O Paradoxo de Produtividade da IA – Parte 1 de 3.
A IA tornou o primeiro rascunho gratuito. O pensamento que ela costumava forçar agora é a parte que você precisa escolher de propósito.
Um pull request chega impecável: código legível, uma descrição articulada, um histórico de commits que parece uma sequência de decisões cuidadosas. Na revisão, alguém faz uma pergunta. Por que essa abordagem e não a alternativa óbvia? E ninguém consegue responder.
O trabalho não é ruim. É que ninguém realmente tomou aquela decisão. O modelo a tomou, e o engenheiro a encaminhou
O que de fato mudou
Não acho que esta seja uma história sobre pessoas ficando preguiçosas. Essa leitura é fácil, e está errada. O que mudou é mais específico, e mais interessante.
Produzir uma primeira versão de qualquer coisa — um documento, um plano, uma função ou uma análise — antes custava alguma coisa. E esse custo silenciosamente trabalhava por nós. Você não conseguia colocar palavras na página sem se engajar com o problema pelo menos o suficiente para começar. O esforço nunca foi o ponto. O ponto era o pensamento que ele forçava.
A IA desacoplou isso. A primeira versão agora chega em segundos, totalmente formada, antes de qualquer um desses pensamentos acontecer.
Isso produz uma nova condição estranha. O artefato parece idêntico, tendo alguém raciocinado sobre ele ou não. Um rascunho bem pensado e um irrefletido são visualmente indistinguíveis agora. Mesma estrutura, mesmo tom confiante, mesmo acabamento.
Durante a maior parte da história do trabalho, “está escrito” carregava um sinal implícito: alguém entendeu isso bem o suficiente para produzi-lo. Esse sinal desapareceu. A produção deixou de ser evidência do raciocínio, porque a produção deixou de exigir o raciocínio.
Então os times geram mais, e se sentem mais rápidos, porque por toda métrica visível eles são. Mais pull requests, mais documentos, mais tickets movimentados. Os dashboards sobem.
O que os dashboards não mostram é que uma fatia crescente dessa produção entrou no fluxo de trabalho antes de alguém validá-la, antes de alguém perguntar se estava correta, completa ou se era sequer a coisa certa a construir. Isso é falsa produtividade. É movimento que parece progresso e é, por baixo, apenas volume.
Como isso se instala em um time
Já vi isso se instalar em times que são, por qualquer critério normal, bons times. Alguém aceita a primeira resposta de um modelo. Pode ser um schema, uma arquitetura, uma decomposição de requisitos. A pessoa move isso um passo adiante, e a próxima pessoa trata como definido, porque chegou com aparência de definido.
Aí a falha aparece: uma suposição errada, um caso esquecido, um requisito mal interpretado. A essa altura, o trabalho já está três ou quatro passos dentro da execução, e caro de desfazer. O custo não veio de o modelo estar errado. Veio de ninguém estar posicionado para perceber que estava.
O revisor se torna a última linha de defesa, e os revisores nunca foram feitos para essa carga. Um revisor consegue pegar aquilo que pediram para ele procurar. Ele não consegue reconstruir, a partir de um diff limpo, uma linha de raciocínio que nunca aconteceu.
Quando a única etapa de pensamento real que sobra em um processo é a revisão, esse processo silenciosamente se estreitou a um único ponto de falha: uma pessoa lendo a versão mais polida de um trabalho que ela não ajudou a moldar.
Há uma versão mais silenciosa do mesmo padrão que nunca chega à revisão. Um documento de requisitos é gerado, lido uma vez e aprovado porque parece completo. Um design é aceito porque é articulado. Em cada caso, a fluência do artefato substitui um julgamento que ninguém de fato fez. O time não está cortando caminho; está confiando em um sinal que costumava ser confiável e silenciosamente deixou de ser.
Enquanto isso, o volume continua subindo, e volume é reconfortante. Parece que o time está avançando. Mas a produção feita dessa forma não elimina trabalho. Ela o adia.
O retrabalho ainda está por vir. Ele simplesmente chega mais tarde, descolado da explosão de produtividade que o causou, o que torna quase impossível rastreá-lo de volta. Sprint após sprint, o time fica mais ocupado, ocupado desembaraçando coisas que foram começadas antes de serem entendidas.
Não é um problema de disciplina
Aqui está a parte que a maior parte dessa conversa ignora. O problema não é que as pessoas pararam de pensar. É que a IA separou duas coisas que costumavam ser um único ato.
Produzir o trabalho e pensar sobre o trabalho costumavam acontecer juntos; você raciocinava ao longo da produção porque não havia outro caminho. Agora são dois passos separados, e o segundo é opcional. Ele só acontece se algo no processo o pedir deliberadamente.
