido em uma pesquisa com 2 mil profissionais dos Estados Unidos, Brasil, Alemanha e Índia, mostra que a discussão sobre IA no desenvolvimento de software já passou da hipótese de adoção. Essas ferramentas já fazem parte da rotina de quem escreve, testa, documenta e mantém aplicações.
Na minha visão, a principal mudança provocada pela IA generativa não está apenas na velocidade com que o código pode ser produzido. Está na forma como o trabalho do desenvolvedor passa a ser distribuído ao longo do projeto.
Gerar uma função, criar um teste, documentar um trecho de código, converter uma linguagem para outra ou explicar uma parte de um sistema legado são tarefas que podem ser aceleradas com ferramentas generativas. Em atividades desse tipo, a tecnologia reduz o tempo gasto na execução e permite que o profissional concentre mais atenção em decisões que exigem compreensão do sistema, do negócio e dos impactos de cada escolha técnica.
Isso muda a relação com o código. O desenvolvedor continua precisando saber programar, mas passa a lidar com uma quantidade maior de código produzido ou sugerido por ferramentas. Com isso, a capacidade de analisar, revisar e questionar uma solução ganha peso.
Esse ponto merece atenção porque velocidade de geração não significa qualidade garantida. Uma resposta produzida por IA pode funcionar em um cenário simples e ainda apresentar problemas quando integrada a uma aplicação maior. Segurança, desempenho, arquitetura, regras de negócio, dependências entre sistemas e manutenção futura continuam fazendo parte da responsabilidade técnica de quem conduz o desenvolvimento.
Os dados do Stack Overflow ajudam a mostrar essa diferença. Na pesquisa de 2025, 80% dos desenvolvedores consultados afirmaram utilizar ferramentas de IA em seus fluxos de trabalho, mas apenas 29% disseram confiar na precisão das respostas geradas. Existe, portanto, uma distância relevante entre utilizar a tecnologia e confiar nela sem uma etapa de avaliação.
É nesse espaço que, na minha opinião, está uma das mudanças mais importantes para a profissão. À medida que a IA assume parte das tarefas operacionais, aumenta o valor de quem consegue avaliar se aquilo que foi produzido realmente resolve o problema.
Um código pode compilar e ainda assim estar inadequado para o ambiente em que será utilizado. Uma aplicação pode funcionar durante um teste e apresentar riscos quando exposta a diferentes usuários, sistemas ou volumes de dados. Uma solução pode parecer eficiente no curto prazo e criar dificuldades de manutenção meses depois. A ferramenta consegue participar dessas etapas, mas a responsabilidade de avaliar as consequências continua sendo humana.
Isso também altera o que as empresas deveriam observar na formação de suas equipes. O conhecimento técnico continua sendo necessário, mas passa a dividir espaço com competências como arquitetura de sistemas, análise de requisitos, compreensão do negócio, segurança, integração e capacidade de revisar diferentes alternativas.
A mudança pode ser percebida também na maneira como os profissionais interagem com as próprias ferramentas. Saber formular uma solicitação para obter um determinado resultado é apenas uma parte do processo. É preciso entender o que foi produzido, identificar limitações, fazer ajustes e decidir quando uma sugestão deve ser aceita, modificada ou descartada.
Para as empresas, isso traz uma consequência importante na organização dos projetos. Se determinadas tarefas passam a exigir menos tempo, a composição das equipes pode mudar. Algumas etapas ganham velocidade, enquanto outras passam a exigir maior participação de profissionais capazes de tomar decisões sobre arquitetura, integração, segurança e operação.
Isso não significa que todas as empresas precisarão reduzir suas equipes de desenvolvimento. O efeito pode ser justamente o contrário em projetos que ganham escopo porque a capacidade de execução aumenta. O ponto é que a distribuição do trabalho tende a mudar, e a composição dos times precisa acompanhar essa transformação.
Também considero importante que as empresas estabeleçam critérios antes de incorporar essas ferramentas ao desenvolvimento. Informações utilizadas nos prompts, códigos compartilhados com plataformas externas, requisitos de segurança, processos de revisão e critérios para validação precisam fazer parte das regras de uso.
A adoção sem uma definição clara desses limites pode criar problemas que aparecem apenas depois que a ferramenta já está integrada ao fluxo de desenvolvimento. Por isso, governança precisa acompanhar a tecnologia desde o início, e não entrar apenas quando um incidente acontece.
Estamos diante de uma mudança que vai além da automação de algumas tarefas de programação. A IA generativa está alterando a distribuição do trabalho dentro das equipes e aumentando a importância de profissionais capazes de compreender sistemas de forma ampla.
Na minha avaliação, o desenvolvedor que ganha relevância nesse novo cenário é aquele que consegue combinar conhecimento técnico com capacidade de análise. A ferramenta pode escrever uma parte do código em poucos segundos. O diferencial passa a estar em saber qual código precisa ser escrito, por que aquela abordagem faz sentido, como ela se conecta ao restante da aplicação e quais consequências pode trazer para o negócio.
A programação continua sendo parte central deste trabalho. O que muda é a proporção entre produzir código e tomar decisões sobre o código produzido. E essa mudança já começou.
