A inteligência artificial está produzindo uma mudança que pode ser mais importante para as empresas do que a própria aceleração da programação. Pela primeira vez, a capacidade de produzir software cresce em uma velocidade que começa a expor, com clareza, os limites das organizações para decidir, revisar, aprovar e colocar aquilo em produção. Um estudo de Mert Demirer, Leon Musolff e Liyuan Yang, publicado pelo National Bureau of Economic Research (NBER) e revisado em setembro de 2026, analisou dados de mais de 500 mil desenvolvedores do GitHub combinados com informações de uso de ferramentas de IA. Os pesquisadores encontraram aumento acumulado de 240% na atividade de programação com agentes autônomos, mas o efeito cai para 80% quando medido pelo número de projetos e para apenas 30% quando se chega aos lançamentos efetivos. A diferença não é um detalhe estatístico. Ela mostra que acelerar quem escreve o software não significa acelerar, na mesma proporção, quem decide o que será feito, quem revisa, quem testa, quem aprova e quem coloca a solução diante do usuário.
Essa diferença revela uma mudança de natureza no problema. Durante anos, boa parte da agenda de transformação digital esteve concentrada em reduzir o tempo necessário para construir software. Vieram metodologias ágeis, DevOps, squads, integração contínua e automação de testes. Agora, a IA comprime ainda mais a etapa de execução, produzindo código, documentação, testes e protótipos em uma velocidade que altera a lógica anterior de planejamento. Só que uma funcionalidade construída em um dia continua podendo esperar por uma decisão de produto, uma revisão de segurança, uma integração ou uma homologação. É como uma fábrica que multiplica por cinco a velocidade de uma máquina sem alterar nenhuma das etapas seguintes. A fábrica não passa a produzir cinco vezes mais. Ela provavelmente cria uma fila cinco vezes maior. Com IA, algo semelhante começa a acontecer dentro das organizações. É o que chamo de dívida organizacional da IA, a distância crescente entre aquilo que a tecnologia permite fazer e aquilo que os processos internos conseguem processar. Quanto mais rápido fica o início da cadeia sem que o restante acompanhe, maior se torna essa dívida.
Os números mais recentes da Atlassian ajudam a mostrar que esse descompasso já está acontecendo. Em setembro de 2026, uma pesquisa da empresa com mais de 1.100 engenheiros e líderes de engenharia mostrou que 94% das organizações já utilizam IA em alguma capacidade, mas a maior parte desse uso ainda está concentrada em tarefas individuais, como programação, depuração e documentação. Ao mesmo tempo, 74% dos líderes afirmam que a IA está acelerando a geração de código, enquanto 78% dizem que suas equipes continuam utilizando o mesmo processo tradicional de revisão por pares diante do novo volume e da nova velocidade de produção. Mais revelador ainda é o descompasso na governança: 88% dos líderes dizem precisar de um sistema de trabalho governado para o uso de IA, mas apenas 19% afirmam já ter construído esse sistema. A organização, portanto, está aumentando sua capacidade de produzir sem necessariamente aumentar na mesma velocidade sua capacidade de coordenar, verificar e responsabilizar-se pelo que produz.
Esse fenômeno não começou com os agentes de IA e tampouco será resolvido apenas com mais ferramentas. A pesquisa State of Developer Experience 2025, da Atlassian, ouviu 3.500 desenvolvedores e gestores em seis países e encontrou um paradoxo revelador. Em 2025, 99% dos desenvolvedores disseram economizar tempo com ferramentas de IA e 68% afirmaram economizar mais de dez horas por semana. Porém, 90% também relataram perder seis horas ou mais por semana devido a ineficiências organizacionais, enquanto metade perde dez horas ou mais. O próprio estudo mostra que os desenvolvedores dedicam apenas 16% do tempo ao código. Isso significa que simplesmente tornar a programação mais rápida ataca uma parcela relativamente pequena do problema. A empresa que economiza dez horas com IA, mas continua consumindo essas mesmas horas em busca de informações, troca de contexto, colaboração entre equipes e outros processos internos, não realizou um ganho de produtividade completo. Apenas mudou o lugar onde o tempo é perdido.
É possível argumentar que esses gargalos serão naturalmente automatizados à medida que a IA evoluir. É provável que parte deles seja. Mas essa expectativa não elimina a questão central. Quanto mais barata e rápida fica a execução, maior passa a ser o custo de uma decisão ruim. Se antes uma organização precisava controlar o excesso de demandas porque desenvolver era caro, agora precisa controlar ainda mais porque desenvolver ficou barato. A pergunta deixa de ser apenas como construir uma funcionalidade e passa a ser se ela deveria ser construída, qual problema resolve, quem precisa decidir sobre ela e como medir seu impacto. A IA reduz o custo de produzir. Ela não reduz automaticamente o custo de decidir. É justamente aí que a tecnologia começa a funcionar como um teste de estresse das organizações. Ela expõe processos lentos, responsabilidades mal definidas, excesso de aprovações, sistemas que não conversam entre si e decisões que dependem de poucas pessoas. Isso também muda o papel da liderança de tecnologia. A métrica de produtividade não pode continuar restrita a commits, linhas de código ou horas economizadas. O que importa cada vez mais é o tempo que uma ideia leva para atravessar a organização, chegar ao usuário e gerar resultado ou aprendizado.
A próxima vantagem competitiva, portanto, não estará simplesmente na empresa que oferecer as melhores ferramentas de IA aos seus desenvolvedores, mas naquela capaz de reorganizar a própria maneira de trabalhar para acompanhar a velocidade que essas ferramentas tornaram possível. Isso exige rever processos de aprovação, critérios de segurança, governança, arquitetura, priorização e, principalmente, a divisão de responsabilidades entre tecnologia e negócio. O estudo do NBER mostra que o ganho de produtividade se reduz drasticamente à medida que avançamos da atividade de programação para projetos e lançamentos; a pesquisa da Atlassian mostra que as organizações já reconhecem a necessidade de mudar seus sistemas de trabalho, mas ainda estão no início dessa transformação. A IA, nesse sentido, não elimina os gargalos da transformação digital. Ela os transforma em um teste de estresse: quanto mais a tecnologia acelera, mais evidente fica se a organização consegue decidir, coordenar e assumir responsabilidades na mesma velocidade. O maior gargalo da transformação digital nunca foi escrever código. Era transformar uma organização na velocidade em que suas ideias poderiam ser executadas.
Daniel Sabença é CTO do Grupo Macro, executivo de tecnologia e especialista em Inteligência Artificial, IA Agêntica, desenvolvimento de software e transformação digital. Atua na aplicação de IA e novas tecnologias para transformação de operações e processos empresariais, com foco na integração entre capacidade tecnológica, eficiência operacional e resultados de negócio.