Um indicador de engenharia pode subir e, ao mesmo tempo, esconder que o negócio piorou. É por isso que a melhor métrica de capacidade tecnológica não é a que mais sobe. É a que mapeia um número de negócio, resiste a ser gamificada e se lê no nível do sistema.
A era da IA tornou essa distinção urgente. No relatório DORA, cada aumento de 25% na adoção de IA veio acompanhado de ganho individual de produtividade e, ao mesmo tempo, de queda na estabilidade e na vazão da entrega, efeito atribuído a lotes maiores de mudança. Em experimento controlado com desenvolvedores experientes em repositórios maduros, os participantes levaram cerca de 19% mais tempo usando IA, embora previssem ganho de 24% e acreditassem, depois, ter sido 20% mais rápidos. O indicador individual melhorou. O resultado do sistema, não.
A seguir, os três testes que uma métrica precisa passar. Mapear resultado, resistir a gaming, ser lida no sistema. Depois, por que comparar com o mercado virou um teto baixo demais para servir de meta.
Exija que a métrica mapeie um número de negócio
Uma métrica só vale o que prevê sobre receita, custo ou risco. O problema não é falta de métrica, é a falta da camada que traduz indicador técnico em número de negócio. Em estudo de práticas de value stream, menos de 15% das organizações conectam métricas de fluxo a resultado de negócio, como receita, custo ou retenção. As que conectam superam as demais em agilidade e rentabilidade.
Na prática, isso significa amarrar cada indicador a uma consequência financeira declarada. Tempo de espera de mudança liga a tempo de chegada de receita. Taxa de falha de mudança liga a custo de incidente e a risco. Frequência de deploy liga a velocidade de aprendizado de mercado. Indicador que não fecha nesse laço é dado de operação, não métrica de capacidade. Essa tradução é o mesmo exercício de como medir o ROI de tecnologia e de impacto financeiro da tecnologia na empresa.
Leia no nível do sistema, nunca do indivíduo
Métrica de capacidade descreve o sistema de entrega, não a pessoa. As métricas DORA, tempo de espera, frequência de deploy, tempo de restauração e taxa de falha de mudança, separam times de elite e de baixo desempenho por ordens de grandeza. Lidas no sistema, elas dizem se a organização aprende rápido e se recupera bem. Lidas no indivíduo, viram vigilância e perdem sentido.
O framework SPACE, de origem acadêmica, foi criado justamente para impedir a medição por uma só dimensão e recomenda nunca usar um único indicador isolado. A regra é direta. Combine indicadores de dimensões diferentes e leia o conjunto no nível da equipe e do fluxo. O experimento controlado da era da IA prova o custo de ignorar isso. A produtividade individual subiu enquanto a vazão do sistema caiu, e quem olhava só o indivíduo não viu. A estrutura de times que esse desenho exige está em times de alta performance em tecnologia.
Escolha a métrica que resiste a ser gamificada
Indicador fácil de coletar costuma ser fácil de manipular. Linhas de código, número de commits, pull requests abertos e pontos de história medem atividade, não valor, e criam incentivo perverso. O time aprende a mover o número sem mover o resultado, e a confiança na medição se desfaz. Pesquisas do setor mostram que cerca de dois terços dos desenvolvedores não acreditam que as métricas usadas para avaliá-los reflitam sua contribuição.
A IA agrava o problema. Quando o volume de código cresce de forma artificial, contagem de commits e de linhas parece ótima enquanto o valor desacelera. O mesmo vício aparece em plataformas internas, onde contar componentes entregues diz pouco sobre resultado. O teste é simples. Pergunte, para cada métrica, como um time mal-intencionado a inflaria sem entregar valor. Se a resposta for fácil, a métrica é frágil. A escolha de indicadores que resistem a gaming é parte do que tratamos em como medir maturidade tecnológica e no tema de engineering effectiveness.
Por que comparar com o mercado virou um teto baixo
O diagnóstico fecha o argumento. Bater a média do mercado ficou mais fácil porque a média caiu. No relatório DORA, o grupo de alto desempenho encolheu de 31% para 22% num único ciclo, enquanto o de baixo desempenho cresceu de 17% para 25%. Mais organizações estão piorando na entrega de software, não melhorando.
A consequência para o board é direta. Benchmark externo deflacionado transforma posição relativa numa ilusão confortável. A empresa pode subir no ranking enquanto a própria capacidade estagna, só porque o campo regrediu. A única medida honesta é se a capacidade move um número de negócio específico ao longo do tempo, não se ela supera uma média que está caindo. A melhor métrica de capacidade tecnológica, portanto, é a que sobrevive a três perguntas. Ela mapeia receita, custo ou risco? Ela resiste a ser inflada sem entregar valor? Ela é lida no sistema, e não no indivíduo? O indicador que falha em qualquer das três não merece o lugar que ocupa no painel.
