Uma análise da McKinsey sobre times de desenvolvimento de software indica que a maior parte das equipes ainda não obtém ganho real ao incorporar inteligência artificial ao dia a dia de trabalho. Segundo a consultoria, o retorno consistente só aparece quando a empresa reformula o ciclo completo de desenvolvimento de produto em torno de agentes de IA — e não quando apenas insere ferramentas de IA em processos que permanecem inalterados.
A McKinsey usa a expressão "agentic product development life cycle" para descrever um modelo em que agentes de IA passam a executar etapas do ciclo de desenvolvimento — não apenas sugerir um trecho de código, um texto ou uma resposta a um usuário humano, como fazem as ferramentas do tipo copiloto. A distinção que a consultoria propõe é de grau de autonomia: o copiloto assiste uma pessoa em uma tarefa pontual dentro de um fluxo que continua sendo desenhado e conduzido por humanos; o modelo agentic pressupõe que múltiplas etapas do ciclo — da descoberta de um problema até o teste e a entrega de uma funcionalidade — sejam reorganizadas para que agentes de IA operem em conjunto, com supervisão humana redefinida em pontos específicos.
É essa reorganização de todo o sistema, e não a simples troca de ferramenta, que a McKinsey aponta como fator que separa as equipes que registram impacto mensurável das que não registram.
A análise é dirigida a times de desenvolvimento de software, o que inclui diretamente gerentes de produto, tech leads, coordenadores de squads ágeis, diretores de tecnologia e responsáveis por PMOs de tecnologia. Para esse público, a distinção entre "adotar uma ferramenta de IA" e "redesenhar o ciclo de desenvolvimento em torno de IA" tem efeito prático em como orçamento, squads e indicadores de entrega são estruturados — decisão que normalmente passa por quem lidera a área, não apenas por quem opera a ferramenta no dia a dia.
A consultoria não detalha, no material consultado, se as mesmas conclusões valem para equipes fora do desenvolvimento de software — como times de marketing, atendimento ou operações que também vêm adotando IA generativa. O escopo declarado da análise é especificamente "software teams", e estender a conclusão a outras áreas da empresa não está amparado por esse material.
Como há apenas esta fonte disponível sobre o assunto até o momento, vale registrar com precisão o que ela não permite afirmar:
Não há, no resumo consultado, indicação do percentual de equipes que efetivamente atingem impacto mensurável, nem da metodologia ou do tamanho da amostra usada para chegar a essa conclusão. A análise também não nomeia empresas ou setores específicos usados como referência, não descreve um roteiro de implementação passo a passo, não estima custo ou tempo médio de uma reorganização desse tipo e não aborda o efeito sobre postos de trabalho nas equipes afetadas. Também não há menção a como medir retorno sobre investimento em um redesenho desse porte, nem a critérios para diferenciar um redesenho superficial de um redesenho estrutural do ciclo de produto.
Nenhum desses pontos deve ser presumido a partir de outras fontes gerais sobre IA no mercado: eles permanecem, em relação a esta análise específica, não respondidos.
Além das lacunas do material, existem perguntas mais amplas sobre o tema que ainda não têm resposta consolidada publicamente — nem por parte da McKinsey nem por consenso do mercado de tecnologia. Entre elas: que indicadores substituem métricas tradicionais de produtividade de engenharia (como velocidade de sprint) quando parte do trabalho passa a ser executado por agentes; como fica a responsabilidade sobre decisões tomadas por um agente dentro do ciclo de desenvolvimento; e se empresas de menor porte, com equipes de tecnologia enxutas, têm capacidade de reproduzir uma reorganização de ciclo completo nos mesmos moldes descritos para grandes times de software.
Como se trata de uma análise de consultoria e não de uma norma ou decisão com prazo de vigência, o acompanhamento aqui não depende de um órgão regulador ou de uma data de publicação de ato oficial. Faz sentido monitorar publicações subsequentes da própria McKinsey sobre o tema, pesquisas de adoção de IA em desenvolvimento de software conduzidas por outras consultorias e fornecedores de ferramentas, e benchmarks setoriais que comecem a divulgar percentuais de equipes com ganho mensurável — dado que, segundo a análise consultada, esse ainda é hoje o grupo minoritário.
Para quem lidera ou pretende liderar times de produto e tecnologia e precisa estruturar critérios próprios de avaliação antes de decidir sobre reorganização de processos com IA, o MBA em Gestão de Produtos Digitais do catálogo da Galícia Educação aborda ciclo de desenvolvimento de produto, indicadores de entrega e decisões de estrutura de time nesse contexto.
1. A análise consultada é da McKinsey e tem escopo declarado em equipes de desenvolvimento de software, não no conjunto de todas as funções corporativas.
2. A conclusão central é que a maioria das equipes de software ainda não vê impacto mensurável ao incorporar IA aos processos existentes.
3. O ganho mensurável, segundo essa análise, está associado a um redesenho do ciclo completo de desenvolvimento em torno de agentes de IA, não à adição isolada de ferramentas.
4. O material consultado não traz percentual de sucesso, metodologia, amostra, nomes de empresas, prazo ou custo de implementação.
5. Até o momento, esta é a única fonte identificada sobre o assunto, o que limita o mapeamento de interpretações divergentes sobre o tema.
Este texto foi apurado a partir das publicações abaixo. As informações atribuídas a órgãos, normas e decisões devem ser conferidas na fonte oficial correspondente.
Para quem quer o próximo passo: de coordenação para gerência, de gerência para head.
Ver os MBAs e pós