Nos últimos anos, ferramentas de inteligência artificial capazes de escrever código deixaram de ser novidade e passaram a fazer parte do cotidiano de milhares de desenvolvedores. Elas geram funções completas, explicam erros, sugerem otimizações e até escrevem sistemas inteiros a partir de algumas instruções.

Mas surge uma pergunta inevitável: essas ferramentas estão tornando os programadores melhores ou mais dependentes?

Um estudo recente da Anthropic trouxe um debate importante para a comunidade de tecnologia: a IA pode aumentar drasticamente a produtividade, mas também pode reduzir o aprendizado técnico quando usada de forma passiva.

O experimento

Para investigar esse impacto, pesquisadores realizaram um experimento com desenvolvedores aprendendo uma nova biblioteca de software.

Os participantes foram divididos em dois grupos:

• Grupo A: podia utilizar assistência de IA durante a tarefa
• Grupo B: precisava resolver os problemas sem ajuda de IA

Após completar as atividades, os participantes fizeram testes para medir:

• compreensão do código
• domínio conceitual da biblioteca
• capacidade de depuração
• entendimento geral da solução

Os resultados foram surpreendentes.

Produtividade maior, aprendizado menor

Quem utilizou IA conseguiu resolver as tarefas mais rapidamente, confirmando algo que muitos desenvolvedores já percebem no dia a dia: assistentes de código aceleram o trabalho.

No entanto, quando o teste passou a medir compreensão real do problema, o cenário mudou.

Os participantes que usaram IA tiveram uma pontuação média de aproximadamente 50% de acerto, enquanto os que trabalharam sem IA chegaram a cerca de 67%.

Em outras palavras, os desenvolvedores que dependeram da IA demonstraram menor entendimento do que estavam fazendo.

A delegação cognitiva

Esse fenômeno foi descrito pelos pesquisadores como delegação cognitiva.

Quando usamos IA para gerar código automaticamente, muitas vezes pulamos etapas importantes do processo de aprendizado:

• ler documentação
• explorar APIs
• testar hipóteses
• debugar manualmente
• entender por que a solução funciona

Em vez disso, o fluxo passa a ser descrever o problema, receber uma solução pronta e seguir em frente. O código funciona, mas o conhecimento técnico pode não evoluir no mesmo ritmo.

A diferença entre iniciantes e experientes

O estudo também mostrou diferenças claras entre níveis de experiência.

Desenvolvedores experientes tendem a usar a IA como amplificador de produtividade.

• revisam o código gerado
• adaptam a solução
• identificam erros
• questionam decisões da IA

Já desenvolvedores iniciantes tendem a aceitar a resposta mais facilmente, o que pode criar uma dependência maior da ferramenta.

IA como arma

Quando usada corretamente, a IA pode se tornar uma das ferramentas mais poderosas já criadas para desenvolvedores.

• gerar boilerplate rapidamente
• revisar código
• explicar bibliotecas complexas
• sugerir melhorias de performance
• ajudar no debugging

Nesse contexto, a IA funciona como um multiplicador de capacidade.

IA como muleta

O problema aparece quando a IA passa a substituir completamente o raciocínio.

• não ler o código gerado
• não entender o funcionamento
• não validar a solução
• não questionar decisões da IA

Nesse cenário, a ferramenta deixa de ser apoio e passa a ser uma muleta cognitiva.

O novo papel do desenvolvedor

A ascensão da IA está mudando o papel do programador.

Antes, o foco estava em escrever código manualmente. Agora, cada vez mais o trabalho envolve:

• entender problemas complexos
• definir arquitetura
• avaliar código gerado por IA
• garantir qualidade e segurança
• tomar decisões técnicas

Conclusão

A pergunta do título permanece relevante: IA é uma muleta ou uma arma?

A resposta provavelmente é: depende de como você usa.

Se a IA substitui o raciocínio, ela pode enfraquecer habilidades técnicas. Mas se for usada como ferramenta de apoio para acelerar tarefas repetitivas e explorar ideias, ela pode transformar desenvolvedores em profissionais muito mais produtivos.