Em muitas equipes, a conversa sobre IA chegou com a mesma frase: “isso vai fazer todo mundo render mais”. O problema é que produtividade sem contexto vira uma cobrança difícil de medir — e, para quem escreve, revisa e mantém software, também pode virar mais retrabalho, mais vigilância e menos margem para dizer que uma ferramenta não serve para aquela tarefa.
Um levantamento da Glassdoor publicado em agosto de 2026 ajuda a colocar números nessa sensação. As menções a IA em avaliações de empresas cresceram 240% em um ano; em 2026, 53% dessas menções aparecem só na parte negativa das avaliações. Entre engenheiros de software, 57% dos comentários sobre IA foram negativos. Não é uma pesquisa sobre o Brasil nem um veredito sobre toda empresa, mas é um sinal forte de que o discurso de “adote e pronto” não está fechando para parte relevante de quem trabalha com tecnologia.
O incômodo não é simplesmente usar IA
Ser contra ferramenta não explica o quadro. O próprio estudo separa situações bem diferentes: há comentários positivos quando a empresa cria produtos com IA ou oferece ferramenta, treinamento e suporte para o uso no trabalho. O desgaste aparece quando a liderança trata a adoção como fim em si mesmo.
Na prática, o dev percebe a diferença rápido. Uma sugestão de código que acelera uma tarefa chata pode ajudar. Uma meta de “fazer mais com menos” baseada em respostas que ainda exigem revisão, testes e contexto do sistema só desloca o risco para quem está na ponta. A ferramenta entrega velocidade aparente; a pessoa continua responsável pelo incidente, pelo bug e pela decisão de produção.
Onde a confiança costuma quebrar
O relatório associa comentários críticos sobre IA a menções muito mais frequentes de burnout e insegurança no emprego. Isso não prova que uma ferramenta cause corte ou esgotamento. Mostra outra coisa: quando a IA entra junto de reestruturação, pressão por eficiência ou comunicação ruim, os trabalhadores passam a ler tudo como parte do mesmo pacote.
É por isso que “a IA vai substituir vocês?” é uma pergunta ruim para responder com slogan. Uma resposta honesta precisa dizer o que muda no fluxo, quais decisões seguem humanas, como será avaliada a qualidade e o que acontece com as horas que a automação libera. Sem isso, a promessa de ganho parece só uma forma mais elegante de anunciar aperto.
Quatro perguntas antes de transformar IA em obrigação
- Qual problema ela resolve aqui? Nomeie o gargalo: documentação, testes repetitivos, triagem, busca em base interna ou outra tarefa concreta. “Usar IA” não é problema nem métrica.
- Quem revisa e responde pelo resultado? Código, resposta a cliente, análise e acesso a dados precisam de um dono claro. Revisão não pode ser uma etapa fingida no fim do fluxo.
- O que não pode entrar na ferramenta? Defina dados sensíveis, credenciais, código proprietário e ambientes que ficam fora do contexto. Segurança e privacidade não podem ser descobertas depois do primeiro vazamento.
- Como o time pode discordar? Faça um piloto com retorno real de quem usa a ferramenta. Se a única métrica for volume entregue, o time vai aprender a otimizar a métrica — não o trabalho.
Para a carreira, o sinal é menos dramático e mais útil
A conclusão não é abandonar IA nem entrar na corrida para parecer “AI-first” em qualquer entrevista. O diferencial mais defensável continua sendo saber decompor um problema, validar uma resposta, entender o sistema que está sendo alterado e explicar risco para pessoas não técnicas.
Quem usa bem a ferramenta costuma deixar rastros melhores: uma hipótese clara, um teste reproduzível, uma revisão que aponta o que foi aceito e o que foi descartado. Isso vale mais do que prometer que uma automação fez o trabalho inteiro.
Se a empresa quer adoção séria, a conversa precisa sair do encanto e entrar no contrato de trabalho: ferramenta, treinamento, limite, revisão e consequência. É nessa parte menos glamourosa que confiança — e produtividade de verdade — começam.
