Nunca foi tão fácil desenvolver software de formação, nem tão importante saber o que estamos a fazer.

Será inevitável afirmar que a Inteligência Artificial mudou, em muito pouco tempo, a forma como se desenvolve software.

Hoje, ferramentas como Claude, GitHub Copilot ou Cursor conseguem gerar código, sugerir soluções, criar interfaces, ajudar a encontrar erros e acelerar tarefas que antes consumiam muitas horas de trabalho. Para quem desenvolve software, são ferramentas extraordinariamente úteis, e que se traduzem em ganhos de produtividade.

Segundo estudo realizado por Peng et al. (2023), programadores que utilizaram GitHub Copilot concluíram uma tarefa específica de desenvolvimento 55,8% mais rapidamente. Contudo, esta nova facilidade também pode criar uma ideia enganadora: a de que, se hoje é muito mais fácil produzir código, então desenvolver software também se tornou simples. Não é bem assim.

Colocar uma aplicação a funcionar é apenas uma parte do trabalho. Num sistema de gestão existem muitas outras preocupações que normalmente não são visíveis para quem o utiliza: a forma como os dados estão estruturados, as permissões de acesso, a segurança, os backups, a monitorização, o desempenho, as integrações com outros sistemas ou a capacidade de continuar a evoluir sem comprometer aquilo que já funciona.

E há ainda uma pergunta que só aparece com o tempo: como estará essa aplicação daqui a cinco anos? Terá seguramente centenas de alterações.

• Mais utilizadores.
• Mais dados.
• Novas integrações.
• Novas exigências de segurança.
• Novas versões das tecnologias em que foi construída.

É nesta fase que a diferença entre “ter código que funciona” e ter um produto de software bem construído se torna muito mais evidente.

A própria investigação sobre o impacto da IA no desenvolvimento mostra que a realidade é menos linear do que parece.

Becker et al. (2025) estudaram programadores experientes a trabalhar em projetos que já conheciam bem. Os participantes acreditavam que a utilização de IA os tornaria mais rápidos, mas, nas condições daquele estudo, acabaram por demorar em média mais tempo a concluir as tarefas. Não significa que a IA torne os programadores menos produtivos. Significa que rapidez a gerar código e produtividade global não são necessariamente a mesma coisa.

A segurança é outro bom exemplo. Perry et al. (2023) observaram, nas tarefas estudadas, que participantes apoiados por um assistente de IA produziram código menos seguro e, curiosamente, ficaram mais confiantes na solução que tinham criado.

Os modelos atuais são já bastante mais evoluídos, mas a conclusão continua a ser pertinente: saber pedir à IA para produzir código não é o mesmo que saber avaliar aquilo que ela produziu.

Talvez por isso o relatório DORA 2025, da Google, descreva a IA sobretudo como um amplificador (DeBellis et al., 2025). Em equipas com boas práticas de desenvolvimento, arquitetura, testes e revisão de código, pode aumentar muito a produtividade. Mas também pode amplificar fragilidades quando essas bases não existem.

A IA não veio retirar importância à engenharia de software. Está, isso sim, a mudar profundamente a forma como os engenheiros trabalham.

Provavelmente veremos equipas mais pequenas fazerem muito mais, projetos que antes demoravam meses serem desenvolvidos em semanas e ideias chegarem a protótipos em poucos dias.

Mas há uma diferença que continuará a ser importante: uma coisa é conseguir criar software, outra é conseguir mantê-lo seguro, fiável e sustentável ao longo dos anos.

A IA deu-nos ferramentas poderosíssimas.

O conhecimento para decidir como as utilizar continua a fazer toda a diferença.