Como medir o ROI da IA na engenharia

Resumo

  • O ROI da IA é (Resultado − Retrabalho) ÷ Investimento. É o software que chega à produção com a ajuda da IA, menos o custo de refazer o que volta, dividido pelo que você paga em ferramentas.
  • Horas economizadas, licenças ativas e taxa de aceitação medem atividade. As três podem subir enquanto a entrega fica parada.
  • O retrabalho é o que quase ninguém desconta. Sem ele, uma equipe que rende 2,0x parece render 3,0x.
  • Compare cada equipe com os próprios 12 meses de histórico, não com o benchmark de outra empresa. Depois coloque um preço mensal em dólares em cada vazamento e comece pelo mais caro.

O gasto com IA deixou de ser piloto. O Gartner projeta que o gasto mundial com IA chegue a US$ 2,59 trilhões em 2026 (maio de 2026). Ao mesmo tempo, 78% dos executivos de finanças dizem que não conseguem ligar totalmente esse gasto a resultados de negócio, e 66% dos conselhos já condicionam novos recursos para IA à comprovação de retorno (CloudZero, junho de 2026). Se você lidera engenharia ou responde pelo orçamento, a pergunta chegou antes dos dados. Este guia traz um método para respondê-la.

O que é o ROI da IA

O ROI da IA na engenharia é quanto do seu investimento em IA vira software entregue que funciona. A fórmula tem três partes:

ROI da IA = (Resultado − Retrabalho) ÷ Investimento

  • Resultado é o trabalho que chega à produção e fica lá, acima do que a equipe entregava antes. Código gerado não é resultado. Código mesclado, em produção e sem reversão, é.
  • Retrabalho é o que precisa ser feito de novo depois de ter sido dado como pronto: o ticket que volta, o pull request que retorna da revisão, a mudança que quebra e precisa de correção. O custo é o das horas que as pessoas dedicam a ele, ao custo real por hora, mais o gasto com IA da primeira e da segunda tentativa.
  • Investimento é o que você paga em ferramentas de IA: licenças, tokens e agentes.

O objetivo é eficiência. Mais software funcionando por dólar, e menos trabalho voltando.

Um exemplo com números

Exemplo ilustrativo. Números redondos, não são dados de clientes.

Uma equipe de 40 engenheiros gasta US$ 20.000 por mês em ferramentas de IA para programar.

ItemComo é calculadoValor
Resultado80 mudanças funcionando por mês acima da linha de base, ao custo histórico de US$ 750 por mudançaUS$ 60.000
Retrabalho25 dessas mudanças voltaram: horas para corrigi-las ao custo real, mais o gasto com IA das duas tentativasUS$ 20.000
InvestimentoLicenças, tokens e agentesUS$ 20.000
ROI da IA(US$ 60.000 − US$ 20.000) ÷ US$ 20.0002,0x

Agora apague a linha do retrabalho. A mesma equipe reporta 60.000 ÷ 20.000 = 3,0x. A diferença não é arredondamento. É um terço do retorno informado, e decide se essa equipe ganha mais orçamento ou uma correção primeiro.

Horas economizadas não são ROI

Quase todo painel de IA mostra uma de três coisas: horas economizadas, licenças em uso ou quantas sugestões a equipe aceita. As três ajudam. Nenhuma é retorno.

Horas economizadas são percepção, e a percepção erra. Em um ensaio randomizado, o METR viu que desenvolvedores experientes de código aberto levaram 19% mais tempo usando ferramentas de IA do início de 2025, enquanto achavam que tinham sido 20% mais rápidos (METR, julho de 2025). Depois o METR classificou esse resultado como histórico e mudou o método, então não leia como "a IA deixa os desenvolvedores mais lentos". Leia como prova de que a velocidade sentida e a medida podem estar bem distantes.

Uso não é entrega. Uma licença usada todo dia pode gerar código que fica parado na revisão ou que volta. Com telemetria de mais de 10.000 desenvolvedores, a Faros AI viu que as equipes com mais adoção de IA concluíram 21% mais tarefas e mesclaram 98% mais pull requests. Os mesmos dados mostraram pull requests 154% maiores, revisões 91% mais longas e 9% mais bugs por desenvolvedor, sem relação entre adoção de IA e entregas mais rápidas no nível da empresa (Faros AI, julho de 2025, dados de um fornecedor, direcional).

