32% dos desenvolvedores seniores relatam que metade do seu código vem de IA, o dobro da taxa entre juniores
Além disso, dois terços dos engenheiros afirmam gastar com frequência tempo extra corrigindo código gerado por IA
Uma nova pesquisa oferece um olhar detalhado sobre como a IA generativa está transformando o trabalho diário de desenvolvedores de software. Os resultados revelam uma divisão clara: engenheiros experientes têm mais probabilidade de depender fortemente de código gerado por IA, assumir a tarefa de corrigi-lo e ainda considerá-lo um ganho líquido de tempo. Em contraste, desenvolvedores juniores parecem mais cautelosos, adotando ferramentas de IA em um ritmo mais lento e relatando menos ganhos em eficiência.
Uma nova pesquisa da plataforma em nuvem Fastly mostra que um número crescente de desenvolvedores experientes não apenas gera grandes quantidades de código com ferramentas de IA, mas também leva esse código para produção em taxas significativamente mais altas do que engenheiros menos experientes.
Na pesquisa com 791 desenvolvedores profissionais, quase um terço dos engenheiros seniores, definidos como aqueles com 10 anos ou mais de experiência, relataram que mais da metade do código que entregam é gerado por IA. Esse número é mais que o dobro da taxa entre desenvolvedores juniores com até dois anos de experiência, dos quais apenas 13% relataram o mesmo.
Esses resultados apontam tanto para uma maior taxa de uso de IA entre engenheiros seniores quanto para maior confiança no código gerado por máquina quando ele chega à produção.
Essa tendência contrasta com preocupações do setor sobre o chamado vibe coding, termo usado para descrever um novo “estilo” de desenvolvimento de software em que engenheiros fornecem apenas prompts a um chatbot e usam as respostas da IA para refinar iterativamente a aplicação. Nesse modelo, a IA é essencialmente dirigida como um desenvolvedor júnior. Um desafio comum no vibe coding é que o código gerado pela IA pode parecer correto na superfície, mas conter falhas ou vulnerabilidades sérias.
A pesquisa também destaca um descompasso entre velocidade percebida e a realidade da edição. 28% dos desenvolvedores disseram gastar tanto tempo corrigindo ou reescrevendo código fornecido pela IA que os benefícios potenciais eram praticamente anulados. Outros 14% disseram raramente precisar fazer alterações significativas.
Ainda assim, mais da metade dos participantes relataram que ferramentas de IA, incluindo GitHub Copilot, Google Gemini e Anthropic Claude, os ajudaram a trabalhar mais rápido. Engenheiros seniores demonstraram maior entusiasmo: 59% disseram que a IA acelerou seu trabalho, contra 49% dos juniores.
Seniores também tiveram o dobro de chance de relatar grandes economias de tempo, mesmo afirmando que gastam mais esforço corrigindo erros da IA.
Um desenvolvedor sênior escreveu na pesquisa: “A IA faz testes de bancada no código e encontra erros muito mais rápido do que um humano, corrigindo-os de forma integrada. Isso já aconteceu muitas vezes.” Um participante júnior apontou frustrações: “É sempre difícil quando a IA assume o que estou tentando fazer e não é o caso, então preciso voltar e refazer por conta própria.”
O contraste entre juniores e seniores pode ter menos a ver com entusiasmo e mais com experiência. Pouco mais da metade dos juniores descreveu a ajuda da IA como tornando-os moderadamente mais rápidos, enquanto apenas 39% dos seniores disseram o mesmo. Em vez disso, um quarto dos seniores afirmou que a IA os tornou “muito” mais rápidos, cerca do dobro da proporção entre juniores.
A Fastly ofereceu uma explicação provável: desenvolvedores experientes tendem a ser melhores em detectar falhas sutis no código. Essa experiência lhes permite identificar quando a saída da IA parece correta, mas se comporta de forma incorreta, tornando-os mais eficientes na correção sem perder ritmo.
A pesquisa também reforça um paradoxo comum das ferramentas de IA. Muitos desenvolvedores dizem que a tecnologia os ajuda a se sentir mais rápidos, mas pesquisas externas sugerem o contrário. Os resultados da Fastly vêm após um estudo controlado aleatório, realizado no início do verão, que descobriu que desenvolvedores experientes de código aberto levaram 19% mais tempo para concluir tarefas ao usar assistentes de código. Segundo a Fastly, a discrepância pode ter origem psicológica: o preenchimento automático rápido cria uma sensação inicial de progresso, mas a necessidade de revisões extensas depois elimina parte desses ganhos.
Embora os ganhos de eficiência continuem desiguais, o impacto da IA na satisfação no trabalho é mais evidente. Aproximadamente 80% dos desenvolvedores de todos os níveis de experiência disseram que programar se tornou mais prazeroso ao trabalhar com IA.
Um participante descreveu esse equilíbrio: “O GitHub Copilot ajuda bastante no meu fluxo de trabalho ao sugerir trechos de código e até funções inteiras. No entanto, certa vez gerou um algoritmo complexo que parecia correto, mas continha um bug sutil, levando a várias horas de depuração.”
Enquanto os ganhos de eficiência seguem variando, o impacto da IA na satisfação profissional é claro. Cerca de 80% dos desenvolvedores, independentemente do nível, disseram que programar se tornou mais agradável com a IA. Para alguns, a vantagem está na eliminação de tarefas repetitivas. Para outros, no fascínio de gerar código utilizável sob demanda. Em um setor marcado por esgotamento e acúmulo de tarefas, esse aumento no moral pode ser valioso mesmo que os ganhos de produtividade permaneçam incertos.
A sustentabilidade surgiu como outro tema central. A pesquisa mostrou que os desenvolvedores estão cada vez mais conscientes dos custos ambientais da IA, incluindo sua significativa pegada de carbono. Dois terços dos entrevistados reconheceram essas demandas energéticas, e a maioria relatou adotar práticas de green coding em seu trabalho. A adoção dessas práticas aumentou com a experiência, de pouco mais da metade dos juniores para quase 80% dos engenheiros de nível médio e sênior.