O que diabos está acontecendo agora?

• Na indústria de software, o burnout entre engenheiros está se agravando, e especialmente engenheiros juniores estão causando problemas de qualidade de código e colaboração por causa do uso excessivo de ferramentas de IA
• O feedback de engenheiros seniores, em vez de ser usado como oportunidade de aprendizado, está sendo transformado em novos prompts para a IA, e "código escrito por IA" está consumindo a revisão de toda a equipe
• Em algumas organizações, código incompleto criado por IA é apresentado como se fosse "resultado", criando um ambiente que incentiva a dependência de IA
• O autor relata, por experiência própria, ter sentido incômodo e estranhamento ao receber respostas de código geradas por IA, criticando que a IA acaba prejudicando a cultura de aprendizado e mentoria
• O ecossistema de startups de IA também acabará sendo insustentável por causa de ineficiência econômica, consumo de energia e problemas ambientais, e enfatiza que a situação atual não é diferente de uma farsa em que "o rei está nu"

---

Introdução: um ambiente de engenharia inquietante

• Recentemente, o fenômeno de burnout entre engenheiros vem se intensificando
• Nas organizações, espera-se que engenheiros seniores revisem e contribuam com "funcionalidades baseadas em vibe (meme)" que na prática não funcionam de verdade
• Pela minha experiência, os melhores engenheiros sempre têm vontade de ajudar novos membros da equipe a crescer

• Mas, em vez de esse feedback ser usado como oportunidade de crescimento, desenvolvedores iniciantes o utilizam apenas como o próximo prompt a ser enviado para uma IA generativa
• De fato, testemunhei diretamente muitos casos de engenheiros juniores usando ferramentas de LLM (grandes modelos de linguagem) em nível de abuso

Casos reais dentro da organização: os danos do abuso de IA

• Recentemente, em um town hall da empresa, vi engenheiros juniores demonstrando novos entregáveis
• Eles pareciam não entender direito nem o propósito nem o funcionamento das funcionalidades
• Mas, em organizações grandes, o foco costuma ser encenar "sucesso" independentemente do resultado real
• Quando um gerente sênior revelou o uso de IA por eles, explicou com orgulho: "estas são 4 mil linhas de código escritas pelo Claude", e recebeu aplausos

• Eu também, ao revisar código depois de receber um pedido de pequena melhoria em uma funcionalidade existente, pedi contexto ao engenheiro júnior que havia feito a alteração recente
• Enviei a URL do commit no GitHub e fiz perguntas, mas tudo indica que ele inseriu o conteúdo em um LLM e depois copiou a resposta retornada
• Nesse processo, senti um estranho estranhamento e desconforto

A ladeira da IA e os limites do code review

• Pelo caso de um amigo, confirmei que realmente está acontecendo o desperdício de tempo de vários engenheiros por um mês inteiro, revisando e tentando fazer merge de código gerado automaticamente por LLM (vibe-coded PRs)
• Outro amigo relatou ter ficado exausto de revisar repetidamente "código malfeito" criado por IA
• Graças à IA, não há melhora na qualidade do código nem aprendizado; apenas aumenta o trabalho repetitivo

O verdadeiro valor da cultura de desenvolvimento e do crescimento humano

• Todo engenheiro cresce passo a passo graças a colegas e mentores
• Ensinar diretamente e ajudar no crescimento é a essência da cultura de engenharia de software
• Mas há um ceticismo crescente diante da realidade de que esse investimento acaba sendo copiado imediatamente como dados de treinamento para o "modelo mais recente"
• Então surge a pergunta fundamental: seria melhor treinar só o modelo em vez de engenheiros juniores?

• Um mundo assim é uma visão muito sombria.

O experimento de não usar IA e a conclusão

• A proposta direta é: tente parar de usar IA
• O próprio autor recentemente formatou o computador e cancelou a assinatura do Claude Pro
• Fazer algumas buscas e ler o Stack Overflow e a documentação oficial acabou permitindo chegar a conclusões muito mais confiáveis
• Isso o levou a pensar que seu próprio julgamento é superior ao resultado de um LLM em termos de precisão e confiabilidade.

