IA amplia a capacidade, mas 42% dos engenheiros relatam mais burnout

O comunicado de lançamento da Terminal, publicado em 24 de setembro de 2026, apresenta respostas de mais de 1.800 engenheiros de software: 77% afirmam que a IA ampliou sua capacidade para trabalhos de maior valor, enquanto 42% relatam mais burnout do que um ano antes. A pesquisa reúne profissionais da América Latina, dos Estados Unidos, do Canadá e da Europa.

A divulgação aponta uma tensão para as equipes de engenharia: ter condições de produzir mais não significa, por si só, trabalhar menos ou com menos pressão. As duas medidas registram percepções dos participantes. Elas não demonstram que o uso de IA causou o desgaste, nem revelam quantos dos profissionais que perceberam maior capacidade também relataram mais burnout.

Mais trabalho delegado à IA, mais responsabilidade pelo resultado

A página oficial do relatório classifica 37% dos participantes como “AI-native”, categoria de profissionais que definem um objetivo e deixam agentes de IA construir, testar e entregar o resultado; ela também informa que cerca de 3% ainda escrevem todo o código manualmente. Essa classificação descreve como os entrevistados usam as ferramentas. Não mede a qualidade do software que produzem nem o tempo que economizam.

Quando parte da construção passa a um agente, o engenheiro continua responsável por entender o problema, avaliar a solução e decidir se ela pode ser entregue. Gerar uma implementação rapidamente não elimina a necessidade de verificar seu comportamento, corrigir falhas e considerar sua manutenção. O tempo poupado em uma etapa pode ser consumido em outra; os resultados divulgados não permitem calcular esse saldo.

Essa distinção ajuda a interpretar o ganho declarado pelos participantes. “Capacidade para trabalhos de maior valor” não equivale a uma jornada menor. Pode significar que se tornou possível assumir tarefas mais complexas, sem que outras atividades tenham saído da agenda. O levantamento identifica essa possibilidade como uma questão relevante para a gestão, mas não mostra como cada empresa distribuiu o trabalho adicional.

Metas podem absorver o ganho antes que ele vire alívio

O ponto decisivo para uma equipe é o destino da capacidade adicional. Se uma etapa de desenvolvimento fica mais rápida e a meta de entregas sobe na mesma proporção, não há motivo para presumir que a carga total diminuiu. Se a meta permanece estável, ainda é preciso saber se revisão, testes, correções e suporte posterior passaram a exigir mais atenção. São cenários possíveis, não efeitos medidos individualmente pela pesquisa.

Uma avaliação de produtividade restrita à velocidade de geração do código deixaria de fora justamente o trabalho que permanece sob responsabilidade humana. Para distinguir aceleração de alívio, gestores precisariam observar o ciclo completo da entrega: esforço de revisão, retrabalho, interrupções e tempo gasto após a publicação. Os percentuais divulgados tratam da capacidade percebida e do burnout relatado; não fornecem essas medidas operacionais para comparar equipes.

A discussão alcança também remuneração e retenção. O comunicado associa a adoção de IA à necessidade de treinamento, cargas realistas e pagamento compatível com o valor entregue. Isso expressa uma posição da empresa que divulgou a pesquisa, não uma demonstração de que determinada política salarial reduza o burnout. Ainda assim, se o cargo passa a exigir coordenação de agentes e responsabilidade por entregas mais amplas, faz sentido examinar se metas e reconhecimento acompanham essa mudança.

Na América Latina, o apoio formal é menos frequente na amostra

A cobertura do HRTechEdge informa que 41% dos entrevistados nos Estados Unidos dizem contar com programas internos de aprendizagem de IA em suas empresas, ante 25% na América Latina. A comparação mede o apoio declarado pelos empregadores. Não compara a habilidade dos profissionais das duas regiões, nem estabelece uma taxa latino-americana de burnout.

Esse recorte torna mais concreta a pergunta sobre o custo de adaptação. Aprender a delegar tarefas, avaliar código gerado e integrar essa revisão ao desenvolvimento requer tempo. Um programa interno pode reservar espaço para esse aprendizado; quando ele depende apenas da iniciativa individual, pode disputar horas com as entregas habituais. A diferença entre essas experiências é uma implicação plausível dos dados de treinamento, não uma consequência que o levantamento tenha testado.

Também não é possível transportar os percentuais globais diretamente para o Brasil. A amostra inclui entrevistados latino-americanos, mas os materiais públicos citados não mostram quantos eram brasileiros nem detalham a composição de cada recorte regional. Assim, o contraste sobre treinamento ajuda a formular perguntas para equipes locais, sem servir como retrato estatístico de todos os engenheiros de software do país.

O que o levantamento ainda não esclarece

A relação entre capacidade e desgaste permanece aberta no nível individual. Os resultados publicados não mostram a sobreposição entre os dois grupos, as horas efetivamente trabalhadas ou a evolução das metas nas empresas dos participantes. Sem essas informações, não dá para separar o possível efeito das ferramentas de mudanças simultâneas em prazos, equipes e processos de entrega.

O estado da história é, portanto, específico: muitos entrevistados percebem mais capacidade com IA, e uma parcela expressiva relata mais burnout em relação ao ano anterior. Para saber se essa capacidade se converte em trabalho mais sustentável, ainda faltam dados que acompanhem carga, qualidade das entregas, treinamento e permanência no emprego ao longo do tempo.

Leia também:

• IA faz 47% dos irlandeses repensarem a carreira — treinamento não acompanha
• Nscale obtém US$ 3 bilhões em dívida — o dinheiro ainda não virou capacidade
• Multistream amplia o alcance, mas divide a comunidade — quando vale a pena