Nada disso é culpa do modelo. O modelo fez exatamente aquilo em que é bom. O que quebrou foi uma suposição enterrada em como trabalhamos: a de que produzir algo e entendê-lo são o mesmo evento. Por muito tempo, eles foram próximos o suficiente para serem tratados como um só. Não são mais.
O que significa que isto não é um problema de disciplina, e você não vai resolvê-lo dizendo às pessoas para terem mais cuidado. As pessoas cuidadosas também estão pulando a etapa, porque nada no fluxo de trabalho pede que não pulem.
É um problema estrutural. O lugar onde a validação costumava morar, dentro do esforço de produzir a primeira versão, não existe mais. Se você quer esse pensamento de volta, precisa reconstruí-lo de propósito: como uma etapa própria, com seu próprio momento e seu próprio responsável. Ele não voltará sozinho, porque aquilo que costumava impô-lo é exatamente o que a IA removeu.
O que tratar como sinal agora
Se você lidera um time, o movimento prático é mudar o que você trata como sinal. Pare de ler “está pronto” como “foi pensado a fundo”. Essas agora são duas afirmações diferentes, e só uma delas é visível no artefato.
A pergunta que vale a pena fazer não é se o seu time está produzindo mais. Quase certamente está. É onde, no seu processo, alguém ainda precisa demonstrar que entendeu o trabalho em vez de apenas gerá-lo. Se a resposta honesta for “no code review”, isso é tarde demais, e raso demais. Quando o trabalho chega à revisão, ele já acumulou decisões, e um revisor consegue questionar uma linha de código com muito mais facilidade do que a premissa por baixo dela.
Nada disso é um argumento contra a IA. O primeiro rascunho ser quase gratuito é um ganho real, e grande. Mas um ganho que você não gerencia vira um custo em outro lugar.
Os times que vão se sair bem com a IA não são os que geram mais. São os que decidiram, deliberadamente, onde o julgamento precisa acontecer, e tornaram essa etapa tão rápida e inevitável quanto a geração se tornou. O tempo que a IA economiza é real. A questão é se você o reinveste no pensamento que a IA deixou de exigir, ou apenas o gasta produzindo mais.
A IA tornou o primeiro rascunho gratuito, e o pensamento que ela costumava forçar agora é a parte que você precisa escolher de propósito.
O novo problema de produtividade com IA: as pessoas estão gerando mais e pensando menos
O Paradoxo de Produtividade da IA – Parte 1 de 3.
A IA tornou o primeiro rascunho gratuito. O pensamento que ela costumava forçar agora é a parte que você precisa escolher de propósito.
Um pull request chega impecável: código legível, uma descrição articulada, um histórico de commits que parece uma sequência de decisões cuidadosas. Na revisão, alguém faz uma pergunta. Por que essa abordagem e não a alternativa óbvia? E ninguém consegue responder.
O trabalho não é ruim. É que ninguém realmente tomou aquela decisão. O modelo a tomou, e o engenheiro a encaminhou
O que de fato mudou
Não acho que esta seja uma história sobre pessoas ficando preguiçosas. Essa leitura é fácil, e está errada. O que mudou é mais específico, e mais interessante.
Produzir uma primeira versão de qualquer coisa — um documento, um plano, uma função ou uma análise — antes custava alguma coisa. E esse custo silenciosamente trabalhava por nós. Você não conseguia colocar palavras na página sem se engajar com o problema pelo menos o suficiente para começar. O esforço nunca foi o ponto. O ponto era o pensamento que ele forçava.
A IA desacoplou isso. A primeira versão agora chega em segundos, totalmente formada, antes de qualquer um desses pensamentos acontecer.
Isso produz uma nova condição estranha. O artefato parece idêntico, tendo alguém raciocinado sobre ele ou não. Um rascunho bem pensado e um irrefletido são visualmente indistinguíveis agora. Mesma estrutura, mesmo tom confiante, mesmo acabamento.
Durante a maior parte da história do trabalho, “está escrito” carregava um sinal implícito: alguém entendeu isso bem o suficiente para produzi-lo. Esse sinal desapareceu. A produção deixou de ser evidência do raciocínio, porque a produção deixou de exigir o raciocínio.
Então os times geram mais, e se sentem mais rápidos, porque por toda métrica visível eles são. Mais pull requests, mais documentos, mais tickets movimentados. Os dashboards sobem.
O que os dashboards não mostram é que uma fatia crescente dessa produção entrou no fluxo de trabalho antes de alguém validá-la, antes de alguém perguntar se estava correta, completa ou se era sequer a coisa certa a construir. Isso é falsa produtividade. É movimento que parece progresso e é, por baixo, apenas volume.