O valor econômico das ferramentas de IA generativa, e seus limites essenciais

• Ele levanta a pergunta: "a IA é realmente útil?"
• Objetivamente, a situação levanta grandes dúvidas sobre esse valor
• O processo típico de startups de IA é o seguinte:
  • "IA" é aplicada a um domínio existente, e novas empresas surgem sob o argumento de eficiência
  • A startup de IA consegue captar investimento de capital de risco
  • Paga pelo uso a empresas provedoras de serviços de IA (como a OpenAI)
  • A própria startup de IA não consegue gerar lucro
• Considerando apenas esse processo, ele não difere muito do ecossistema tradicional de VC, mas a diferença central é que nem mesmo as provedoras de serviço (como a OpenAI) ainda conseguem gerar lucro
• A tecnologia em si é essencialmente ineficiente e tem uma estrutura desfavorável para expansão em massa
• O consumo excessivo de eletricidade e os efeitos colaterais ambientais também são problemas graves

Conclusão: a necessidade de reconhecer a realidade

• Pode-se torcer para que a Lei de Moore volte à vida, ou para que todos fiquem ricos antes que o universo esfrie
• Mas, ao encarar a realidade, o negócio de IA generativa é um tipo de ilusão e um fenômeno de "o rei está nu"

[ahwjdekf]

A preocupação de que, após uma guerra mundial com bombas nucleares — o ápice da tecnologia — a humanidade voltaria à era primitiva está, neste momento, acontecendo na área de desenvolvimento de software.

[dicebattle]

Acho que bastaria parar com o vibe coding em excesso. Com assistentes e na escrita de alguns algoritmos detalhados, mas simples, parece difícil encontrar algo tão bom quanto isso.

[GN⁺]

Opinião do Hacker News

• Destaca-se que adotar IA na organização não é apenas um problema técnico, mas de gestão de mudanças. Só é possível ver efeito real quando uma equipe competente, baseada em confiança e transparência, cria processos que equilibram bem a expertise humana com os pontos fortes dos LLMs. Já existem casos de equipes pequenas obtendo grandes resultados com IA. Porém, na maioria das organizações, especialmente nas grandes empresas, falta uma cultura organizacional saudável, e a IA acaba amplificando essa toxicidade. Há executivos que entendem Story Point simplesmente como unidade de tempo e veem a IA apenas como uma ferramenta para cortar tudo pela metade. No fundo, estão desconectados do próprio processo de criar software sustentável e tratam a IA como um atalho improvisado para aumentar lucro. Um estudo recente mostrando que 95% dos projetos-piloto de IA não alcançaram ROI também é visto como exemplo da incompetência da gestão moderna

  • Aponta-se que talvez a IA só esteja superestimada. Pergunta-se de que equipes concretas se está falando quando se afirma que “equipes pequenas têm grandes resultados com IA”
  • Expressa-se cansaço com a atitude de dar passe livre aos problemas da IA dizendo apenas que “já eram problemas que existiam antes”. Considera-se que piora na saúde mental e problemas de cultura organizacional causados pela IA também são responsabilidade da própria ferramenta. Ao contrário da ideia de que ferramentas e sistemas seriam irresponsáveis, entende-se que eles de fato influenciam o ambiente
  • Acha-se frustrante ouvir histórias de sucesso sobre “equipes pequenas fazendo grandes coisas” sem nenhum caso concreto
  • Considera-se que introduzir IA em uma organização gerencial que já é um caos é como entregar rifles automáticos a um bando de vikings. Isso só acelera a ruína da organização. Enfatiza-se que, mais do que a tecnologia em si, a verdadeira causa está no fracasso social e ético da maioria dos membros, ou de um pequeno grupo de gestores centrais
  • Menciona-se que há muitos executivos que confundem Story Point com tempo, e que esse erro já foi visto em todos os papéis com que teve contato até hoje: desenvolvimento, QA, PM e diretoria

• Fala-se sobre o surgimento dos “Prompstitudes” (profissionais que dependem apenas de prompts). Houve um caso em que um colega simplesmente jogou uma resposta do ChatGPT que inferia a minha opinião, e isso causou uma sensação de invasão, como descrita no artigo. Não parecem incompetentes, mas dependem tanto de LLMs que lembram idosos em cassino puxando alavanca de caça-níquel sem parar

• Compartilha-se a experiência recente de sentir desconforto ao conversar com um colega porque era óbvio que a resposta vinha do ChatGPT. Diz-se que teria sido melhor ser ignorado. O problema ficou pior porque o LLM afirmava coisas erradas com muita confiança. Pequenos detalhes, como nomes ligeiramente diferentes entre configuração e implementação, podem confundir completamente o LLM. Ao contrário dos humanos, o LLM não aprende nem percebe seus erros, então continua seguindo na direção errada. Psicologicamente, parece até melhor lidar com código ruim escrito por humanos

