Na semana passada, dei uma palestra especial na LINE Plus com o título "Como usar IA para desenvolvedores que querem evoluir a cada dia".
Como pretendo publicar isso depois também no YouTube, coloquei o máximo possível das reflexões que venho acumulando nos últimos meses (ou anos), e isso acabou gerando cerca de 230 páginas; na prática, cobri algo em torno de 2/3 do conteúdo.
Depois, fiz uma revisão mais cuidadosa e concluí a versão 2 final com 290 slides.
Abaixo, deixo o conteúdo resumido pelo Gemini.
Introdução
- Lacuna de alfabetização em IA: a diferença na capacidade de usar IA entre as pessoas é muito grande, e apenas reconhecer o que a IA mais recente consegue fazer e até onde ela vai já pode reduzir bastante essa distância.
- Importância do aprendizado contínuo: se você não mantiver uma postura de usar continuamente várias ferramentas de IA, aprendendo e desaprendendo (learn & unlearn), a lacuna volta a aumentar.
- Expansão do desenvolvimento: no passado, os desenvolvedores se concentravam principalmente na etapa de "implementação", mas agora, com IA, tornou-se possível atuar em todo o processo de desenvolvimento de produtos, da ideia ao marketing e à operação.
Parte 1: Como usar a IA de forma mais inteligente como assistente de programação
- Evolução dos assistentes de programação: começando pela simples autocompletação (VSCode IntelliSense), passando pela geração de snippets de código com IA (TabNine, GitHub Copilot), chegamos agora à era do "vibe coding" e dos "coding agents", que se comunicam em linguagem natural e criam algo do zero ao um.
- Mudanças em desempenho e custo da IA: o desempenho dos LLMs está evoluindo rapidamente e os custos estão caindo depressa; o comprimento e a complexidade das tarefas que a IA consegue concluir de forma autônoma também estão aumentando com rapidez.
- A essência do desenvolvimento: a ferramenta da "programação" mudou de cartões perfurados para linguagem natural, mas a essência do desenvolvedor como "alguém que resolve problemas programando" não mudou.
- Delegação e gestão da IA: colaborar com IA é semelhante a delegar trabalho a uma pessoa. É importante ajustar o nível de delegação de acordo com a capacidade da IA (informar, persuadir, consultar, chegar a acordo, aconselhar, questionar, delegar) e monitorar seu funcionamento observando o LLM, que é uma caixa-preta.
- Engenharia de contexto: mais do que dizer à IA "como" (How), é importante transmitir com clareza "o quê" (What) e "por quê" (Why). Para isso, o framework STICC, com situação (Situation), tarefa (Task), intenção (Intention), preocupação (Concern) e calibração (Calibration), é útil.
- Uso de ferramentas (MCP): para maximizar a capacidade dos coding agents, é possível usar servidores MCP (Model Context Protocol). No entanto, conectar ferramentas demais pode degradar o desempenho, então é mais eficaz selecionar apenas recursos essenciais, como controle do navegador (Playwright) ou melhor compreensão de código (Serena).
- Expansão do controle de versão: além do código, também vale experimentar tratar como objeto de versionamento os prompts e contextos enviados à IA para gerar o código, como documentos de planejamento.
Parte 2: Como usar a IA de forma mais inteligente em todo o processo de desenvolvimento de produto
- Framework de resolução de problemas: o desenvolvimento de produto pode ser visto como um processo em três etapas: "definição do problema → implementação da solução → geração de mudança".
- Importância do "eu uso, eu faço": a abordagem de "eu mesmo crio aquilo que vou usar" é, especialmente para iniciantes em AI coding, a melhor estratégia. É fácil de construir, a habilidade evolui rápido e a expansão também é facilitada.
- Abordagem centrada no usuário: é preciso definir claramente "de quem (usuário), qual problema (objetivo) e como (complexidade) será resolvido". O mais importante é começar resolvendo primeiro o problema do "eu" (dogfooding).
- Validação do produto: o produto deve evoluir por meio da validação da ideia (MVP), da validação de mercado (MMP) e da validação de lealdade do cliente (MLP). No início, mesmo sem escala, é importante ir a campo e resolver diretamente os problemas dos clientes.
- Build in Public: estratégia de tornar transparente o processo de criação do produto para formar fãs. É eficaz para pequenos fundadores, e o ponto-chave é comunicar a história com foco no "por quê" e no "como".
Parte 3: Estratégias para juniores e sêniors aprenderem e crescerem com eficácia na era da IA ao longo de todo esse processo
- O que ficou menos importante e o que ficou mais importante: a importância de conhecimentos como sintaxe específica de linguagem diminuiu, enquanto se tornaram ainda mais importantes a capacidade de definir uma visão ampla e gerenciar complexidade, a habilidade de perceber e corrigir erros da IA, compreensão profunda de domínio, design e capacidade de aprendizado.
- Mentalidade (superando o FOMO): não é necessário acompanhar todas as novas ferramentas. É importante definir categorias de interesse, deixar as informações chegarem naturalmente por SNS, newsletters etc. e manter uma curiosidade saudável.
- Estratégias de aprendizado:
- Uso de recursos confiáveis: é preciso estudar com profundidade documentação oficial, conversas com especialistas e textos cheios de insights.
- Busca por conhecimento generativo: em vez de focar no "resultado" (conhecimento finalizado), é preciso se concentrar no "processo" que produz o resultado (conhecimento generativo) e adotar uma postura de aprender a usar a ferramenta com a própria ferramenta.
- Aprender com os melhores: em vez de apenas pedir respostas a especialistas, é preciso perguntar "por quais sinais você reconheceu esse padrão?", "por que julgou assim?" etc., para aprender o processo de pensamento.
- Papel do sênior: é importante transformar seu conhecimento tácito em conhecimento explícito (guias, exemplos de código, regras para IA etc.) e compartilhá-lo com a organização, além de combinar experiências de diferentes domínios para gerar ideias emergentes.
- Formação de hábitos: em vez de tentar criar bons hábitos de uma vez, é preciso mudar a si mesmo gradualmente por meio do "hábito de criar hábitos" (ex.: retrospectiva microscópica).
- Intenção de execução: em vez de resoluções vagas como "amanhã preciso fazer ~", a chance de execução aumenta muito quando se planeja concretamente "quando, onde e como" agir ("intenção de implementação").
Encerrando
- Virtudes essenciais: as qualidades mais importantes na era da IA são "ceticismo saudável" e "curiosidade".
- Reconhecer os limites da IA: é preciso reconhecer que a IA ainda tem limites claros, como falta de contexto, alucinações, segurança e custo.
- A melhor ferramenta: no fim, a ferramenta superior a qualquer IA existente continua sendo o "cérebro" humano, e ele deve ser usado ativamente.
6 comentários
Também postei no YouTube! https://www.youtube.com/watch?v=CAgn60EWDmw
Também vou ficar no aguardo do YouTube haha
Engenharia de contexto — como dar instruções de forma inteligente com What+Why!
Além disso, ele esclareceu de forma brilhante muitas coisas sobre as quais eu sempre tive curiosidade :)
Sinto até culpa e gratidão por poder ver informações tão valiosas de graça!!!!
Não, não precisa se desculpar por isso... haha. Muito obrigado pelas palavras gentis, é gentileza sua.
Na primeira versão, aprendi bastante sobre como dar instruções ao agent.
Obrigado.