Operations · Pleno

Gerar mais rápido não é entregar mais rápido

Três textos mostram que a IA acelera a geração de código e de telas, mas o gargalo se move para verificação, infraestrutura e alinhamento de decisões.

Gerado por IA
Este texto foi gerado automaticamente por IA a partir dos artigos listados no fim da página, curados pelo Sidebar.io, e revisado por Felipe Arena antes de publicar. As ideias são dos autores originais.

Quase todo time de produto está sob a mesma pressão: usar IA para entregar mais rápido. Só que acelerar uma etapa do trabalho não acelera o trabalho inteiro. Três textos recentes, de ângulos diferentes (engenharia, design e plataforma), apontam para a mesma ideia: gerar código ou telas ficou barato, e o gargalo mudou de lugar.

Onde o tempo realmente vai

Bjorn Roche, líder de engenharia, começa com um incômodo: a IA melhorou a produtividade, mas fazer uma funcionalidade pronta para produção ainda leva quase o mesmo tempo de antes. A explicação dele é que escrever código novo ocupa só parte do dia. Boa parte do tempo vai para descobrir qual código escrever, ler e depurar o que já existe, testar e fazer deploy (colocar a mudança no ar).

Ele ilustra com dois desenvolvedores hipotéticos de uma empresa grande, supondo que a IA torne a escrita de código três vezes mais rápida. A pessoa sênior economizaria cerca de 1,25 hora por dia, uns 15%. A pessoa júnior, que gasta mais tempo escrevendo código, economizaria cerca de 2 horas, uns 25%. Os números são hipotéticos, como o próprio Roche admite, mas o raciocínio vale: se a etapa que a IA acelera é pequena, o ganho total também é. Ele ainda nota que um documento de requisitos escrito por IA pode demorar mais para ler, porque tende a ser detalhado demais e esconde o essencial.

Quando o gargalo é a confiança

Bill Staples, no blog da GitLab, leva a ideia adiante: a produção de código está ficando abundante, mas software bom não. Ele propõe olhar para o "custo por mudança aceita", e não só para a geração. Entre escrever e entregar existem ambiente, integração contínua (CI, os testes automáticos que rodam a cada mudança), revisão e governança. Pela Teoria das Restrições, que ele cita, acelerar só a geração apenas move a fila de lugar.

O exemplo mais concreto é o da Amplitude: o tempo de ciclo dos pull requests (pedidos de revisão de código) caiu de 5,2 horas para 44 minutos, em grande parte com trabalho de infraestrutura, não de IA. Staples também sugere que lições da operação virem verificações automáticas: uma falha em produção vira teste de regressão, e um aprendizado de segurança vira política. Para ele, quem dá autonomia a agentes é o desenho do sistema, não um prompt melhor.

Quando o gargalo é alinhamento

Pavel Samsonov, no DOC, mostra o mesmo fenômeno do lado do design. Muitos designers, pressionados a provar valor, encurtam o processo para entregar mais rápido. Segundo ele, isso não funciona: o ciclo "construir, medir, aprender" fica travado no "construir", porque as decisões de negócio já foram tomadas antes.

Ele chama de "Fastest Gun" (o atirador mais rápido) quem chega primeiro com uma ideia e a transforma em prioridade, aproveitando o viés de ancoragem: a primeira proposta na mesa tende a ficar. O risco, diz Samsonov, é o "Potemkin Design": personas e mockups de alta fidelidade que parecem fruto de um processo completo, mas se apoiam em suposições não validadas ou em texto gerado por LLM. Os detalhes visuais distraem as pessoas da premissa fraca.

A saída que ele propõe não é competir em velocidade, mas conversar num nível mais alto. Em vez de partir para a tela, trabalhar o problema: que mudança de comportamento do cliente se quer e qual o impacto no negócio. Artefatos de baixa fidelidade, como storyboards de cenário e PRFAQs, deixam as partes interessadas rejeitar ideias fracas cedo. Registrar o motivo das decisões também ajuda.

O fio comum

Os três textos descrevem a mesma armadilha por ângulos diferentes. Roche mostra que o tempo de digitar código é pequeno perto do tempo de pensar e verificar. Staples mostra que a fila se forma no CI, na revisão e na governança. Samsonov mostra que, no design, a fila está na decisão sobre o que vale a pena construir. Em todos os casos, produzir mais rápido sem melhorar a etapa seguinte só empilha trabalho na frente do gargalo.

Vale lembrar que Staples escreve em um blog de uma empresa que vende plataforma para esse fim, então leia as soluções dele com esse contexto. O diagnóstico, porém, conversa com os outros dois autores.

Para levar

  • Antes de comemorar uma ferramenta de IA, descubra em que etapa seu time realmente perde tempo. Se não for na geração, o ganho será pequeno.
  • Meça o ciclo inteiro, da ideia até a mudança no ar, e não só quanto tempo leva para gerar uma tela ou um trecho de código.
  • Olhe seus gargalos de infraestrutura: um CI lento ou uma revisão demorada pode anular qualquer ganho de velocidade na escrita.
  • No design, não tente vencer na velocidade das telas. Leve o problema e o comportamento esperado para a conversa antes do mockup.
  • Transforme aprendizados em verificações: uma falha vira teste, e uma decisão ganha registro do porquê.

Fontes

  1. 01 The AI productivity gap — Bjorn Roche, Bjorg
    via Sidebar.io
  2. 02 When code is abundant — Bill Staples, GitLab Blog
    via Sidebar.io
  3. 03 The fastest gun in UX — Pavel Samsonov, DOC
    via Sidebar.io
← Todos os textos do The Token Corp