  • Já trabalhou com um PM que escrevia PRD com IA. Quando perguntavam sobre o conteúdo, ele respondia que não sabia, porque quem escreveu foi a IA. No fim, o PM desistiu de transmitir a ideia de fato e passou a apenas performar produção de documentação. Todo o trabalho de entender e interpretar os requisitos caiu sobre mim, e eu acabei saindo da equipe
  • Demonstra concordância com a parte de que “o LLM estava confiantemente errado”. Como aquele colega carismático que fala com segurança sobre o que não sabe, o LLM muitas vezes erra de modo convincente
  • Relata uma experiência muito estranha nesta semana. Pediu ao Claude que revisasse uma proposta interna sobre uma especificação técnica que eu mesmo não dominava bem, e ele apontou vários erros. Levei isso ao responsável interno por essa especificação, dizendo que “isso foi sugerido por um LLM, então pode ser bobagem”, e a pessoa colocou minha mensagem em um LLM, recebeu uma resposta e me enviou de volta. No fim, ficou a sensação de que todos nós viramos apenas assistentes da IA. Se esse for o futuro do desenvolvimento de software, não parece atraente
  • Considera código ruim escrito por humano muito melhor do que código ruim gerado por LLM. No código humano, ao menos dá para inferir o contexto do que se pretendia fazer. Já o código gerado por LLM pode vir quebrado do começo ao fim e ainda inventar funções ou conceitos que nem existem. Humanos normalmente não produzem código tão desconectado da realidade. Para entender código de LLM, às vezes parece necessário reaprender toda a base de código
  • Sobre a expressão de que o LLM “acredita que não erra”, aponta-se que o LLM, para começar, não acredita, pensa nem sente nada. Ele apenas encadeia os tokens de linguagem estatisticamente mais plausíveis e adiciona um pouco de aleatoriedade para imitar criatividade

• Sobre a pergunta “as ferramentas de IA realmente são úteis?”, diz que usa de forma diferente da maioria e por isso acha útil. Programa desde 1983 e hoje, aposentado, costuma trabalhar sozinho. Já testou várias ferramentas, mas atualmente usa apenas ChatGPT e Perplexity. Não deixa a IA escrever o código diretamente; usa o código sugerido pelo LLM como referência e ponto de partida. Às vezes aproveita trechos inteiros, mas na maior parte do tempo revisa e reescreve. Quando o LLM começa a produzir resultados cada vez piores, simplesmente para e tenta outra abordagem. Nesse fluxo, imaginar um engenheiro iniciante apenas copiando código de LLM chega a dar medo. O maior valor para si é como um “StackOverflow que responde na hora”. Dá para fazer qualquer pergunta boba sem vergonha e receber rapidamente uma resposta razoável. Ao aprender recentemente a implementar PassKey no iOS, começou usando código de exemplo do ChatGPT e foi estudando linha por linha. O código inicial e o resultado final ficaram completamente diferentes, e esse processo aprofundou muito sua compreensão técnica

  • Diz que usa IA exatamente da mesma forma. Está quase terminando um projeto pessoal sobre o qual não sabia nada no início, e agora já entende bem a base de código
  • Também usa de forma parecida em tarefas pequenas ou projetos pessoais. O LLM escreve primeiro um “código descartável”, e explorar seus limites ajuda a entender melhor o domínio do problema. No fim, isso permite implementar por conta própria com mais confiança

• Considera que os LLMs são muito bons em responder perguntas técnicas ou sugerir novas abordagens. Mesmo iniciantes podem perguntar livremente, sem a sensação de julgamento ou de bater em uma parede como no Stack Overflow. O Copilot é excelente em autocompletar e acelera a escrita de código, completando comentários e linhas com facilidade. Essas pequenas ajudas são fáceis de revisar. Porém, quando se entrega ao LLM a tarefa de escrever código complexo inteiro, o resultado vira caos, e a experiência passa a ser sofrer com depuração. Acha que, se iniciantes dependerem demais de LLMs, terão dificuldade para desenvolver habilidade real de programação

• Pessoalmente, usa o Zed em desenvolvimento por hobby porque a IA não fica fingindo ser inteligente demais. Dá para chamar os recursos de IA com suavidade só quando necessário; no resto do tempo, simplesmente programa por conta própria. No trabalho, o VSCode com IA atrapalha demais. Há dois problemas: primeiro, a interação quebra com facilidade demais, como clicar em um popup ou inserir sem querer um autocompletar enorme; segundo, o fluxo é interrompido. Às vezes o autocompletar com IA é útil, talvez em um terço das vezes, mas no resto ele quebra a linha de raciocínio e obriga a verificar o resultado da IA, o que dispersa a atenção. No Zed isso não acontece, e por isso sente que recuperou o prazer de programar. No fim, o problema não está nos recursos de IA em si, mas na forma como são implementados

  • Diz que se identifica muito com isso sobre o Zed. Ficava brincando no JupyterLab ou no Kate, mas mudou depois de usar o Zed. No Zed, o centro é o IDE/editor, e extras como IA ou kernel Jupyter só entram silenciosamente quando necessário. Esses recursos adicionais não atrapalham a edição de texto e a programação em si. Considera que a equipe do Zed encontrou um bom equilíbrio