A taxa de aceitação para no teclado. Ela diz que alguém aceitou uma sugestão. Não diz se aquele código chegou à produção e se manteve.

As três medem o momento em que o código é gerado. O retorno se mede onde o trabalho chega.

O custo do retrabalho apaga o retorno

É pelo retrabalho que o ganho da IA escorre. Uma mudança escrita em vinte minutos pode esperar nove dias pela revisão, ou voltar duas vezes por causa de um critério de aceite ambíguo. O orçamento de IA foi gasto. O valor não chegou.

Não acontece só na engenharia. A BetterUp Labs e o Social Media Lab de Stanford descobriram que 41% dos trabalhadores tinham recebido conteúdo feito com IA que parecia caprichado, mas não servia. Cada caso levou 1 hora e 56 minutos para ser resolvido, um custo estimado de US$ 186 por funcionário por mês, com base no tempo que os próprios participantes declararam (Harvard Business Review, setembro de 2025).

Na engenharia, o retrabalho deixa rastro em ferramentas que você já usa:

  • Tickets reabertos depois de fechados
  • Pull requests que voltam da revisão mais de uma vez
  • Mudanças revertidas ou corrigidas às pressas depois do deploy
  • Itens que andam para trás no quadro

O retrabalho passa despercebido por dois motivos. Quem gerou o código sente a velocidade, mas quem paga a correção é outra pessoa. E o custo aparece dias depois, em outra sprint, em outro ticket. Por isso é preciso colocar preço no retrabalho, em dólares por mês. Uma taxa de retrabalho num gráfico vira anotação. Um valor em dólares vira decisão.

Compare cada equipe com seu histórico

Benchmarks são tentadores. "Equipes como a sua entregam X por engenheiro" soa objetivo. Para medir o ROI da IA, atrapalha mais do que ajuda, por três motivos.

  1. Equipes não são comparáveis. Uma equipe de plataforma e uma de mobile têm normas de revisão, tamanho de mudança e padrões de retrabalho diferentes. Uma média entre empresas mistura tudo num número que não descreve nenhuma delas.
  2. O que importa é o que mudou. A pergunta útil não é "essa equipe tem muito retrabalho?". É "o retrabalho dessa equipe mudou desde que a IA chegou, comparado com a faixa normal dela?".
  3. O ruído existe. Lançamentos, férias e plantões mexem nas métricas todo mês. Você precisa de histórico suficiente para separar uma mudança real de uma oscilação normal.

Por isso a linha de base deve ser 12 meses do histórico da própria equipe: as transições em que o trabalho costuma voltar, os status que funcionam como fila no quadro, os tempos de ciclo que são normais para ela. Meça cada mudança contra isso, equipe por equipe. Uma média da empresa inteira esconde a equipe que gera a maior parte do retrabalho.

Método em seis passos

Funciona para quem é VP de Engenharia e prepara um slide para o conselho, e para quem é CFO e decide a linha de IA do próximo ano.

Passo 1. Some o investimento por equipe. Inclua todo o gasto com IA: licenças de assistentes de código, tokens de API, agentes. Atribua cada custo à equipe que o usa. Uma única linha de "IA" para a empresa inteira não se defende equipe por equipe.

Passo 2. Defina a linha de base de cada equipe. Pegue 12 meses de histórico do quadro, do repositório e do pipeline de CI/CD. Registre a faixa normal de throughput, tempo de ciclo, tempo de revisão e retrabalho.

Passo 3. Defina o que conta como resultado. Escolha uma unidade que signifique trabalho entregue: mudanças mescladas que chegam à produção. Acrescente um filtro de qualidade, por exemplo "sem reversão nem reabertura em 14 dias". Conte só o que passa nele.

Passo 4. Calcule o custo do retrabalho. Para cada ticket reaberto, pull request que volta ou reversão, some as horas gastas ao custo real por hora, mais o gasto com IA das duas tentativas. Totalize por equipe e por mês.

