Um conteúdo
![McKinsey](https://braziljournal.com/wp-content/uploads/2022/06/10660-2355a662-4ea9-d3ef-dcbb-44a2cba7ee1f-39.jpg?x77302)
Marina Mansur e Rafael Siqueira
Inteligência artificial generativa virou assunto de grande parte das discussões estratégicas de uma organização.
Em um estudo lançado recentemente pela McKinsey, estima-se que as aplicações da GenAI vão movimentar até US$4,4 trilhões na economia mundial todos os anos — e grande parte desse valor vem de ganhos de produtividade em engenharia e desenvolvimento de software.
Mas como a máquina pode ajudar a desenvolver máquinas?
Montamos um laboratório com desenvolvedores de diferentes nacionalidades e analisamos os impactos em produtividade de algumas ferramentas de IA generativa na geração, otimização e documentação de códigos. O grupo testado conseguiu executar tarefas em até metade do tempo versus o grupo controle.
Os resultados são impressionantes.
Mas, assim como na Fórmula 1, em que um carro sem motorista (ainda) não é capaz de vencer um GP, com a GenAI é preciso ter “pilotos” bem treinados que consigam manejar e acelerar a máquina ao máximo.
Velocidade máxima
Escrever um novo código com a ajuda da GenAI levou, em média, metade do tempo, assim como a documentação da funcionalidade de um código para manter a capacidade de manutenção. Já a refatoração, que é a otimização de um código existente, foi concluída em um tempo 30% menor do que o original.
Além de mais rápidas, as tarefas utilizando ferramentas de GenAI também performaram bem no quesito qualidade – ou seja, a velocidade não sacrificou a boa entrega. Inclusive, a qualidade do código em relação a bugs, a capacidade de manutenção e a legibilidade foram ligeiramente melhores no código assistido pela inteligência artificial.
Além da velocidade, satisfação
Os benefícios encontrados alcançam também aqueles profissionais que estão por trás das máquinas. É que, no caso da GenAI, a pesquisa revela melhoria expressiva na experiência do desenvolvedor, o que, por sua vez, pode ajudar as empresas a reter e motivar seus melhores talentos, um desafio frequentemente relatado por lideranças de tecnologia.
Os participantes do estudo foram duas vezes mais propensos a relatar satisfação geral e estado de flow – algo que pode ser descrito como a capacidade de imergir numa tarefa. Isso porque, segundo eles, as ferramentas utilizadas foram capazes de automatizar o trabalho pesado, permitindo que realizassem atividades mais satisfatórias e que acessassem mais rapidamente informações na hora de solucionar um desafio.
É como deixar de guiar o volante de um caminhão 1982 e passar a manejar uma macia direção elétrica.
Três marchas variáveis
A IA generativa está preparada para transformar o desenvolvimento de software de uma forma que nenhuma outra ferramenta fez. Mas, se o carro não vence a corrida sozinho, aqui vão três variáveis fundamentais para o bom funcionamento das engrenagens:
1) Complexidade da tarefa: em afazeres que os desenvolvedores consideravam de alta complexidade devido, por exemplo, à falta de familiaridade com uma estrutura de programação necessária, o ganho de tempo foi menor, de menos de 10%.
2) Tempo de experiência do desenvolvedor: profissionais mais juniores, com menos de um ano de experiência, levaram de 7% a 10% mais tempo com as ferramentas de GenAI do que sem elas. A tecnologia pode fazer muito, mas as conclusões sugerem que as ferramentas são tão boas quanto as habilidades dos engenheiros que as utilizam.
3) Fator humano: os desenvolvedores participantes do estudo interagiram ativamente com as ferramentas para alcançar a qualidade descrita, sinalizando que a tecnologia contribui mais para aumentar o potencial dos desenvolvedores, e não substituí-los. E, por isso, experiência e habilidade são muito relevantes para os resultados.
Como dirigir?
Qual é o impacto das novas conclusões para as lideranças e como avançar a partir delas? Alguns insights apontam caminhos.
Um deles é assegurar uma combinação de treinamento inicial e apoio contínuo aos desenvolvedores.
Para aqueles com menos de um ano de experiência, a pesquisa sugere a necessidade de uma formação em princípios básicos. Para os mais experientes, a formação deve ser focada nas interações com as ferramentas e em como manter um olhar crítico, sabendo diferenciar uma recomendação ruim de um código ou uma alucinação, por exemplo.
Estimular que desenvolvedores mais sêniores dividam as melhores práticas com os mais juniores também é fundamental.
Ainda no quesito talentos, com o aumento da produtividade e a redução do tempo dedicado a algumas tarefas, os líderes terão de se preparar para realocar parte de sua força de trabalho em atividades de maior valor e desenvolver novas habilidades nas equipes. Aqui, as empresas precisam redobrar a atenção: por ser um mercado novo, avaliar a produtividade dos profissionais é um desafio necessário a ser enfrentado – como uma pista encharcada na Fórmula 1, que escancara os gaps de habilidades entre pilotos.
Ainda há uma longa estrada
À medida que a tecnologia evolui e se torna perfeitamente integrada às ferramentas no ciclo de desenvolvimento, espera-se ainda mais velocidade e qualidade no processo. A GenAI significa um ponto de inflexão no caminho da busca pela excelência. Os motores ainda estão esquentando, mas têm um torque que pode levar as equipes ao topo do pódio.
Marina Mansur é sócia e líder de Leap by McKinsey – digital business building, no Brasil.
Rafael Siqueira é sócio e líder de Build by McKinsey na América Latina.