O que ajudou a sair da síndrome do engenheiro 10x de produtividade com IA

• A afirmação de que a IA aumenta a produtividade de engenheiros em 10 a 100 vezes não é realista
• Ao usar ferramentas de IA para programação de forma aprofundada na prática, percebe-se que o ganho de eficiência é limitado, e explosões temporárias de produtividade só ocorrem em tarefas repetitivas e simples
• Os gargalos do desenvolvimento de software (code review, colaboração, planejamento etc.) não podem ser superados com IA, e uma melhora de 10x no trabalho como um todo é impossível
• O mito do engenheiro 10x surge de várias motivações, como distorção de métricas, interesses do setor ou até a criação de ansiedade dentro das organizações
• Manter seu próprio jeito de desenvolver e o prazer no trabalho leva a resultados melhores no longo prazo e a uma cultura organizacional mais saudável

---

Ceticismo em relação ao mito do engenheiro 10x com IA

Ansiedade de produtividade e experiência prática com ferramentas de IA

• Em plataformas como LinkedIn e Twitter, vem se espalhando o discurso de que a IA aumenta a produtividade dos engenheiros em 10 a 100 vezes, e muitos desenvolvedores sentem ansiedade por medo de ficar para trás
• O autor também colocou em uso real vários agentes de geração de código com IA (Claude Code, Cursor, Roo Code, Zed etc.), mas, embora fossem convenientes em tarefas simples e repetitivas, não houve transformação fundamental em trabalhos complexos do mundo real
  • Em JavaScript (especialmente React), dá para escrever rapidamente código repetitivo (boilerplate)
  • Mas, quando há padrões próprios da base de código ou bibliotecas incomuns, a IA não consegue acompanhar direito
  • Em linguagens como Terraform, o desempenho cai porque a IA não está tão familiarizada
  • Por causa de alucinações (hallucination), ela pode gerar bibliotecas inexistentes e até provocar vulnerabilidades de segurança
• A capacidade de entendimento de contexto da IA ainda é limitada. Quanto mais complexa é a base de código real, mais surgem prompts repetidos, erros e perda de tempo
• Como resultado, o autor usa IA em scripts pequenos ou tarefas não essenciais, enquanto trabalhos complexos ou importantes continuam sendo feitos manualmente

O problema de quantificar a produtividade no desenvolvimento de software

• A alegação de que a produtividade pode aumentar 10 a 100 vezes com IA é uma métrica distante da realidade
• Produtividade 10x ou 100x não significa apenas mais linhas de código, mas sim que um trabalho que levaria 3 meses (desenvolvimento completo, code review, QA etc.) terminaria em 1 semana e meia
• No desenvolvimento de software, há vários gargalos: planejamento, estimativa de story points, correção de bugs, code review, espera para deploy, testes e QA
  • Para atingir esse objetivo, cada uma dessas etapas teria de ficar 10 vezes mais rápida na mesma proporção
  • Na prática, o tempo gasto com codificação em si é pequeno, e muito do esforço vai para entendimento, design, revisão e comunicação
• Realisticamente, code review, colaboração, comunicação e QA não podem ser encurtados com IA
• Nos trabalhos reais de engenharia, os gargalos estão nas pessoas, nos processos e na comunicação
• LLMs (large language models) reduzem o tempo de digitar no teclado, mas tempo para qualidade de código, testes e revisão continua sendo necessário
• Mesmo que a IA aumente temporariamente a velocidade de escrita de código, o aumento de taxa de erros, padrões de código inadequados e re-prompting fazem com que isso não tenha impacto decisivo no aumento da produtividade total
  • Uma produtividade 10x é, na prática, um objetivo quase impossível

A realidade e os limites do engenheiro 10x

• Sobre a existência de um "engenheiro 10x", o autor considera que isso é possível de forma temporária e limitada
  • O maior motivo é a capacidade de evitar trabalho desnecessário que se acumula com experiência, como impedir desenvolvimento desnecessário ainda na fase de planejamento, melhorar a experiência de desenvolvimento e investir em documentação
  • Mas nem todo engenheiro encontra esse tipo de situação o tempo todo
• Engenheiros excepcionais podem evitar trabalho desnecessário ou aumentar a eficiência da organização inteira ao melhorar sistemas, mas, na prática, quase não existem casos de desempenho sustentado de 10x
• Ferramentas de IA para programação não contribuem muito para evitar trabalho desnecessário
  • Pelo contrário, recomendações da IA podem levar a implementações excessivas ou sugerir arquiteturas erradas
  • Codificar mais rápido nem sempre significa ser um engenheiro melhor

