Devint

Avaliação de desempenho

Contratar desenvolvedores ou investir em IA? Como decidir com dados

Neste artigo

Abrir vagas ou ampliar licenças e agentes de IA? A pergunta “a IA substitui desenvolvedores?” não ajuda a decidir enquanto você não souber onde o trabalho trava. Este artigo traz quatro perguntas que apontam o caminho (contratar, investir em IA, os dois ou nenhum) com dados que a liderança consegue cobrar sem ler código.

Em resumo

  • A IA não substitui desenvolvedores hoje. Ela muda onde está o trabalho, e o ganho de quem escreve código tende a parar na fila de revisão.
  • Contratar e investir em IA resolvem problemas diferentes: um aumenta a capacidade do time, o outro amplia o que o time atual já produz.
  • A decisão começa pelo ponto em que a entrega trava, não pela comparação entre o preço da licença e o salário.
  • Se o time não usa de fato a IA que a empresa já paga, mais licenças não mudam a entrega.
  • Falta de conhecimento ou de alguém que responda por uma frente pede devs novos. Trabalho repetitivo pede ferramenta.
  • Sem uma linha de base de entrega, qualquer escolha vira aposta, e o resultado não aparece na próxima revisão de orçamento.

A IA substitui desenvolvedores? A pergunta que vem antes

Não. Pelo menos não do jeito que costuma aparecer nas reuniões de orçamento. Para quem imagina um time só com IA, sem nenhum dev, o risco é alto: alguém precisa decidir o que construir, revisar o que a IA gera e responder quando algo quebra em produção. Sem essa pessoa, falhas de segurança e de lógica passam despercebidas e se acumulam, e a empresa fica dependente de um sistema que ninguém dentro dela entende nem consegue corrigir. A IA já está em quase todo time de tecnologia, mas o ganho dela depende do time que a recebe.

O relatório State of AI-assisted Software Development, do DORA (Google, setembro de 2025), ouviu quase 5 mil profissionais. Nove em cada dez já usam IA no trabalho, e mais de 80% dizem que ficaram mais produtivos. A conclusão central do estudo, porém, é outra: a IA funciona como amplificador. Em times organizados, ela aumenta a eficiência. Em times com problemas, deixa as fraquezas mais visíveis.

Os dados de uso real apontam na mesma direção. A Faros AI, empresa de análise de engenharia, cruzou dados de mais de 10 mil desenvolvedores em 1.255 times (relatório de julho de 2025). Nos times com mais adoção de IA, cada pessoa concluiu 21% mais tarefas e o time mesclou quase o dobro de pull requests (os pacotes de código enviados para revisão). Só que o tempo de revisão subiu 91%. No nível da empresa, o relatório não encontrou relação significativa entre adoção de IA e mais entrega.

Por isso, a pergunta útil para quem aprova o orçamento não é se a IA substitui pessoas. É que problema você está tentando resolver. Contratar compra capacidade e julgamento: mais gente para assumir frentes e decidir. Investir em IA compra alavancagem: o time atual faz mais do que já faz. As quatro perguntas a seguir mostram qual dos dois falta no seu caso.

Pergunta 1: onde a entrega trava?

Se o trabalho fica parado esperando revisão, aprovação, outro squad ou uma decisão de produto, nem uma contratação nem a IA resolvem sozinhas. As duas aumentam o volume de código que chega a essa fila.

Com a IA, o efeito aparece rápido. No mesmo relatório da Faros AI, os pull requests ficaram, em média, duas vezes e meia maiores nos times com mais adoção, e cada um passou a levar mais tempo para ser revisado. Quem revisa costuma ser a pessoa mais experiente do time, que é justamente a mais difícil de multiplicar. Com uma contratação, a fila cresce depois: quem chega precisa de tempo da equipe para se adaptar, como mostramos em Contratar mais desenvolvedores para aumentar a entrega resolve?.

Para descobrir onde está a trava, não é preciso ler código. Basta pedir ao CTO ou ao Tech Lead a resposta para perguntas como estas:

  • Em que etapa as entregas passam mais tempo paradas: desenvolvimento, revisão, testes ou aprovação?
  • Quantas tarefas prontas estão esperando alguém revisar?
  • Quanto do trabalho depende de outro squad ou de uma definição que ainda não veio?
  • Quanto do ciclo vai para retrabalho e correção de erros?

O que a resposta indica: se a trava é a própria escrita do código, contratar ou investir em IA pode ajudar, e as próximas perguntas dizem qual. Se a trava está em revisão, dependências ou decisões, o primeiro investimento é no processo. O artigo Time de tecnologia atrasando entregas? 6 causas comuns ajuda a identificar qual é o seu caso.

