Principais destaques
- A porcentagem perdeu relevância: Sundar Pichai afirma que a IA já influencia praticamente todo o trabalho de engenharia do Google.
- Mais código, menos reversões: o Gemini 4 Argon está associado a um aumento de 30% nas alterações de código enviadas e a uma queda de aproximadamente um terço nos rollbacks, segundo os números citados por Pichai.
- O Google mudou o foco: em vez de contar linhas geradas por IA, a empresa acompanha produtividade, qualidade e resultados do trabalho dos engenheiros.
Durante anos, o Google usou uma porcentagem para demonstrar o avanço da inteligência artificial dentro da própria empresa. Agora, Sundar Pichai diz que essa métrica deixou de ser útil.
Em entrevista ao Big Technology Podcast, conduzido por Alex Kantrowitz e publicada em 20 de outubro, o CEO explicou que a IA está tão integrada ao desenvolvimento de software que separar o código produzido por pessoas daquele influenciado por máquinas já não representa bem a realidade.
A questão não é mais quanto código a IA escreve, mas como ela transforma o trabalho de engenharia.
📈 De 25% a 75%: a métrica que ficou para trás
A trajetória dos números ajuda a entender a mudança de discurso.
Em outubro de 2024, Pichai revelou que a inteligência artificial já gerava mais de um quarto do novo código do Google. Em abril de 2026, durante o evento Cloud Next, ele afirmou que a proporção havia chegado a 75%, considerando o código gerado por IA e aprovado por engenheiros.
A evolução parecia oferecer uma maneira simples de medir o impacto da tecnologia. Mas havia uma limitação: a porcentagem não mostrava, por si só, se os desenvolvedores estavam entregando software melhor ou trabalhando de maneira mais eficiente.
🗣 A nova posição de Pichai: o executivo afirmou que o indicador já não faz sentido no ambiente atual, porque praticamente tudo o que a empresa desenvolve é profundamente influenciado pela IA.
A mudança também revela uma transformação na forma como o Google avalia suas ferramentas internas. A presença da IA deixou de ser uma experiência isolada para se tornar parte do processo cotidiano de engenharia.
🚀 Gemini 4 Argon entra em cena
O novo foco está nos resultados produzidos pelos engenheiros que utilizam o Gemini 4 Argon, modelo apresentado no material como o mais recente carro-chefe do Google.
Segundo Pichai, nas quatro semanas seguintes ao lançamento, a empresa observou mudanças importantes no fluxo de desenvolvimento.
Mais produtividade, menos reversões
Os indicadores apresentados por Sundar Pichai apontam mudanças no desenvolvimento de software com o apoio do Gemini 4 Argon.
Alterações de código enviadas
+30%
Variação relatada por Pichai
Rollbacks
−⅓
Aproximadamente um terço a menos
Pichai também afirmou que os engenheiros estão usando o Argon para lidar com projetos complexos, inclusive aqueles que envolvem milhões de linhas de código.
🤖 Os números oficiais têm outra referência
Há uma diferença importante entre os dados apresentados na entrevista e os divulgados pelo Google em materiais sobre o uso comercial do modelo.
Segundo os números atribuídos à empresa e citados pela Reuters, equipes que utilizam o Argon na ferramenta de programação Antigravity registraram mais de 35% de aumento nos envios de código feitos por agentes e uma redução de quase um terço nos rollbacks.
| Indicador | Entrevista de Pichai | Divulgação comercial citada |
|---|---|---|
| Aumento nas alterações ou envios | 30% | Mais de 35% |
| Redução de rollbacks | Cerca de ⅓ | Quase ⅓ |
Os indicadores têm descrições e contextos de divulgação diferentes. Portanto, não devem ser tratados automaticamente como resultados de um único experimento com condições idênticas.
Ainda assim, ambos apontam para a direção que o Google quer destacar: a utilidade da IA deve ser avaliada pelo que os profissionais conseguem entregar, e não apenas pela quantidade de código produzida com assistência automatizada.
⚠️ Mais código significa mais produtividade?
Essa é a parte menos simples da história.
Um estudo de economistas de Harvard, publicado em 2026 e citado no material de referência, identificou que agentes de programação aumentaram as linhas de código novas em 30% e os pedidos de revisão em 23%. Ao mesmo tempo, o tempo dedicado às revisões subiu 49%.
O aumento no número de tarefas concluídas não foi estatisticamente conclusivo.
Esses resultados ajudam a explicar por que métricas de volume podem ser insuficientes. Se a IA facilita a criação de código, também pode aumentar a quantidade de trabalho que precisa ser revisado, testado e integrado.
💡 O contraponto: produzir mais código em menos tempo não garante, necessariamente, que uma equipe entregue mais funcionalidades úteis, reduza custos ou diminua problemas em produção.
É preciso considerar também a complexidade das tarefas, o tempo gasto na revisão, a manutenção futura e a qualidade do software depois da implantação.
🧑💻 Programar já não é o mesmo trabalho
Pichai considera que a mudança no desenvolvimento de software já está consolidada. Na entrevista, afirmou que ninguém gostaria de programar hoje exatamente como fazia três anos atrás, ou mesmo no ano anterior.
A declaração aponta para uma mudança mais ampla no papel dos engenheiros. Em vez de escrever manualmente cada trecho, eles podem delegar tarefas a agentes, orientar a implementação, revisar resultados e coordenar mudanças maiores.
Isso não significa que a supervisão humana deixou de importar. No próprio indicador de 75% divulgado anteriormente, o Google especificava que o código gerado por IA era aprovado por engenheiros.
A questão passa a ser como medir a contribuição de cada parte desse processo.
O próximo teste será a qualidade entregue
A porcentagem de código escrito por IA era fácil de comunicar e comparar. Já medir produtividade real exige indicadores mais amplos, que levem em conta qualidade, velocidade, revisão e resultados concretos.
O Google agora procura demonstrar o valor de suas ferramentas com métricas desse tipo. O desafio será provar que os ganhos observados se sustentam em diferentes projetos e não representam apenas mais alterações entrando no fluxo de desenvolvimento.
Se a IA está presente em quase todas as etapas, talvez a pergunta mais importante já não seja quem escreveu cada linha, mas quanto trabalho útil uma equipe consegue concluir, com que qualidade e a que custo.
