Quais condições seriam necessárias para que a IA substituísse engenheiros de software juniores

Uma análise recente explora as condições sob as quais a codificação assistida por IA poderia substituir engenheiros juniores, concluindo que três dos quatro requisitos-chave não são atendidos. No entanto, o quarto é motivo de preocupação, pois não depende dos outros. O estudo se baseia no trabalho de tempo-horizonte da METR, que rastreia o comprimento das tarefas que os modelos podem completar com 50% de precisão. De 2019 a 2025, esse horizonte dobrou aproximadamente a cada sete meses, e dados recentes sugerem que a taxa de crescimento acelerou. No entanto, a metodologia dessas métricas tem sido questionada, pois se concentram em um único aspecto do trabalho que foi desprovido de complexidade. OpenAI recentemente parou de relatar resultados verificados do SWE-bench, citando problemas com o conjunto de dados. Eles descobriram que 59,4% dos problemas auditados tinham casos de teste defeituosos que rejeitavam soluções funcionalmente corretas, e que os modelos podiam reproduzir detalhes exatos do problema, indicando contaminação no treinamento. Quando testados em um conjunto de dados mais difícil e menos contaminado, o desempenho caiu significativamente. Novos benchmarks, como Terminal-Bench e benchmarks de evolução de longo prazo, estão sendo desenvolvidos para abordar essas questões. Um estudo controlado randomizado da METR envolveu 16 desenvolvedores experientes trabalhando em 246 tarefas reais. A IA foi permitida ou proibida aleatoriamente, com gravações de tela capturando o processo. Os desenvolvedores esperavam um aumento de 24% na velocidade, mas os resultados reais mostraram que eles eram 19% mais lentos. Embora as ferramentas utilizadas fossem modelos de 2025 e a amostra fosse pequena e específica, o estudo destaca uma persistente lacuna na percepção da produtividade. Dados de pesquisa da Stack Overflow indicam que 84% dos desenvolvedores usam ou planejam usar ferramentas de IA, enquanto 46% desconfiam de sua precisão. A pesquisa DORA do Google descobriu que 90% dos profissionais usam IA no trabalho, com mais de 80% acreditando que ela melhora a produtividade, embora 30% relatem pouco ou nenhum confiança no código gerado por IA. Esses achados sugerem que a IA atua como um amplificador, em vez de uma substituição. As tendências de emprego mostram uma divergência entre trabalhadores mais jovens e mais velhos em ocupações expostas à IA. O Digital Economy Lab da Stanford descobriu uma escassez de 15% para pessoas com 22-25 anos em julho de 2025, aumentando para 19% em junho de 2026. A adaptação está ocorrendo através da redução do recrutamento, em vez de demissões. O estudo observa que o emprego diminuiu entre os jovens em funções de conhecimento codificado, enquanto aumentou entre os trabalhadores experientes em funções de conhecimento tácito. A análise conclui que a codificação assistida por IA não está substituindo engenheiros juniores, mas sim as tarefas tradicionalmente atribuídas a eles. O gargalo está na verificação, contexto e julgamento, áreas onde os modelos de última geração ainda estão longe de igualar as capacidades humanas. As decisões de contratação são baseadas em números de benchmarks desatualizados que os criadores originais abandonaram. As empresas que provavelmente terão sucesso no futuro são aquelas que realizam o