O novo gargalo no desenvolvimento de software: IA acelera o indivíduo, mas não a equipe

A IA não está falhando no desenvolvimento de software, ela está funcionando tão bem que expôs o que sempre foi frágil: a engenharia de processos. Os dados são claros: até 60% mais pull requests, mas 19% mais tempo por tarefa (METR, 2025); 34,7% menos tempo em tarefas técnicas, mas nenhuma melhora proporcional na entrega de valor ao cliente. O problema não é o código. É o sistema que o envolve. Quando o custo da linha de código cai para 'quase zero', a dívida técnica não some, ela se transforma em dívida de alinhamento, de revisão, de decisão compartilhada. A Intuit já migrou do 'spec completo antes de começar' para co-desenvolvimento em tempo real entre PMs e engenheiros. Isso não é agilidade incrementada. É uma redefinição do papel do gestor de produto: de autor de documentos para facilitador de experimentos.

O verdadeiro desafio de gestão de produtos hoje não é priorizar backlog, é redesenhar os pontos de contato entre funções. Um 'design complete' que demora 5 dias vira um gargalo quando o engenheiro gera o MVP em 2 horas. Uma revisão de segurança que exige 3 aprovações manuais trava o ciclo quando a IA produz 90 variações de um mesmo recurso. O valor da IA não está na velocidade do commit, mas na compressão do ciclo de aprendizado, e isso só se atinge com métricas orientadas a hipótese, não a entregas.

A CEVIU já havia mapeado o deslocamento do gargalo: em 15/05, destacamos que a próxima fronteira era a 'orquestração do ciclo de vida'; em 16/06, alertamos que software nunca foi linear; em 08/06, mostramos que a complexidade, não o código, é o limite. Agora, com a notícia de 19/06, há confirmação empírica: o gargalo deixou de ser teórico e virou métrica observável, sprint velocity estagnada, PRs acumulados em review, features prontas esperando sinal verde de legal ou segurança. O que mudou é a evidência de que o problema não é falta de ferramenta, mas ausência de processo adaptado: a Intuit não só identificou o novo gargalo, como já está operando com 'ready to build' redefinido e ciclos voltados a aprendizado, não apenas execução.

Porque a produtividade individual com IA é um indicador enganoso, e perigoso. Empresas que medem sucesso só por linhas geradas ou PRs fechados estão otimizando o que já não é restrição. O risco real é a rendição cognitiva: 45% do código gerado por IA falha em testes de segurança (Veracode, 2025), e 75% dos novos apps não passam de mil downloads (dados de distribuição, início de 2026). Isso mostra que o mercado não premia quem codifica rápido, mas quem valida rápido, integra rápido e aprende rápido. Para o gestor de produto, isso significa que a principal KPI não é 'features lançadas', mas 'hipóteses testadas por sprint', e isso exige repensar desde a definição de 'done' até a composição das squads.