Atualização editorial em : atribuições e orientações corrigidas com fontes; a data da publicação original foi preservada.
Uma equipe pode produzir código mais depressa e continuar esperando dias por revisão ou implantação. Por isso, avaliar IA apenas pelo tempo para escrever uma alteração deixa parte do trabalho fora da conta. A pergunta útil é onde o fluxo mudou e o que aconteceu com a qualidade da entrega.
O que o DORA 2025 sustenta
A apresentação oficial do relatório DORA 2025 descreve a IA como amplificadora das forças e fraquezas da organização e destaca o sistema organizacional em que as ferramentas são usadas. Essa é a interpretação apresentada pela pesquisa, não uma promessa de ganho para qualquer equipe que adote IA. DORA: State of AI-assisted Software Development 2025.
O questionário publicado inclui perguntas sobre uso de IA, percepção de qualidade do código, análise do desempenho da equipe e tamanho das alterações. As respostas utilizadas no relatório pertencem à pesquisa; não são medições do trabalho de Anderson ou da equipe do leitor. Perguntas da pesquisa DORA 2025.
Os percentuais da versão anterior foram removidos porque sua apresentação misturava medidas sem esclarecer os denominadores. Também foi retirada a experiência pessoal não confirmada. Esta atualização concentra-se em como formular uma avaliação local, sem transformar estatísticas agregadas em previsão individual.
Um protocolo proposto para a equipe
Escolha uma classe de trabalho antes de coletar dados, por exemplo, correções pequenas de um mesmo serviço. Defina quando uma tarefa começa, quando está pronta para revisão e quando chega ao usuário. Registre a versão da ferramenta e se ela foi usada. Não compare uma migração complexa sem IA com uma correção trivial assistida.
A implementação ficou mais rápida?
Registre o tempo de trabalho ativo até pedir revisão, o tipo e o tamanho da mudança. Mantenha a espera por decisão ou dependência separada do tempo de implementação.
A revisão absorveu mais trabalho?
Registre o tempo de revisão e retrabalho até aceitação, com critérios consistentes. Uma alteração grande ou pouco familiar pode exigir mais revisão independentemente da ferramenta.
A entrega ficou mais confiável?
Acompanhe falhas após implantação, reversões e correções, vinculadas às mudanças observadas. Defina a janela de observação; ausência de relato não comprova ausência de defeito.
O usuário recebeu o resultado antes?
Meça o tempo entre início e disponibilidade da mudança, incluindo filas. Um ganho na escrita pode ser consumido em revisão, integração ou liberação.
Um cenário hipotético ajuda a interpretar o registro: o tempo de implementação cai, mas a espera por revisão cresce. A próxima investigação seria entender a fila, a clareza das alterações e a capacidade de revisar. Não seria possível atribuir a mudança inteira à IA apenas com essa observação.
Compare períodos com composição de trabalho semelhante e registre mudanças simultâneas, como entrada de pessoas, incidentes ou troca do processo de entrega. Mostre quantidade de tarefas e distribuição dos tempos, além de uma média. Se houver poucos casos, apresente-os como observações exploratórias. Esse protocolo é uma proposta editorial; não foi aplicado a uma equipe nem corresponde a um experimento causal.
Combine previamente uma regra de decisão: continuar o piloto quando o fluxo melhora sem ultrapassar limites de falha e retrabalho aceitos pela equipe; investigar ou interromper quando esses limites são ultrapassados. Os limites precisam vir do contexto do serviço, não de números inventados neste artigo.
O que esta leitura não demonstra
A interpretação do DORA não substitui medições locais. O roteiro não comprova retorno financeiro, ganho de produtividade ou causalidade e não foi executado em produção. A conclusão possível aqui é metodológica: medir o fluxo completo e explicitar o que ficou fora da observação. Não se relata uma vivência profissional do autor.