IA aumentou produção 30% e a entrega ficou parada

No começo de outubro, a Google apresentou um agente corporativo que promete executar tarefas de vários dias dentro dos apps do trabalho. Na mesma semana, um estudo de Harvard que analisou 300 milhões de eventos de trabalho em 718 empresas devolveu um número incômodo: quem adotou agente de código subiu a produção em 30% e manteve a entrega no mesmo lugar. Produção e resultado se separaram. Essa é a conversa que todo founder deveria ter com a equipe antes de pagar a próxima licença de IA.

Em uma frase

Dá para produzir 30% a mais sem entregar nada a mais. IA não é atalho para resultado. É um acelerador de volume que precisa de alguém para revisar, integrar e medir.

O que este artigo ensina

• Por que produção e entrega se separam quando você usa IA.
• O gargalo que o estudo achou, e que ninguém fala na reunião de adoção.
• Um método de 3 gargalos para saber se a sua IA gera resultado ou só trabalho.

O problema: produção subiu, entrega parou

O estudo é dos economistas Fiona Chen e James Stratton, de Harvard, com dados da Jellyfish. São 300 milhões de eventos de trabalho, 700 mil funcionários e 718 empresas de software entre 2021 e março de 2026. Não é pesquisa de opinião. É comportamento real de equipe.

Quando uma empresa passou a usar agentes de código, os números de volume dispararam. Total de linhas de código 30% maior. Commits 20% mais frequentes. Pull requests 23% a mais.

Agora o número que deveria interessar você. A taxa de conclusão de issues e funcionalidades não mudou. De forma estatisticamente significativa, zero mudança. Produziu mais, entregou o mesmo. É o tipo de resultado que faz um board perguntar onde foi parar o dinheiro da IA.

O que o estudo encontrou

• Produção de código: 30% a mais.
• Commits: 20% a mais.
• Pull requests: 23% a mais.
• Trabalho concluído, entre issues e funcionalidades: sem mudança.
• Tempo de revisão até o código entrar no sistema: 49% maior.
• Pull requests que voltam para ajustes: quase o dobro.
• Comentários por pull request: 35% a mais.

A conta fecha sozinha. A máquina passou a produzir mais rápido. A fila para conferir essa produção não acompanhou. O gargalo não é a IA. É a porta de saída.

O gargalo não é a máquina

O estudo é direto: os ganhos da IA foram absorvidos pela revisão humana. A produção subiu e bateu numa parede que já existia, só que agora mais alta. Mais gente passou a revisar código e, mesmo assim, a fila cresceu.

Isso não é um problema de desenvolvedor. É um padrão humano e de processo. Vale para quem gera texto, planilha, marketing ou decisão. Quando uma ferramenta produz dez vezes mais rápido, alguém precisa conferir esse resultado, integrar no que já existe e descobrir se ele realmente serve. Essa parte não escala no mesmo ritmo da máquina. Quem ignora isso paga a conta depois, em retrabalho escondido.

O Método dos 3 Gargalos

Antes de liberar IA em qualquer processo, eu aplico três perguntas. É o filtro que separa produção de resultado. Uso para código, mas serve para qualquer área.

Gargalo 1: Revisão

Existe alguém com autoridade e tempo para conferir o que a IA produziu? Se cada entrega exige revisão de uma pessoa que já estava ocupada, a produção vira fila. O teste é simples: a revisão acompanha o ritmo da produção ou vira espera?

Gargalo 2: Integração

O que a IA produziu entra no fluxo real ou fica numa pasta que ninguém abre? Produção que não chega ao cliente nem ao sistema não é resultado. É estoque. O teste é claro: a entrega da IA termina em algo que alguém usa?

Gargalo 3: Métrica

Você mede produção ou resultado? Se o painel mostra só volume, você está contando a história errada. O teste é objetivo: a métrica que você olha no fim do dia muda a decisão que toma amanhã? Se não muda, é enfeite.

Como aplicar hoje

Em cinco minutos, você descobre onde a sua IA está travando.

1. Pegue o processo que usa IA há mais tempo.
2. Liste tudo que a ferramenta produziu na última semana.
3. Separe em dois grupos: o que foi usado e o que serviu de fato.
4. Marque quem revisou cada item e quanto tempo isso levou.
5. Responda a uma pergunta: produção subiu. Resultado subiu junto ou empacou?

Se a resposta for "empacou", você achou o gargalo. A solução raramente é mais IA. Costuma ser um processo de revisão, uma integração ou uma métrica que faltava. O mesmo recado aparece quando falo de agentes de IA que trabalham sem parar: autonomia sem critério vira mais volume, não mais resultado.

Resultados esperados

Quando você troca produção por resultado como régua, o que muda:

• Você para de elogiar volume e começa a cobrar conclusão.
• A fila de revisão aparece no radar antes de virar retrabalho.
• Você sabe onde a IA ajuda de verdade e onde só dá trabalho.
• A decisão de investir em IA passa a olhar para entrega, não para linhas geradas.

Esperar "mais do mesmo" no painel é a alternativa. Ela é confortável e errada.

Perguntas rápidas

A IA de código não serve para nada?

Serve. O estudo diz que ela aumenta produção, não que é inútil. Produzir volume e entregar resultado são coisas diferentes. Quem organiza revisão, integração e métrica colhe o ganho. Quem não organiza, paga em retrabalho.

Esse problema é só de desenvolvedores?

Não. É o padrão de qualquer ferramenta de produção rápida. Marketing, análise, atendimento e finanças têm a mesma dinâmica: produzir é fácil, conferir e integrar é o gargalo.

Como saber se a minha IA está dando resultado?

Meça a conclusão, não o volume. Uma tarefa só é resultado quando alguém usou e ela funcionou. Se você não consegue responder o que a IA produziu que mudou algo, ela está gerando estoque.

Devo esperar a IA amadurecer?

Não. A ferramenta evolui, mas o gargalo de revisão, integração e métrica é responsabilidade sua. Esperar o modelo melhorar para resolver um problema de processo é só adiar a conversa.

Fontes e data de corte

Dados conferidos em 11 de outubro de 2026. A base é a cobertura da Ars Technica do working paper de Harvard de Fiona Chen e James Stratton, com dados da Jellyfish de 2021 a março de 2026.

Eu vejo o estudo como um alerta ótimo para quem decide onde colocar os recursos de IA. A pergunta certa nunca foi quanto a IA produz. Foi o que mudou de verdade depois que ela chegou. Se você quer levar essa conversa para líderes da sua empresa, conheça minhas palestras sobre inteligência artificial. Quer ver como eu separo capacidade real de promessa em outra aplicação, leia como avaliar tempo de raciocínio na IA.