A inteligência artificial já é realidade no cotidiano de desenvolvedores de software, mas a adoção em larga escala vem acompanhada de frustrações e desafios. É o que revela a mais recente pesquisa da Stack Overflow, plataforma de referência para programadores, realizada com 49 mil profissionais em 2025.
O estudo mostra que quatro em cada cinco desenvolvedores utilizam ferramentas de IA como GitHub Copilot e Cursor em seus fluxos de trabalho – um crescimento expressivo em relação aos anos anteriores. No entanto, a confiança na precisão dessas soluções caiu de 40% para apenas 29% no mesmo período.
“Ferramentas de IA geram soluções quase corretas, mas não exatas” foi a principal queixa, citada por 45% dos entrevistados. O problema é particularmente crítico para desenvolvedores juniores, que, por excesso de confiança nos sistemas, acabam introduzindo bugs difíceis de identificar no código.
O estudo revela um efeito colateral curioso: mais de 35% dos programadores admitem recorrer ao Stack Overflow justamente para corrigir erros gerados por sugestões de IA. Quando aceitam recomendações de código de ferramentas baseadas em modelos de linguagem , frequentemente se veem obrigados a buscar ajuda humana para resolver problemas que essas próprias sugestões criaram.
A pesquisa revela também que 72% dos desenvolvedores evitam o chamado “vibe coding” (programação baseada apenas em sugestões de IA) no trabalho profissional, considerando-o arriscado para produção. No entanto, as ferramentas seguem populares por dois motivos principais: pressão de gestores pela adoção e pela utilidade comprovada em casos específicos.
Para equilibrar os riscos e benefícios, especialistas recomendam que as empresas implementem treinamentos robustos com três objetivos principais: ensinar boas práticas no uso de IA, alertar sobre armadilhas comuns e promover uma abordagem crítica às sugestões automáticas. “Ferramentas como Copilot funcionam melhor como ponto de partida, não como solução pronta”, sugere o relatório.
A análise mostra que a IA se destaca em três aplicações-chave: identificação de problemas em códigos existentes, sugestão de abordagens alternativas e auxílio no aprendizado de novas linguagens e frameworks. Essas funcionalidades, quando usadas com discernimento, podem agregar valor sem comprometer a qualidade do trabalho final.