O contexto e as motivações por trás do mito da IA 10x

A maioria das alegações de "produtividade 10x" vem de fatores como os seguintes:

• Engenheiros bem-intencionados que cometem erros de medição
  • Com ferramentas de IA, é possível viver momentos curtos de eficiência explosiva (ex: escrever automaticamente regras customizadas de ESLint)
  • Mas, quando esse tipo de tarefa se repete, a diferença de produtividade acaba diminuindo rapidamente
  • O fascínio técnico e a adaptação a um ambiente novo podem causar, no começo, uma ilusão exagerada de eficiência
• Incentivos e partes interessadas
  • Fundadores de startups de IA, investidores e outros atores costumam citar números exagerados em busca de sucesso comercial
  • Engenheiros e executivos também podem mencionar produtividade inflada para atender às expectativas dentro da organização
• Objetivos maliciosos
  • Alguns executivos espalham afirmações exageradas com a intenção de criar ansiedade nos engenheiros e evitar agitação interna, como trocas de emprego ou pedidos de aumento
  • O medo de que qualquer pessoa possa ser facilmente substituída por IA se repete ciclicamente (de forma parecida com debates passados sobre coding bootcamps)

O desempenho real da IA em open source e projetos práticos

• A maioria dos casos sobre ganho de produtividade com IA mostra uma distância entre quem escreve sobre isso e o engenheiro cuja produtividade teria aumentado.
  • Casos de uso de ferramentas de IA comprovados diretamente por engenheiros reais mostram um retrato realista, sem exageros
  • Em projetos open source, os resultados do uso de IA muitas vezes aparecem como abaixo do esperado ou até como casos de fracasso
• Em demos públicas ou casos reais de engenheiros, às vezes a IA parece mágica, mas, na maior parte do tempo, não é tão diferente do velho "gerador de texto"

Um valor mais importante do que a "produtividade": manter seu próprio jeito de desenvolver

• Usar IA pode, às vezes, permitir escrever código mais rápido, mas o autor ainda valoriza mais o prazer de programar em si
• Se você não gosta de programar com IA ou não acha isso prazeroso, tudo bem abrir mão de parte da produtividade
  • Mesmo aceitando algum nível de ineficiência, trabalhar do jeito que combina com você gera resultados melhores e mais saudáveis no longo prazo
• Quando se trabalha com prazer, é possível ter melhor capacidade de resolver problemas, de projetar soluções e de colaborar com colegas
  • Prazer e imersão são mais importantes para a produtividade de longo prazo e para a qualidade do código, e perseguir produtividade à força aumenta o risco de burnout
• Por outro lado, se programar com IA for realmente divertido e útil, vale usar isso ativamente

Conselhos para uma cultura organizacional saudável

• Ao adotar ferramentas de IA, criar expectativas irreais e ansiedade em todos os engenheiros prejudica a produtividade da organização
• A obsessão por maximizar produtividade leva a queda de qualidade, deterioração da base de código e perdas de longo prazo
• O ideal é dar autonomia e confiança suficientes aos engenheiros e permitir que cada um escolha o uso de IA da forma que mais se adequa a si
  • Dentro da organização, é importante oferecer oportunidades de uso de IA, mas com um ambiente que garanta autonomia
• Se LLMs e a inovação em programação com IA realmente entregarem produtividade 10x, os próprios desenvolvedores vão descobrir isso naturalmente

Conclusão

• A revolução do engenheiro 10x causada por IA está mais para mito; na prática, não existe uma receita secreta sendo ignorada
• O mais importante é confiar na própria habilidade e no próprio jeito de trabalhar
• SNS (especialmente LinkedIn e Twitter) ampliam mitos exagerados, então não há problema em ignorá-los