90% dos trabalhadores de tecnologia já usam IA no trabalho 😮🧵 — é o que diz a pesquisa DORA do Google: adoção cresceu 14 pontos em um ano. Ferramentas ajudam a escrever e revisar código, mas será que estamos realmente mais eficientes?

Imagem indisponível

No começo a história parecia um sonho: sugestões que aceleram tarefas, snippets prontos, documentação automática. Google, Microsoft e várias startups celebraram a adoção — e equipes inteiras mudaram seu fluxo de trabalho para incluir IA.

A reviravolta veio na forma de "workslops": outputs que parecem úteis, mas evitam trabalho de verdade. Um estudo da Harvard Business Review com Stanford mostrou que muita gente gasta tempo corrigindo e validando esses resultados.

Imagem indisponível

Imagine a Ana, desenvolvedora júnior: a IA gera um trecho que compila, mas falha em testes e cria vulnerabilidade. O ganho inicial vira retrabalho. O problema é técnico, mas também de distribuição de responsabilidade dentro das equipes.

As causas? Modelos treinados para fluência, não verificação; prompts superficiais; falta de testes automatizados. Resultado: ilusão de produtividade, aumento de carga mental e risco à qualidade do software — e ninguém deveria pagar esse custo sozinho.

Imagem indisponível

O caminho para frente é humano: políticas de verificação, testes, formação continuada e transparência sobre limitações dos modelos. Empresas e reguladores têm papel em garantir acesso justo a boas ferramentas e proteção a quem as usa.

Se 90% já trabalham com IA, a próxima etapa tem de ser responsabilidade: não basta adotar tecnologia — é preciso integrá‑la de forma justa, segura e transparente, para que a IA empodere e não sobrecarregue.

Imagem indisponível