Como isso se instala em um time
Já vi isso se instalar em times que são, por qualquer critério normal, bons times. Alguém aceita a primeira resposta de um modelo. Pode ser um schema, uma arquitetura, uma decomposição de requisitos. A pessoa move isso um passo adiante, e a próxima pessoa trata como definido, porque chegou com aparência de definido.
Aí a falha aparece: uma suposição errada, um caso esquecido, um requisito mal interpretado. A essa altura, o trabalho já está três ou quatro passos dentro da execução, e caro de desfazer. O custo não veio de o modelo estar errado. Veio de ninguém estar posicionado para perceber que estava.
O revisor se torna a última linha de defesa, e os revisores nunca foram feitos para essa carga. Um revisor consegue pegar aquilo que pediram para ele procurar. Ele não consegue reconstruir, a partir de um diff limpo, uma linha de raciocínio que nunca aconteceu.
Quando a única etapa de pensamento real que sobra em um processo é a revisão, esse processo silenciosamente se estreitou a um único ponto de falha: uma pessoa lendo a versão mais polida de um trabalho que ela não ajudou a moldar.
Há uma versão mais silenciosa do mesmo padrão que nunca chega à revisão. Um documento de requisitos é gerado, lido uma vez e aprovado porque parece completo. Um design é aceito porque é articulado. Em cada caso, a fluência do artefato substitui um julgamento que ninguém de fato fez. O time não está cortando caminho; está confiando em um sinal que costumava ser confiável e silenciosamente deixou de ser.
Enquanto isso, o volume continua subindo, e volume é reconfortante. Parece que o time está avançando. Mas a produção feita dessa forma não elimina trabalho. Ela o adia.
O retrabalho ainda está por vir. Ele simplesmente chega mais tarde, descolado da explosão de produtividade que o causou, o que torna quase impossível rastreá-lo de volta. Sprint após sprint, o time fica mais ocupado, ocupado desembaraçando coisas que foram começadas antes de serem entendidas.
Não é um problema de disciplina
Aqui está a parte que a maior parte dessa conversa ignora. O problema não é que as pessoas pararam de pensar. É que a IA separou duas coisas que costumavam ser um único ato.
Produzir o trabalho e pensar sobre o trabalho costumavam acontecer juntos; você raciocinava ao longo da produção porque não havia outro caminho. Agora são dois passos separados, e o segundo é opcional. Ele só acontece se algo no processo o pedir deliberadamente.
Nada disso é culpa do modelo. O modelo fez exatamente aquilo em que é bom. O que quebrou foi uma suposição enterrada em como trabalhamos: a de que produzir algo e entendê-lo são o mesmo evento. Por muito tempo, eles foram próximos o suficiente para serem tratados como um só. Não são mais.
O que significa que isto não é um problema de disciplina, e você não vai resolvê-lo dizendo às pessoas para terem mais cuidado. As pessoas cuidadosas também estão pulando a etapa, porque nada no fluxo de trabalho pede que não pulem.
É um problema estrutural. O lugar onde a validação costumava morar, dentro do esforço de produzir a primeira versão, não existe mais. Se você quer esse pensamento de volta, precisa reconstruí-lo de propósito: como uma etapa própria, com seu próprio momento e seu próprio responsável. Ele não voltará sozinho, porque aquilo que costumava impô-lo é exatamente o que a IA removeu.
O que tratar como sinal agora
Se você lidera um time, o movimento prático é mudar o que você trata como sinal. Pare de ler “está pronto” como “foi pensado a fundo”. Essas agora são duas afirmações diferentes, e só uma delas é visível no artefato.
A pergunta que vale a pena fazer não é se o seu time está produzindo mais. Quase certamente está. É onde, no seu processo, alguém ainda precisa demonstrar que entendeu o trabalho em vez de apenas gerá-lo. Se a resposta honesta for “no code review”, isso é tarde demais, e raso demais. Quando o trabalho chega à revisão, ele já acumulou decisões, e um revisor consegue questionar uma linha de código com muito mais facilidade do que a premissa por baixo dela.
Nada disso é um argumento contra a IA. O primeiro rascunho ser quase gratuito é um ganho real, e grande. Mas um ganho que você não gerencia vira um custo em outro lugar.
Os times que vão se sair bem com a IA não são os que geram mais. São os que decidiram, deliberadamente, onde o julgamento precisa acontecer, e tornaram essa etapa tão rápida e inevitável quanto a geração se tornou. O tempo que a IA economiza é real. A questão é se você o reinveste no pensamento que a IA deixou de exigir, ou apenas o gasta produzindo mais.
A IA tornou o primeiro rascunho gratuito, e o pensamento que ela costumava forçar agora é a parte que você precisa escolher de propósito.
Get new insights when we publish them
Receba novos insights quando publicarmos