Saltar para o conteúdo
Founderz: início do Guia de utilização responsável da IA

em colaboração com Microsoft

Estudo de caso · Investigação

METR: produtividade percebida e medida com IA

Programadores experientes sentiam-se 20% mais rápidos com IA, mas as tarefas demoraram mais 19%. Um estudo de seguimento de 2026 apontou no sentido contrário, e a METR considera os resultados pouco fiáveis.

Princípios envolvidos

Quando e onde

2025 a 2026

Todo o mundo (estudos da METR)

O que aconteceu

No início de 2025, a organização de investigação METR realizou um estudo aleatorizado com 16 programadores experientes de código aberto, que trabalharam em 246 tarefas reais de projetos que conheciam bem. Antes de começarem, esperavam que as ferramentas de IA os tornassem 24% mais rápidos. Depois, acreditavam que a IA os tinha tornado 20% mais rápidos. Os tempos registados mostraram que as tarefas demoraram mais 19% com IA.

Em fevereiro de 2026, a METR publicou uma atualização sobre um estudo de seguimento mais alargado, com 57 programadores e mais de 800 tarefas. Os resultados apontavam no sentido contrário, mas a METR considerou-os pouco fiáveis, porque muitos programadores evitaram tarefas que não queriam fazer sem IA. Nessa atualização, a METR afirmou que os programadores eram provavelmente mais rápidos com ferramentas mais recentes. Descreveu os dados como pouco sólidos e disse que estava a reformular o estudo.

O que mostram as fontes

O estudo de 2025 mediu um grupo específico: programadores experientes em código que conheciam, com ferramentas do início de 2025. É uma pré-publicação sem revisão por pares, e a METR assinalou-a como desatualizada. O seguimento deixa incertos o sentido e a dimensão de qualquer alteração de velocidade. No estudo anterior, as estimativas dos 16 programadores diferiam substancialmente dos tempos registados.

Implicações

A sensação de produtividade com IA é uma prova pouco sólida da produtividade real. As ferramentas mudam depressa, pelo que a medição de hoje pode também deixar de ser válida no próximo ano. Quando uma decisão depende do benefício, meça-o no seu próprio trabalho.

Prática recomendada

  1. 01Cronometre algumas tarefas reais com e sem IA antes de alterar um processo.
  2. 02Decida o que o convenceria de que não está a funcionar antes de procurar resultados.
  3. 03Volte a medir quando as ferramentas mudarem.

Fontes

Estas fontes sustentam os factos desta página. Explicamos o que se pode concluir de cada uma e quais são os seus limites. As recomendações são nossas. Ver todas as fontes que utilizamos.

  1. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity METR · 10 de julho de 2025 · Investigação (pré-publicação) Dezasseis programadores experientes que trabalharam em 246 tarefas esperavam que a IA os tornasse 24% mais rápidos e sentiram-se 20% mais rápidos no final, mas as tarefas com IA demoraram mais 19%. Limites: Sem revisão por pares, com ferramentas do início de 2025. A METR assinalou entretanto o resultado como desatualizado.
  2. We are Changing our Developer Productivity Experiment Design METR · 24 de fevereiro de 2026 · Atualização de investigação Um seguimento com 57 programadores e mais de 800 tarefas sugeriu um ganho de velocidade. A METR considera os resultados pouco fiáveis porque muitos programadores evitaram tarefas que não queriam fazer sem IA. A METR pensa que os programadores são provavelmente mais rápidos com ferramentas mais recentes e está a reformular o estudo. Limites: A METR descreve os dados como pouco sólidos.

Citar esta página

Founderz (2026). METR: produtividade percebida e medida com IA. Norma RUAI, edição de 2026. Desenvolvida pela Founderz em colaboração com a Microsoft. https://responsibleai.founderz.com/pt/toolkit/case-studies/metr-perceived-and-measured-productivity

Licenciado sob CC BY 4.0: partilhe e adapte com atribuição.