Dois anos após a popularização das ferramentas de programação com IA, um fenômeno começa a emergir: em algumas equipes, o volume de commits de código dobrou, mas a entrega de produtos não acelerou e os bugs aumentaram.
O TechCrunch noticiou recentemente um termo: Tokenmaxxing. O conceito é que desenvolvedores passaram a tratar o orçamento de tokens de ferramentas de IA como um símbolo de status – quanto maior a cota de tokens, mais produtivo o profissional se considera. Mas os dados contam outra história.
Mais tokens, código deletado mais rápido
Veja os números:
- GitClear, janeiro de 2026: Desenvolvedores que usam ferramentas de IA têm um churn de código (quantidade deletada/modificada em relação à quantidade nova) 9,4 vezes maior que colegas que não usam IA.
- Faros AI, março de 2026: Análise de dois anos de dados de clientes mostra que, com alta adoção de IA, o churn de código aumentou 861%.
- Jellyfish, Q1 2026: Engenheiros com o maior orçamento de tokens têm o dobro da produtividade de pessoas comuns, mas o custo é 10 vezes maior.
Isso não significa que as ferramentas de IA são inúteis. Significa que grande parte do código contabilizado como "ganho de produtividade" não sobrevive por mais do que algumas semanas.
A verdade por trás da taxa de aceitação de 80%
Em média, engenheiros aceitam 80% a 90% do código gerado por IA. Esse número parece alto e é usado por muitas empresas como indicador central de "ROI de IA".
No entanto, Alex Circei, CEO da Waydev, analisou dados de mais de 50 empresas e mais de 10 mil engenheiros e descobriu um padrão:
A taxa de aceitação inicial é de 80% a 90%, mas, após algumas semanas, apenas 10% a 30% do código realmente permanece.
Ou seja, o engenheiro apertar "aceitar" não significa que aquele código é realmente útil. Grandes volumes de código gerado por IA são silenciosamente deletados ou reescritos em iterações posteriores – e essas exclusões não entram nos relatórios de "tempo economizado pela IA".
Quando o orçamento de tokens vira KPI
O surgimento do termo Tokenmaxxing mostra uma coisa: a adoção de ferramentas de IA deixou de ser um problema técnico e se tornou um problema de gestão organizacional.
Quando equipes de engenharia começam a usar "quantos tokens de IA foram consumidos por mês" como indicador de desempenho, surge um problema. Engenheiros passam a usar IA para gerar grandes quantidades de código para demonstrar volume de trabalho, em vez de avaliar criteriosamente qual código realmente deveria ser escrito por IA.
A Atlassian gastou US$ 1 bilhão para adquirir a plataforma de análise de desenvolvedores DX exatamente por causa dessa tendência – as empresas precisam de ferramentas para entender o ROI real de seus investimentos em IA, em vez de se enganarem com o consumo de tokens.
O gargalo da produtividade já mudou
Ferramentas de programação com IA são realmente úteis. Um estudo da McKinsey de fevereiro de 2026 mostra que ferramentas de IA reduziram o tempo de tarefas rotineiras de codificação em 46% em média.
Mas o tempo reduzido é o de "escrever", não o de "modificar" e "deletar".
Dados da Jellyfish mostram que engenheiros gastam 11,4 horas por semana revisando código gerado por IA, enquanto gastam apenas 9,8 horas escrevendo código novo – essa proporção era inversa em 2024.
A geração de código ficou mais rápida, e a revisão de código se tornou o novo gargalo. Confundir velocidade com qualidade é o erro central do Tokenmaxxing.
Fonte de referência: CocoLoop, 'Tokenmaxxing' is making developers less productive than they think (TechCrunch)