Copilot escreveu, mas quem detém a autoria? A lacuna de governança que as equipes de engenharia podem ignorar

Um engenheiro abre o Copilot para ajudar a redigir código para o site de um cliente. Em segundos, recebe um código que antes levaria muito mais tempo para ser escrito manualmente. Para muitos desenvolvedores web e empresas que otimizam seus sites, é normal se perguntar: esse código é confiável? É seguro? Deve ser revisado antes da implementação?  Essas questões se resumem a uma única pergunta: quem será responsabilizado pelo código assistido por IA? E, mais importante, quem detém o ganho de produtividade?

Se a IA permite que uma equipe de engenharia conclua mais trabalho no mesmo período, todos podem se beneficiar mais desse valor econômico. Isso pode ser o desenvolvedor economizando tempo, o empregador obtendo mais valor das horas poupadas ou o cliente recebendo o que pagou com horas de sobra. Independentemente de como o tempo economizado beneficia, o que permanece em foco é como o trabalho é governado e precificado.

IA e codificação está se tornando inevitável

Ferramentas de codificação com IA estão ganhando rapidamente tração e avançando para o desenvolvimento mainstream. Segundo o 2025 Stack Overflow Developer Survey, 84 % dos entrevistados estavam usando ou planejavam usar ferramentas de IA em seu processo de desenvolvimento.

Embora a implementação de IA nos fluxos de trabalho dos desenvolvedores web esteja se tornando mais comum, ainda há hesitação quanto à sua confiabilidade. A mesma pesquisa constatou que 46 % não tinham plena confiança na precisão dos resultados da IA, e aproximadamente 66 % citaram soluções de IA que eram “quase corretas, mas não totalmente” como fonte de frustração.

O debate sobre codificação com IA que está surgindo trata mais da sua confiabilidade do que de se o código gera mais valor e quem é responsável por garantir isso.

IA está rompendo a relação entre horas e produção

A remuneração pelo desenvolvimento de software sempre se baseou na suposição de que a produção de engenharia estava intimamente ligada ao esforço de engenharia. Contudo, a IA generativa agora complica essa equação.

Um experimento controlado envolvendo 95 desenvolvedores constatou que os participantes com acesso ao GitHub Copilot concluíram uma tarefa específica de servidor HTTP em JavaScript 55,8 % mais rápido que os que não tinham acesso.

Isso demonstra que a IA pode acelerar o desenvolvimento, potencialmente sem sacrificar a qualidade. Mas esses números são válidos apenas porque o experimento seguiu uma tarefa de programação muito específica. Embora a tarefa tenha sido concluída mais rapidamente, isso não significa que o Copilot torne toda uma organização de engenharia 55,8 % mais produtiva.

Outro estudo de pesquisa exemplifica essa ideia. Um teste envolvendo 96 engenheiros de software em tempo integral do Google constatou que desenvolvedores usando IA concluíram uma tarefa de nível empresarial em cerca de 96 minutos, comparado com 114 minutos para quem não a utilizou. A estimativa ajustada dos pesquisadores sugeriu aproximadamente uma redução de 21 % no tempo de conclusão. Contudo, o estudo não investigou a qualidade do código gerado pela IA, nem abordou questões de equidade relacionadas à dependência da tecnologia.

Há também evidências de que a IA pode desacelerar o tempo de codificação. Um estudo randomizado da METR envolveu 16 desenvolvedores experientes de código aberto que trabalharam em 246 problemas reais em repositórios que conheciam bem. Usando ferramentas disponíveis no início de 2025, incluindo Claude Sonnet 3.5 e 3.7, bem como Cursor Pro, eles levaram aproximadamente 19 % mais tempo para concluir suas tarefas, embora muitos assumissem que essas ferramentas economizariam tempo.

Juntos, esses estudos subvertem a expectativa de que a IA permite que os desenvolvedores trabalhem mais rápido. Em vez disso, está tornando o tempo e o valor dos desenvolvedores menos previsíveis para empresas que oferecem trabalho web e para os clientes que o recebem.

O problema de precificação que ninguém menciona

Time & Material (T&M) é um modelo comum no desenvolvimento web para a compra de software, pois resolve um problema recorrente da indústria: um projeto em evolução.

Com esse modelo, ao invés de exigir que cada recurso ou tarefa seja definido antes do início do desenvolvimento, os clientes podem pagar pelo tempo de engenharia à medida que o projeto avança e muda.

Entretanto, a IA está criando atritos nesse modelo testado e aprovado. Com a remuneração atrelada diretamente às horas de engenharia, um desenvolvimento mais eficiente pode resultar em menos horas faturáveis para os clientes. Se a IA entrega os mesmos resultados em menos tempo, a tecnologia pode gerar valor para os clientes, mas a redução nas horas faturáveis significa menos receita para os fornecedores.

A solução não é incentivar os desenvolvedores a trabalhar mais devagar. O modelo T&M agora enfrenta um problema estrutural na forma como preço e incentivos são desenhados. Usar taxas horárias para determinar valor pode ser limitante. Um comprador pode saber exatamente quanto custa cada hora de engenharia, mas ainda permanecer incerto sobre o investimento total necessário para alcançar o resultado desejado.

