O impacto da IA no nosso código, medido.
Comparamos o time antes e depois de adotar o Claude — entregas, bugs e volume de código, normalizados por dia, ao longo de três fases de adoção.
De zero IA a um time inteiro com Claude
A adoção aconteceu em três fases de durações diferentes. Por isso tudo é medido por dia — o eixo abaixo é proporcional aos dias de cada período.
Baseline do time trabalhando sem nenhuma ferramenta de IA.
Um dev usando Claude sozinho para construir a ferramenta interna.
Os 5 desenvolvedores operando com Claude no fluxo de trabalho.
O sinal mais robusto de trabalho efetivo: combina produtividade e qualidade num só número. O time que antes criava ~1 bug por task entregue passou a criar 0,3 — entregando muito mais no processo.
Seis números, uma direção
Comparação por dia entre as três fases. P2 é a fase de construção — contexto, não entrega de features.
// nota: em P2 (construção) escreveu-se o maior volume de código de todas as fases — sem abrir tasks no Jira. Daí poucas tasks/dia (1,10) e o Bug:Task ratio inflado (1,67): o volume de P2 é infraestrutura, não entrega de features.
Menos bugs — e bugs menos graves
A queda no volume vem com uma queda ainda maior nos críticos: o time não só introduz menos defeitos, introduz defeitos menos perigosos.
Mais entrega, muito mais código
Com menos bugs, o time também produziu mais: entregas diárias subiram um terço e o volume de código quase dobrou, em PRs 2,4× maiores.
O ganho é distribuído pelo time
Jira Done por dia, por desenvolvedor. O salto aparece em quase todos — não é mérito de uma única pessoa.
// * O Dev 2 esteve presente em 34 dos 49 dias de P3 (saiu em 18/05). ** O foco do Dev 3 em P2 foi infraestrutura — código sem tasks associadas.
O time gasta energia limpando o presente
Dos 42 bugs fechados em P3, a maioria nasceu na própria fase — sinal de fluxo ativo, não de dívida acumulada.
IA não substitui o time. Ela multiplica um time que conhece o produto.
O maior ganho não veio de escrever mais código, e sim de um time com contexto e histórico do produto dirigindo a ferramenta. A IA amplifica esse conhecimento — domínio, legado, decisões anteriores. Sem esse contexto, nenhuma ferramenta entrega −70% de bugs por task com +36% de entregas. É o time que sabe o que está construindo que torna a IA efetiva.
- Fases com durações diferentes (30d / 19d / 49d) — todas as métricas normalizadas por dia.
- Análise restrita ao time de engenharia interno, sobre o repositório de IA construído pelo próprio time — sem consultoria externa.
- P2 foi fase de construção de infraestrutura, não de entrega de features.
- O crescimento coincide com a maturação natural do time e do projeto.
- O Dev 2 saiu do projeto em 18/05 — presença parcial em P3 (34 de 49 dias).