Pergunta 2: o time já usa a IA que você paga?

Licença ativa não é o mesmo que IA no trabalho entregue. Antes de comprar mais, vale saber quanto do que já foi comprado entrou de fato no dia a dia do time.

A percepção de quem usa também não serve de medida. Em 2025, a METR, organização de pesquisa sem fins lucrativos, acompanhou desenvolvedores experientes em tarefas reais. Com IA, eles levaram 19% mais tempo para concluir o trabalho, mas acreditavam ter ficado cerca de 20% mais rápidos. Em fevereiro de 2026, a própria METR marcou esse resultado como desatualizado. Na nova rodada, parte dos desenvolvedores já não aceitava trabalhar sem IA, o que tornou os números pouco confiáveis. A organização acredita que o ganho hoje é maior, mas admite que ainda não consegue medir quanto.

A lição para a liderança de negócios não é que a IA atrasa o time. É que nem o próprio desenvolvedor sabe dizer, só pela sensação, quanto ela ajuda. O DORA encontrou o mesmo descompasso: só 24% dos profissionais dizem confiar muito ou bastante no que a IA produz.

As perguntas que valem para o CTO:

  • Quantas pessoas usam a IA em tarefas que chegam à entrega, e não só em testes?
  • Em que tipo de trabalho ela entra: tarefas repetitivas, correção de erros ou funcionalidades novas?
  • O que mudou na entrega do time desde que a IA chegou?

O que a resposta indica: se a adoção é baixa, o próximo investimento é em treino e em ajustar o fluxo de trabalho, não em mais licenças. Se a adoção é alta e a entrega não mudou, a trava está em outro lugar, e a resposta está na pergunta 1. Para calcular o retorno do que já foi investido, veja ROI de IA no desenvolvimento: como calcular o retorno de copilotos e agentes.

Pergunta 3: falta gente ou falta conhecimento específico?

A IA executa bem trabalho repetitivo e bem definido. Não assume a responsabilidade por um sistema nem conhece o negócio. Por isso, antes de decidir, vale separar dois tipos de falta.

Falta de mão de obra para tarefas conhecidas. Testes básicos, pequenos ajustes, código que segue um padrão que o time já domina, documentação. Se as pessoas mais experientes passam boa parte do tempo nisso, a IA tende a devolver horas para o trabalho que só elas fazem.

Falta de alguém que responda por uma frente. Um produto novo, uma integração com um sistema antigo, uma exigência de segurança ou de regulação, uma decisão de arquitetura que vai durar anos. Aqui o que falta é julgamento e alguém que responda pelo resultado. A IA acelera quem já sabe o caminho, mas não escolhe o caminho.

Há ainda um efeito de longo prazo que a planilha de custo não mostra. Quem vai ser sênior daqui a alguns anos precisa entrar no time em algum momento. Cortar todas as vagas de entrada porque a IA faz parte do trabalho de um júnior resolve o trimestre e cria um problema de formação de time mais à frente.

O que a resposta indica: trabalho repetitivo ocupando gente experiente aponta para investir em IA. Uma frente sem dono, ou um conhecimento que o time não tem, aponta para contratar.

Pergunta 4: você tem um “antes” para comparar?

Sem uma linha de base, não dá para saber se a contratação ou a IA funcionou. Daqui a dois trimestres, a conversa sobre orçamento vai se apoiar em impressões, e a impressão de quem usa a IA, como vimos, não é uma boa medida.

A linha de base que interessa à liderança de negócios não é técnica. São quatro leituras que o time de tecnologia consegue montar:

  • Ritmo de entrega: o que foi planejado e o que foi entregue em cada ciclo.
  • Tempo até a entrega: quanto uma demanda leva do início até chegar ao cliente.
  • Retrabalho: quanto do ciclo vai para corrigir o que já tinha sido entregue.
  • Custo do time no período: folha, licenças e consumo de ferramentas de IA.

Com esses números registrados antes da decisão, a pergunta muda de “a IA está ajudando?” para “o que mudou desde que ela chegou?”. O mesmo vale para quem foi contratado: a comparação só faz sentido depois do período de adaptação, ao longo de vários ciclos, e não no primeiro mês.

O que a resposta indica: se esse “antes” não existe, o primeiro passo é registrá-lo, mesmo que a decisão não possa esperar. Uma escolha feita sem linha de base ainda pode estar certa, mas ninguém vai conseguir provar isso depois.

Como ler as respostas: contratar, investir em IA, os dois ou nenhum

Juntas, as quatro respostas apontam um caminho. A tabela resume os cenários mais comuns.

