Na era da IA, custo de ferramentas já rivaliza com salários e muda a forma de avaliar desenvolvedores

A adoção acelerada de ferramentas de inteligência artificial no desenvolvimento de software está obrigando as empresas a rever uma das práticas mais difíceis da gestão de tecnologia: como avaliar o desempenho de programadores e squads.
Com a IA já presente em 84% das equipes de desenvolvimento, ante 76% em 2024, métricas tradicionais como quantidade de linhas de código, número de commits, volume de tarefas concluídas e story points entregues deixaram de dizer quais profissionais realmente geram valor.
O motivo é direto.
Com a IA, um desenvolvedor pode produzir grandes volumes de código em poucos minutos, mas isso não significa que o resultado seja mais seguro, sustentável ou eficiente.
O código gerado ainda precisa ser compreendido, validado, testado, integrado e mantido.
Não por acaso, o entusiasmo com a tecnologia convive com desconfiança: apenas 29% dos desenvolvedores confiam na precisão das respostas da IA, contra 40% no ano anterior, e 45% afirmam que depurar código gerado por IA consome mais tempo do que o esperado.
O consumo de tokens também não pode ser lido isoladamente como sinal de produtividade.
Um profissional que usa mais IA pode estar automatizando tarefas complexas, mas também pode estar repetindo comandos, fornecendo contextos inadequados ou recorrendo a modelos mais avançados do que a atividade exige.
Quando a conta de IA encosta na folha de pagamento
A discussão ganha peso com a expansão dos agentes autônomos de programação.
Diferentemente de uma licença convencional, cobrada por usuário ao mês, o custo de um agente cresce conforme a quantidade de tokens processados, o tamanho do contexto, o número de ferramentas acionadas e a quantidade de tentativas necessárias para concluir uma tarefa.
Um único desenvolvedor pode coordenar vários agentes ao mesmo tempo, cada um analisando milhares de arquivos, consultando documentações, executando testes e repetindo etapas de forma contínua.
Em operações intensivas, sobretudo quando os agentes rodam modelos premium, os gastos com inteligência artificial deixam de ser uma despesa secundária.
No limite, a conta de IA pode superar o valor total destinado aos próprios profissionais da equipe de tecnologia.
Isso transforma a avaliação de desenvolvedores também em uma questão financeira: as empresas precisarão decidir não apenas quais ferramentas oferecer, mas quais desenvolvedores devem ter acesso a cada modelo de inteligência artificial.
"Não se trata de restringir o acesso à inteligência artificial, mas de alocar os recursos de forma inteligente.
Um modelo mais avançado pode multiplicar a capacidade de um desenvolvedor preparado, mas também pode apenas multiplicar custos quando utilizado sem critério", afirma Eduardo Missaka, CEO e cofundador da Espresso Labs.
Uma nova definição de produtividade técnica
Para responder a esse desafio, a Espresso Labs desenvolveu a Devint, plataforma de inteligência para avaliação e desenvolvimento de times de tecnologia.
A solução transforma sinais dispersos do trabalho técnico em uma visão estruturada sobre produtividade, maturidade profissional e saúde operacional, cruzando seis dimensões:
Ritmo de entrega, com sinais como a cadência de commits e pull requests;
Contribuição de código, observando a persistência e a abrangência das alterações;
Adoção de IA e ferramentas, incluindo uso de agentes, copilotos e recursos baseados em tokens;
Registro de horas e disciplina operacional, relacionando capacidade, alocação e previsibilidade;
Competência técnica, com avaliações sobre planejamento, execução, autonomia e qualidade das soluções;
Colaboração e comportamento, considerando comunicação, responsabilidade, iniciativa e contribuição para o time.
Nenhuma dessas dimensões, isoladamente, define a produtividade de um desenvolvedor.
Um profissional pode apresentar muitos commits e pouca contribuição real ao produto.
Outro pode gerar menos código porque está dedicado a arquitetura, investigação, mentoria ou prevenção de problemas futuros.
Na metodologia da Devint, tokens são interpretados como sinal de uso de IA, e não como medida direta do valor entregue.
"O desenvolvedor mais produtivo não será necessariamente aquele que escreve mais código ou utiliza mais tokens.
Será aquele que consegue transformar recursos técnicos e inteligência artificial em resultados de qualidade, com eficiência, responsabilidade e impacto para a organização", afirma Missaka.
Um score absoluto, não um ranking de programadores
As seis dimensões são consolidadas em um Score Absoluto de 0 a 100.
Em vez de comparar cada desenvolvedor com o colega mais produtivo da equipe, a Devint confronta os sinais observados com faixas estáveis de referência.
A diferença importa porque rankings relativos sempre colocam alguém na última posição, mesmo quando toda a equipe evolui.
Em um modelo absoluto, uma melhora coletiva aparece como melhora coletiva.
A plataforma também aplica limites saudáveis às métricas.
Depois de atingida uma faixa considerada adequada, aumentar indefinidamente o número de commits, linhas de código, horas registradas ou tokens consumidos não continua elevando a pontuação.
O objetivo é reduzir incentivos para comportamentos artificiais e evitar que profissionais tentem otimizar números em vez de melhorar o trabalho.
O score serve para acompanhar evolução, identificar quedas, localizar bloqueios e embasar decisões de gestão, como reconhecimento, promoção, composição de squads e definição de quem trabalha com os modelos mais avançados.
A diferença é que essas escolhas seguem sendo humanas: a Devint organiza os sinais e dá contexto, mas não determina promoções, bônus ou desligamentos de forma automática
Gestão baseada em contexto, não em vigilância
A Devint não foi concebida para fiscalizar a atividade diária dos profissionais nem para transformar dados de código em julgamentos automáticos.
Os indicadores precisam ser lidos conforme o contexto de cada pessoa, incluindo senioridade, função, responsabilidades, tecnologia utilizada, características do squad e natureza do projeto.
Um desenvolvedor responsável por arquitetura, mentoria ou resolução de incidentes críticos pode produzir menos commits e, ainda assim, gerar impacto muito maior.
"A métrica errada incentiva o comportamento errado.
Quando uma empresa mede apenas quantidade de código, pode estimular a produção desnecessária de código.
Quando mede apenas velocidade, pode prejudicar qualidade e colaboração.
A proposta da Devint é organizar diferentes sinais para que a gestão faça perguntas melhores", explica Missaka.
Além da visão individual, a plataforma apresenta indicadores por squad e por organização, o que permite identificar gargalos, necessidades de capacitação, desequilíbrios de carga, concentração de conhecimento e oportunidades de uso mais eficiente da IA.
A implantação inclui o mapeamento do ambiente tecnológico e a integração com repositórios de código, ferramentas de gestão, sistemas de registro de horas e demais plataformas da empresa.
Os primeiros projetos serão implementados em organizações atendidas pela Espresso Labs, incluindo empresas com equipes internas, profissionais alocados e squads terceirizados.