A IA prometeu menos trabalho, mas o autor nunca trabalhou tanto

O autor, engenheiro full-stack que hoje é Vice President of Technology na Bold.org, usa agentes em todo o trabalho de engenharia. Sua tese é que a implementação barata aumentou o que vale a pena começar, mas não a capacidade de pensar sobre tudo isso. Em vez de duas ou três tarefas sérias por semana, ele toca vários agentes em paralelo (implementação, investigação em produção, revisão, pesquisa). Nenhum precisa dele o tempo todo, todos precisam dele às vezes, e cada retorno exige recarregar outro problema, outro repositório e outras decisões.

Os dados vêm do calendário de contribuições do GitHub, de janeiro de 2019 até 27 de outubro de 2026, incluindo trabalho privado (commits, pull requests, reviews e issues). O autor avisa que é um sinal grosseiro de atividade, não de valor. Em 2020 ele teve 2.711 contribuições, e nos anos de Principal Engineer a média foi de 114 por mês, contra 173 como Full Stack Engineer. Em 2026 chegou a 2.102 até 27 de outubro, mais que qualquer ano completo de 2021 a 2025. Agosto de 2026 bateu o recorde, com 427 contribuições (o anterior era 319, em abril de 2020). A mediana de um dia útil subiu de 3 ou 4 para 7, e os dias com 24 ou mais contribuições passaram de um por ano para 16. Ele descreve três ciclos de pico desde janeiro, cada um puxado por um novo modelo ou fluxo, e depois um recuo por causa de revisão e troca de contexto.

O relato pessoal dialoga com a cobertura anterior do CEVIU. Em 10 de fevereiro de 2026, o CEVIU noticiou "A IA Não Reduz o Trabalho, Ela o Intensifica", sobre malabarismo de tarefas, threads paralelas e verificação constante. Em 12 de junho de 2026, em "Engenheiros assistidos por IA estão enfrentando burnout", falou de sobrecarga cognitiva, e em 17 de junho de 2026, em "Revisões de código ficaram caras, e reescritas, baratas", do custo crescente da revisão. Em 19 de junho de 2026, "Agentes de IA prometiam mais foco, mas estão acabando com as pausas dos devs" tratou da supervisão contínua. Antes eram relatos e análises gerais. Agora há uma série de dados individuais de longo prazo que ilustra o mesmo padrão.

Para quem desenvolve com agentes, a leitura é que o gargalo deixou de ser escrever código e passou a ser atenção para revisar e decidir. Isso sugere que limitar quantos agentes rodam em paralelo pode importar tanto quanto escolher o modelo. É uma amostra de uma pessoa, então serve como alerta, não como regra.