O que as respostas mostram Caminho Por quê
A entrega trava em revisão, aprovação ou dependência entre squads Nenhum dos dois por enquanto: resolver o processo Mais código, de gente nova ou da IA, só aumenta a fila
O time usa pouco a IA que a empresa já paga Investir em adoção (treino e fluxo) antes de comprar mais Licença parada não muda a entrega
Gente experiente gasta tempo com trabalho repetitivo Investir em IA Devolve horas para o trabalho que só essas pessoas fazem
Falta alguém para uma frente nova ou um conhecimento que o time não tem Contratar A IA acelera quem sabe o caminho, mas não responde pelo resultado
A capacidade está no limite, o fluxo anda bem e a IA já é usada Os dois: contratar e incluir a IA no fluxo desde o primeiro dia O time já converte capacidade em entrega
Não há linha de base Medir primeiro, mesmo enquanto decide Sem o “antes”, nenhuma escolha pode ser avaliada

Nenhuma dessas decisões é definitiva. Ferramentas, time e roadmap mudam, e a escolha merece ser revista a cada trimestre, com os mesmos números da linha de base.

Próximo passo

As quatro perguntas dependem de dados que a maioria das empresas reúne à mão. Uma planilha montada pelo time de tecnologia funciona no começo, mas consome horas e muda de formato a cada ciclo. Os painéis das próprias ferramentas de IA mostram quanto se usa cada licença, mas não o que mudou na entrega. O Devint é uma plataforma que lê entrega e adoção de IA juntas, a cada fechamento, e foi pensado para que a liderança acompanhe isso sem ler código.

  • Ritmo de entrega e Adoção de IA e agentes são duas das seis dimensões do DevScore. Lidas juntas, mostram se o uso de IA aparece no trabalho entregue de cada pessoa e de cada squad.
  • Fechamentos quinzenais criam a linha de base e mostram a tendência ao longo dos ciclos, antes e depois de uma contratação ou de uma nova ferramenta.
  • Tetos por dimensão fazem com que usar mais IA, ou gerar mais código, não vire meta por si só. O número serve para abrir a conversa certa com o time, não para decidir por ela.

A lógica do DevScore vem de mais de 8 anos da Espresso Labs gerenciando milhares de desenvolvedores. Veja como o Devint mostra o que a IA já mudou na entrega do seu time. Se o próximo passo for calcular o retorno do que já foi investido, comece pelo guia de ROI de IA no desenvolvimento.

Perguntas frequentes

A IA vai substituir desenvolvedores nos próximos anos?

Os dados disponíveis não apontam para isso. A IA já faz parte do trabalho de quase todo time de tecnologia, mas o ganho dela depende de processo, de revisão e de quem responde pelas decisões. O que muda é o tipo de trabalho: menos tempo escrevendo código repetitivo e mais tempo revisando, decidindo e cuidando da qualidade do que chega ao cliente.

Investir em IA sai mais barato que contratar um desenvolvedor?

Depende do que entra na conta. Comparar só o preço da licença com o salário engana. O custo da IA inclui o consumo de ferramentas e agentes, o tempo de adaptação do time e horas a mais de revisão. O da contratação inclui o período até a pessoa render. E nenhum dos dois resolve um gargalo que está em outra etapa da entrega.

Dá para reduzir o time e manter a entrega usando IA?

Sem uma linha de base, não há como saber. Antes de trocar pessoas por ferramentas, é preciso medir por alguns ciclos se a entrega do time mudou desde a adoção. Mesmo quando muda, cortar todas as vagas de entrada cria outro risco: ninguém se forma para ocupar, daqui a alguns anos, o lugar de quem hoje tem experiência.

Quanto tempo leva para saber se a decisão deu certo?

Mais do que um mês. Quem é contratado passa por um período de adaptação, e o time também leva um tempo para incorporar uma ferramenta nova ao fluxo de trabalho. O melhor é comparar vários ciclos de entrega com a linha de base registrada antes da decisão e rever a escolha a cada trimestre, com os mesmos números.

Preciso entender de código para cobrar resultado da IA do time de tecnologia?

Não. As perguntas que importam são de negócio: onde a entrega trava, quanto do que foi planejado chegou ao cliente, quanto do ciclo vai para retrabalho e o que mudou desde a adoção da IA. O CTO ou o Tech Lead consegue responder a essas perguntas, e a liderança consegue acompanhar as respostas ao longo do tempo.

Fontes consultadas

Veja o DevScore aplicado ao seu time.

Agendar demonstração