É complicado. Enquanto a indústria enfrenta debates cruciais sobre propriedade intelectual e os impactos ambientais da IA, há uma questão mais fundamental: como usamos essas ferramentas para entregar trabalho de alta qualidade que beneficie nossa organização e a comunidade que ela atende? Este artigo não aborda questões éticas ou morais, mas sim foca na crescente pressão de líderes que querem introduzir ferramentas de IA para aumentar a produtividade.
Podemos usar o relatório Accelerate State of DevOps de 2024 para nos guiar. No relatório, a equipe de pesquisa fez um mergulho profundo no uso de IA para obter uma linha de base sobre sua adoção e impacto. Usaremos esses insights para explicar como voltamos aos velhos hábitos, e isso deve nos levar a redefinir nossa abordagem e encontrar um caminho mais impactante para o futuro.
Adoção de IA
A maioria das organizações está aumentando a adoção de IA. Mais de 80% das organizações estão interessadas em adicionar IA de alguma forma, com assistência de código, resumos de informações e documentação apresentando as oportunidades mais procuradas.
A assistência de código é altamente desejada para tarefas como escrever código, entender código existente e otimizar código. Editores de código há muito tempo utilizam refatoração algorítmica, aprendizado de máquina e assistência de IA, então a adoção de IA para propósitos de codificação é uma evolução natural dos casos de uso existentes. O uso de IA para analisar informações e dados é menos conhecido, embora tenha um precedente no onipresente resumo TL;DR (muito longo; não li) adicionado por pessoas gentis no início de seus textos longos.
A produtividade aumenta com a IA
A maioria dos entrevistados (mais de 70%) relatou ganhos de produtividade ao usar IA. As pessoas sentem que podem fazer o trabalho mais rápido quando têm sua assistência. Meu problema de longa data com a produtividade do desenvolvedor é que ela geralmente não é uma medida útil.
Você pode avaliar sua produtividade pessoal porque é um sentimento e não um número. Você não se sente produtivo ao lidar com trabalho ocupado ou lidar com interrupções constantes. Quando você tem um bom tempo para concluir uma tarefa, você se sente ótimo. Se uma organização está interessada nesse tipo de produtividade, ela deve verificar a satisfação dos funcionários porque as pessoas tendem a ficar mais satisfeitas quando conseguem fazer as coisas.
O relatório State of DevOps confirma esse problema, pois as altas classificações de produtividade orientada por IA não estão reduzindo o trabalho árduo nem melhorando o desempenho da entrega de software, o que há muito consideramos uma maneira sólida para as equipes de desenvolvimento contribuírem para as metas da organização.
Um aumento de 25% na adoção de IA traz aumentos modestos em fluxo, satisfação e produtividade. Também diminui o esgotamento. No entanto, ainda não traz uma redução significativa no trabalho árduo e não permite que mais tempo seja gasto em trabalho valioso.
A IA reduz o desempenho da entrega de software
O mesmo aumento de 25% na adoção de IA que fez as pessoas se sentirem mais produtivas prejudica o desempenho da entrega de software.
A IA reduziu o rendimento em 1,5% e a estabilidade em 7,2%. Se a percepção da qualidade do código está aumentando com a assistência da IA, mas a estabilidade está caindo, isso indica uma incompatibilidade entre o quão bem achamos que ela executa uma tarefa e o quão bem ela realmente faz.
Dado o foco intenso em aumentar a velocidade da codificação, provavelmente estamos vendo subotimização em grande escala. Escrever código raramente é o gargalo para o desenvolvimento de recursos. Acelerar o código em si é menos valioso se você não estiver pegando os bugs que ele introduz com testes automatizados. Também falha em abordar o sistema de entrega de software mais amplo ou garantir que seus recursos sejam úteis para os usuários.
Se você não estiver trabalhando na restrição, suas otimizações não melhoram o rendimento. Em muitos casos, otimizar para longe da restrição prejudica o sistema de ponta a ponta. Acelerar tarefas de codificação não tem um bom resultado, a menos que você tenha suavizado o fluxo de tudo o que vem depois.
Então, como usamos bem todas essas novas ferramentas?
Colocando as coisas na ordem certa
A pressa em adotar a IA nos levou de volta a um antigo padrão problemático de comprar uma solução antes de entendermos qual problema ela resolverá. Isso significa procurar um problema retrospectivamente, muitas vezes em vão.
Uma abordagem mais bem-sucedida para a adoção de IA seria começar com seus problemas, decidir qual deles está te segurando mais e procurar maneiras de resolvê-lo. Isso deixaria todas as soluções possíveis abertas para você.
Começar com o problema a ser resolvido significa que você pode escolher a solução mais impactante. Você pode eliminar trabalho desnecessário ou encontrar uma maneira de automatizá-lo usando uma parte existente da sua cadeia de ferramentas. Se você precisar trazer uma nova ferramenta, você pode selecionar entre todas as opções disponíveis, quer elas usem IA ou não.