À medida que a IA altera a produtividade da engenharia, a questão pode mudar de:

• “Quanto custa uma hora de desenvolvedor?” → “O que acontece com o valor quando são necessárias menos horas de desenvolvedor?”

Os achados da METR complicam essa questão. Se os desenvolvedores acreditam que podem economizar tempo quando, na realidade, demoram mais, nem a adoção da IA nem a produtividade percebida são suficientes para demonstrar valor financeiro. Por isso, as organizações precisam de governança que consiga medir o que realmente aconteceu.

A lacuna de governança tem quatro responsáveis

Discutir governança em torno do desenvolvimento assistido por IA precisa ir além de políticas que regulam quais ferramentas os desenvolvedores podem usar.

Existem, ao menos, quatro tipos de propriedade que as organizações de engenharia devem definir.

1. Quem detém o código?

A IA pode gerar uma implementação, mas não pode ser usada como desculpa para desenvolvimento sem responsabilidade. Alguém ainda precisa ser responsável por revisar, testar e aprovar o código até que ele alcance a fase de produção.

2. Quem detém o risco?

Código mais rápido só tem valor se não causar problemas em outros lugares. Um estudo empírico de código gerado por IA identificou vulnerabilidades de segurança em 29,5 % dos trechos Python analisados e em 24,2 % dos trechos JavaScript. A pesquisa também identificou fragilidades abrangendo 43 categorias do Common Weakness Enumeration.

Entretanto, o estudo constatou que alimentar avisos de análise estática de volta ao Copilot Chat poderia corrigir até 55,5 % das vulnerabilidades de segurança identificadas. A pesquisa demonstra como a IA pode criar e resolver problemas de codificação, mas as organizações precisam de processos para determinar como validar sua saída.

SP 800-218A da NIST reflete esse princípio ao estender seu Secure Software Development Framework com boas práticas que abordam IA generativa e modelos de fundação de uso duplo.

3. Quem detém o ganho de produtividade?

Acordos comerciais desde o início são essenciais para determinar quem deve receber os ganhos de eficiência. A IA pode ajudar os clientes a gastar menos, permitir que as equipes entreguem mais software ou não gerar benefício financeiro ao final do projeto.

O que permanece constante é a necessidade de processos transparentes e da entrega de trabalho de qualidade, acordado previamente.

4. Quem detém a priorização?

A IA pode tornar a geração de recursos mais barata e rápida, mas não pode decidir se esses recursos são necessários.

Na verdade, o aumento da capacidade de desenvolvimento pode tornar a priorização ainda mais importante. Quando as equipes podem construir e experimentar mais rápido, ainda alguém precisa determinar quais resultados justificam o orçamento disponível e quais ideias devem ser abandonadas.

A governança de IA está se tornando uma questão financeira

Essas perguntas tornam a governança de IA cada vez mais relevante. Imagine dois parceiros de desenvolvimento cobrando tarifas horárias semelhantes.

Um integrou IA a um processo de engenharia sólido e alcança o resultado necessário consideravelmente mais rápido, enquanto o outro leva mais tempo. Comparar apenas as tarifas horárias não informa muito ao comprador sobre os processos que serão executados.

Os compradores precisarão avaliar:

• Investimento total esperado
• Responsabilidade por excessos
• Controles de qualidade sobre o trabalho gerado por IA
• Como os ganhos de eficiência são compartilhados

O modelo T&M pode continuar útil para ambas as partes se aceitarem conscientemente a incerteza nos serviços. Arranjos de preço fixo também podem funcionar quando requisitos e entregáveis são estáveis.

Mas a IA também torna estruturas alternativas dignas de exame. Uma abordagem é estabelecer um limite financeiro máximo mantendo o escopo flexível. Então, os recursos podem ser priorizados de acordo com o valor de negócio dentro desse modelo.

Se a engenharia se tornar mais eficiente, os ganhos podem se traduzir em capacidade adicional de produto ao invés de tempo faturável extra. Incentivos comerciais devem encorajar o mesmo resultado que os incentivos de engenharia, criando software mais útil da forma mais eficiente possível.

A mesma conversa sobre IA

Líderes de engenharia precisam entender como os incentivos comerciais influenciam a entrega. Equipes de finanças e compras precisam de visibilidade suficiente sobre a engenharia assistida por IA para avaliar se a eficiência alegada está entregando valor mensurável.

Isso significa que uma governança madura de IA não pode parar em listas de modelos aprovados, controles de segurança, políticas de dados ou requisitos de revisão de código. Ela precisa abordar responsabilidade, risco financeiro, priorização e propriedade dos ganhos de produtividade.

Mas há uma segunda questão de propriedade que pode ter um impacto muito maior nos orçamentos de tecnologia: quem detém o valor criado ou perdido quando a IA altera a velocidade com que o software é construído?

As organizações que determinarem se a engenharia mais rápida realmente produz produtos melhores, controlam o investimento e alcançam resultados de negócio mensuráveis serão as que conseguirão se manter à frente dos concorrentes.

Se sua equipe de desenvolvimento adotasse IA amanhã, seu modelo atual de governança e comercialização seria capaz de dizer se isso tornou a entrega mais valiosa?