Investigadores da Microsoft, nos Estados Unidos, publicaram um estudo sobre a utilização de ferramentas de programação com IA que funcionam na linha de comandos e o seu impacto na produtividade, analisando dezenas de milhares de engenheiros de software da empresa. As ferramentas estudadas foram o «Claude Code», da Anthropic, e o «Copilot CLI», do GitHub. O estudo decorreu ao longo de cerca de quatro meses, entre 5 de janeiro e 29 de abril de 2026. Segundo os investigadores, na primeira semana de utilização, os engenheiros que usaram as ferramentas fizeram, em média, mais 24% de pull requests integrados do que aqueles que não as usaram.
Distribuir ferramentas não chega para que se espalhem: o primeiro passo começa «na secretária ao lado»
Muitos executivos e gestores deverão imaginar que, se a empresa disponibilizar uma ferramenta de IA a todos os trabalhadores, no dia seguinte todos começarão a usá-la. No entanto, este estudo indica que a decisão de experimentar a ferramenta pela primeira vez depende mais das relações entre colegas de trabalho do que das explicações sobre as funcionalidades ou dos anúncios.
Quando colegas com quem se partilha código habitualmente ou o superior hierárquico direto usam a ferramenta, aumenta a probabilidade de a pessoa também começar a usá-la. Os números são concretos. Quando mais de um quarto dos colegas que partilhavam o mesmo chefe do seu chefe a tinham usado nas duas semanas anteriores, as odds de experimentar a ferramenta aumentavam até 216%. O aumento era de 82% quando o superior hierárquico direto a usava e de 54% quando mais de um quarto das pessoas com quem se faziam regularmente revisões de código a usavam.
O aumento das odds não é o mesmo que «o aumento da probabilidade»
Importa ter em atenção o significado da palavra «odds». As odds exprimem a probabilidade de um acontecimento se verificar em relação à probabilidade de não se verificar. Ao ouvir que aumentaram 216%, pode parecer que o número de pessoas que usam a ferramenta mais do que triplicou, mas isso não significa que a proporção de utilizadores tenha aumentado 216%. Quando a taxa de utilização inicial é baixa, a diferença pode parecer maior; na realidade, o aumento do número de utilizadores será inferior a esse valor.
Ainda assim, é evidente que o comportamento dos superiores e dos colegas incentiva a utilização. Em vez de começarem por ler o manual, as pessoas experimentam uma ferramenta nova porque «aquela pessoa está a usá-la». Pessoalmente, parece-me uma situação reconhecível em muitos locais de trabalho, não apenas no desenvolvimento de software. Um superior pode ser o primeiro a experimentar e mostrar como usa a ferramenta numa revisão de código. Esse tipo de iniciativa discreta poderá ser mais eficaz do que os materiais de formação.
É o fluxo de trabalho habitual que determina se a utilização continua
A questão de saber se quem experimenta a ferramenta continua a usá-la é outra. 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 fazem pull requests com frequência, pareciam sentir mais os benefícios da IA e tinham maior tendência para integrar a ferramenta no seu trabalho.
Um pull request é um pedido para que o código alterado seja incorporado no código principal. Quem faz estes pedidos com frequência também pode ter mais tarefas que pode delegar à IA. Quanto mais trabalho se faz, mais fácil é sentir os efeitos da ferramenta.
Um ambiente a que já se está habituado pode tornar-se um obstáculo à adoção de novas ferramentas
Por outro lado, o estudo concluiu que os utilizadores que já usavam outras ferramentas de IA num ambiente de desenvolvimento diferente tendiam a experimentar as novas ferramentas, mas tinham mais dificuldade em continuar a usá-las. É possível que muitas pessoas se sintam mais confortáveis no ambiente a que estão habituadas.
É parecido com mudar de telemóvel. Mesmo que as funcionalidades sejam melhores, quando já nos habituámos à disposição das aplicações e à forma de utilizar o aparelho, podemos querer voltar ao anterior. Quem introduz uma nova ferramenta de IA terá de pensar não só no seu desempenho, mas também na forma como se integra no fluxo de trabalho que os utilizadores já construíram.
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. Na primeira semana de utilização, os engenheiros que usaram as ferramentas fizeram, em média, mais 24% de pull requests do que aqueles que não as usaram. Os investigadores indicam que o efeito se manteve estável ao longo dos quatro meses do estudo, em vez de ser apenas um resultado temporário do entusiasmo inicial com a ferramenta.
No entanto, a produtividade aqui referida é medida apenas pelo número de pull requests. Este valor não demonstra que a qualidade do código, o tempo necessário por pedido ou a carga de trabalho da equipa tenham melhorado na mesma proporção. Convém distinguir o facto de o número ter aumentado da perceção de que o trabalho, no seu conjunto, se tornou mais fácil.
Claude Code: 11,4%; Copilot CLI: 24,9%
Separando os resultados por ferramenta, o aumento do número de pull requests face às semanas em que não foi usada nenhuma ferramenta foi de 11,4% para os utilizadores do Claude Code e de 24,9% para os utilizadores do Copilot CLI. A diferença é de cerca do dobro, mas seria precipitado interpretar estes valores diretamente como uma comparação entre a qualidade das ferramentas. O Copilot CLI é disponibilizado pelo GitHub, que pertence à Microsoft, e os contextos de utilização e os perfis dos utilizadores das duas ferramentas podem não ser iguais.
Ainda assim, são poucos os estudos que acompanharam, 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», estes resultados mostram a realidade da adoção: quem começa a utilizar 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 como a escolha das próprias ferramentas.
コメント