Passo 5. Calcule e posicione cada equipe. Calcule (Resultado − Retrabalho) ÷ Investimento e o custo por resultado. Depois posicione cada equipe numa matriz de custo × retrabalho: escalar ou financiar, otimizar custo, corrigir retrabalho ou cortar.

Passo 6. Ataque o maior vazamento e meça de novo. Escolha o problema com o maior custo mensal. Defina um dono e uma ação. No mês seguinte, veja se a métrica voltou à faixa normal. Repita.

Os dois primeiros passos são onde quase todo mundo trava, porque os dados estão espalhados em várias ferramentas. Faça uma vez e o resto vira uma leitura mensal.

Do diagnóstico à recuperação

Medir, sozinho, não devolve dinheiro. Um painel que mostra que o retrabalho subiu 30% ainda deixa alguém com a tarefa de achar a causa, decidir a correção e acompanhar. O valor está na última etapa: um preço, um dono e uma ação para cada vazamento.

É para isso que existe a Leanmote. Ela se conecta a mais de 50 ferramentas em modo somente leitura e compara as métricas de cada equipe com 12 meses do próprio histórico. Coloca um preço em dólares por mês em cada problema que encontra (retrabalho, filas, trabalho parado, gasto com IA sem retorno). Depois, agentes de IA trabalham para recuperar esse valor, com o nível de autonomia que você escolhe. A conexão leva 2 minutos e os primeiros problemas aparecem no dia 1. Somando os clientes, a Leanmote detecta mais de US$ 6M em perdas por ano e governa mais de 6 trilhões de tokens de IA por ano.

Você pode aplicar o método deste guia com planilhas. A Leanmote deixa o processo contínuo e o coloca para trabalhar na correção.

Perguntas frequentes

Como medir o ROI da IA na engenharia?

Com (Resultado − Retrabalho) ÷ Investimento, por equipe. Resultado é o software funcionando entregue acima da linha de base da própria equipe. Retrabalho é o custo de refazer o que voltou, em horas ao custo real mais gasto com IA. Investimento é o custo das ferramentas de IA. Compare cada equipe com os próprios 12 meses de histórico.

Por que horas economizadas não medem o ROI da IA?

Porque são autodeclaradas e não descontam as horas que voltam como retrabalho. No ensaio do METR do início de 2025, desenvolvedores experientes achavam que estavam 20% mais rápidos enquanto levavam 19% mais tempo. Meça o trabalho entregue, descontado o retrabalho.

O que é o custo do retrabalho?

É quanto custa, em dinheiro, refazer um trabalho dado como pronto: um ticket reaberto, um pull request que volta da revisão, uma mudança revertida. Soma as horas de correção, ao custo real por hora, e o gasto com IA das duas tentativas. É o termo que quase todo cálculo de ROI da IA deixa de fora.

Vale comparar minhas equipes com um benchmark de mercado?

Não. As equipes têm normas de revisão, tamanho de mudança e padrões de retrabalho diferentes, então uma média entre empresas não descreve nenhuma. Compare cada equipe com os próprios 12 meses de histórico para ver o que mudou desde a chegada da IA.

Qual é um bom ROI da IA?

Não existe meta universal. Um retorno acima de 1,0x significa que o resultado, descontado o retrabalho, vale mais do que custam as ferramentas de IA. Mais útil do que um número isolado é a tendência por equipe e saber quais equipes estão caindo.

Quanto tempo leva para medir o ROI da IA?

Se você já tem 12 meses de histórico no quadro, no repositório e no pipeline, não precisa esperar para montar uma linha de base nova. A Leanmote se conecta em 2 minutos e mostra os primeiros problemas com preço no dia 1.

Fontes

  1. Gartner, Gartner Forecasts Worldwide AI Spending to Grow 47% in 2026, maio de 2026.
  2. CloudZero, Finding the ROI of AI: The Finance Perspective, junho de 2026.
  3. METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, julho de 2025.
  4. Faros AI, Lab vs. Reality: What METR's Study Can't Tell You About AI Productivity in the Wild, julho de 2025.
  5. BetterUp Labs e Stanford Social Media Lab, AI-Generated 'Workslop' Is Destroying Productivity, Harvard Business Review, setembro de 2025.

Continue lendo

Ponha preço no que vaza. Recupere.

Agende uma demo