Durante anos, “produtividade” foi a palavra mágica. Linhas de código, tickets fechados, lead time a cair, velocity a subir. Com IA — e, sobretudo, com Agentes IA a fazerem trabalho ponta-a-ponta — essa métrica ficou curta. Pior: ficou perigosa. Em 2026, a pergunta séria para líderes tech, RH e finanças já não é “quantos dias poupámos?”. É esta: qual é o ROI de IA quando a velocidade pode vir acompanhada de bugs, incidentes, custos de tokens e perda de compreensão do sistema? E como se mede sem cair em teatro?
O impacto é direto: decisões de orçamento, promoções, contratação, reorgs. O que não se mede, vira fé. E fé, em gestão, costuma dar maus resultados.
A tentação da métrica única (e porque falha)
Poderiam argumentar que basta medir entregas: mais merge requests, mais features, mais receita. Parece limpo. Só que, com IA, há um truque: a saída aumenta mesmo quando a qualidade cai, porque gerar é fácil e rever dá trabalho. A empresa celebra o “ship” e só semanas depois paga o preço em suporte, retrabalho, falhas em produção e reputação.
Daquela promessa, restou apenas o eco: a IA acelera, sim — mas nem sempre no sentido certo.
O conjunto composto: medir velocidade, qualidade e “dívida humana”
O ROI de IA precisa de um painel com três blocos. Se faltar um, o quadro mente.
Velocidade: Lead time de ideia até deploy; Cycle time por tipo de trabalho; Throughput por equipa; Tempo de resolução em incidentes repetidos.
Qualidade: Bugs em produção por release; Regressões e rollbacks; Incidentes SRE: frequência e severidade; Change failure rate; Segurança: findings críticos por sprint.
Custo total e fricção: Tokens por produto/feature/equipa; Horas humanas de revisão e retrabalho; Tempo gasto a “domar” prompts; Rotatividade e satisfação da equipa.
Uma frase curta para não haver fuga: se a velocidade sobe e a severidade dos incidentes também, o ROI é negativo — só ainda não foi faturado.
Micro-história: o sprint perfeito que rebentou na semana seguinte
Numa equipa de produto em Lisboa, celebraram um sprint “histórico”: mais merge requests do que nunca, testes gerados automaticamente, documentação “bonita”. Na semana seguinte, o suporte abriu uma cascata de tickets estranhos. O problema não era um bug; era um padrão: pequenas inconsistências geradas em vários pontos do sistema, todas plausíveis, todas erradas o suficiente para criar fricção no utilizador. A equipa passou a semana a caçar fantasmas.
O sprint tinha sido rápido. O sistema, porém, ficou mais frágil. E a fragilidade não entra em gráficos fáceis.
Checklist curto para medir ROI sem enganar a empresa
Define 3 objetivos de negócio. Escolhe 2 métricas por objetivo (uma de velocidade e uma de qualidade, sempre). Cria um “antes/depois” com janela fixa (ex.: 6 semanas antes, 6 depois). Imputa custos completos: tokens + horas de revisão + incidentes + retrabalho. Regista exceções: releases especiais, picos sazonais, mudanças de equipa.
E um aviso que evita guerras internas: não uses métricas para punir pessoas. Usa para governar sistemas. A IA amplifica incentivos. Se medires commits, vais comprar commits. Se medires estabilidade, vais comprar estabilidade.
O que o ROI de IA revela sobre o novo papel do engenheiro
A codificação mecânica perdeu estatuto de gargalo. O gargalo migrou. Agora pesa mais quem define requisitos, desenha guardrails, garante auditoria, decide quando um agente executa e quando pede confirmação.
No fim, a síntese cabe numa linha, quase aforística: o ROI de IA não se mede pelo que a máquina escreve, mede-se pelo que a organização deixa de partir.