• Acha a IA muito útil para criar protótipos de UX. Em pouco tempo, ela gera algo clicável, permitindo iterar várias vezes para definir a direção, e depois esse código é descartado e refeito do zero. Essa abordagem ajuda a evitar desperdiçar muito tempo cedo demais na direção errada. Ainda assim, considera que ainda estamos longe de usar IA para gerar um aplicativo inteiro e significativo de ponta a ponta

  • Recebe muita ajuda da IA em áreas com as quais normalmente não lida, como scripts em PowerShell. Conta que certa vez precisou de um script para relatório de configurações de registro, e o Claude escreveu perfeitamente, economizando uma hora de trabalho
  • Também sente que a IA é excelente para explicar erros. Ajuda muito tanto a encontrar a solução correta quanto a sugerir novas ideias
  • Menciona-se que é importante “descartar o protótipo e reimplementar”, mas aponta-se que, na prática, PMs muitas vezes esquecem essa parte e o protótipo acaba indo para produção. Ainda assim, se alguém encontrou uma forma boa de usar isso, ótimo
  • Pergunta-se se poderia explicar com mais detalhes esse caso de uso, o processo e as ferramentas, porque isso pode ajudar de forma prática tanto a si quanto à equipe

• Considera que a IA é apenas mais uma ferramenta. Não se vê como um desenvolvedor de alto nível, mas usa IA para pedir ideias e feedback em pontos em que trava em projetos pessoais. O importante é não delegar à IA a escrita do código, exceto talvez algum boilerplate muito simples. Escrever código com as próprias mãos é parte da alegria de resolver problemas, criar e aprender

  • Diz que não teria conseguido concluir o projeto recente se a IA não tivesse escrito código diretamente. Desde a configuração de todo o repositório até o PoC, mesmo de forma meio desajeitada, isso tornou possível avançar. Sem experiência em Django, JS ou desenvolvimento web, conseguiu com ajuda da IA chegar a algo funcional no começo, ainda que imperfeito, e agora vem melhorando aos poucos enquanto aumenta a compreensão

• Em uma revisão recente de código de um colega, viu uma função complexa chamada prepareData, que misturava e filtrava arrays multidimensionais. Quando perguntou ao colega “qual é o papel disso?”, ele respondeu para economizar tempo perguntando ao LLM, o que foi desconcertante. Houve decepção com a atitude de não responder nem a pergunta mais básica necessária para uma revisão de código

  • Sugere com um pouco de humor que se poderia perguntar ao LLM, devolver a resposta ao colega e, após umas 20 rodadas de feedback, quando ele não entender, mandar que ele também pergunte ao LLM

• Há preocupação de que, daqui a 10 anos, desenvolvedores iniciantes que nunca escreveram código diretamente tentem virar seniores de imediato

  • Na verdade, diz-se que esse fenômeno já começou antes da IA. A estrutura do setor já dificultava entrar sem mais de 10 anos de experiência, e a indústria falhou em capacitar adequadamente a geração mais jovem. Mesmo quando empresas tentam formar iniciantes de modo contínuo, em toda crise eles são os primeiros a ser demitidos, e depois as empresas voltam correndo para contratar apenas seniores, repetindo o ciclo
  • Com uma piada, comenta-se que agora para ser sênior bastam 3 anos, e que não leva 10 anos, mas 3, para virar staff engineer
  • Diz-se que o conceito de “vibe coding” surgiu há 9 meses, e que em menos de 2 anos talvez as pessoas já não escrevam nem mantenham código diretamente
  • Ainda assim, sempre haverá software escrito por desenvolvedores com expertise, e enquanto o código de LLM não for perfeito, a demanda por código de alta qualidade continuará existindo
  • Considera-se que há desenvolvedores juniores demais e poucos problemas realmente valiosos para dar experiência prática a todos, o que dificulta o crescimento para o próximo nível. Antes ainda era possível passar PoCs ou scripts baratos para iniciantes, mas agora que a IA faz razoavelmente esse papel, as oportunidades diminuem. Acrescenta-se que, mesmo naquela época, já havia juniores demais e vagas de menos

[happyiminjay]

Nos estágios iniciais de desenvolvimento, a IA é muito eficaz para configurar o ambiente e desenvolver módulos em unidades pequenas de function, mas o vibe coding de simplesmente despejar código e prompts, fora disso, é um desastre do ponto de vista de manutenção. Pode até funcionar nas primeiras vezes, mas, no fim, sempre que surgir um problema, você vai ter que tentar N vezes até a IA resolver o próprio problema, e permanece o medo constante de não saber que outros bugs aquela solução pode provocar.

[ulsoft]

Dependendo da capacidade do desenvolvedor
se quem usa tiver boa base, consegue aproveitar a IA para fazer desenvolvimento de alta qualidade
se não tiver base, a coisa vai parar longe do rumo
é a diferença entre um cozinheiro com técnica básica e outro sem