- Um staff engineer compartilha a experiência de testar por 6 semanas um workflow de desenvolvimento com IA usando o Claude Code
- A forma de pensar na IA como um ‘desenvolvedor júnior que não aprende’ é a chave para uma integração bem-sucedida
- A primeira tentativa em geral é 95% fracasso, mas vai sendo refinada até virar código útil por meio de iterações
- O problema da falta de contexto da IA é resolvido com arquivos de contexto por projeto (
Claude.md) e integração de ferramentas baseada em MCP
- O papel do desenvolvedor migra de escrever código para resolver problemas e projetar arquitetura, o que aponta para um novo padrão de produtividade na era do uso de IA
Contexto e abordagem
- O autor antes escrevia todo o código manualmente, mas recentemente passou a deixar 80% do código com a IA, enquanto ele se concentra em arquitetura, revisão e gestão de desenvolvimento multithread
- Este texto não segue um tom cor-de-rosa de que "a IA lidera a revolução", e sim compartilha a confusão e a metodologia realista vividas ao integrar IA a um workflow real de desenvolvimento em produção
- Tratar a IA como um ‘desenvolvedor júnior que não aprende’ é o ponto central para usá-la com sucesso
O processo de mudança de paradigma no desenvolvimento
- Nos primeiros 5 anos, manteve um estilo de desenvolvimento baseado em livros e documentação de SDK
- Depois, nos 12 anos seguintes, migrou para o uso de conhecimento coletivo baseado em busca (Google)
- Nos últimos 18 meses, testou programação assistida por IA com o Cursor
- Nas 6 semanas mais recentes, viveu uma mudança brusca ao usar o Claude Code para delegação ampla à IA
- A adaptação ao Claude Code permitiu sentir ganho de produtividade em apenas algumas horas
Workflow real de produção com IA
- Ao trabalhar em código que vai para produção, ele usa a IA principalmente para “pensar”
- Gerar código perfeito de uma vez é impossível. A missão do engenheiro é encontrar a melhor solução para o problema
- Primeira tentativa (95% fracasso): etapa em que a IA acumula contexto do sistema e o desenvolvedor define melhor o problema, mas o código quase todo está errado
- Segunda tentativa (50% fracasso): a compreensão do contexto melhora e a abordagem fica mais concreta, mas ainda assim metade é inútil
- Terceira tentativa (código utilizável): após iteração e revisão, surge uma base de código realmente aproveitável e que pode ser melhorada depois
- Esse processo não é fracasso, mas sim um experimento deliberadamente planejado e um processo de otimização iterativa
O problema do contexto e as soluções
- A IA não consegue manter memória entre sessões, então existe a limitação de precisar repetir sempre as mesmas explicações
- Como solução, utiliza-se o arquivo
Claude.md para registrar decisões de arquitetura, padrões, links de documentação etc.
- Com integração via MCP, ela se conecta a Linear, Notion, GitHub, codebase e banco de dados para fornecer contexto automaticamente
- Linear para contexto de tickets
- Notion ou Canvas para acesso à documentação
- Banco de dados não produtivo para verificar a estrutura dos dados
- GitHub para aproveitar o contexto de PRs anteriores
Operação com múltiplas instâncias do Claude em paralelo e estratégias centrais
- Várias instâncias do Claude são operadas em paralelo, com a sensação de gerenciar uma pequena equipe de desenvolvimento que perde a memória todos os dias
- Foram definidas estratégias como não paralelizar no mesmo domínio de problema, registrar todo o trabalho em ferramentas de gestão de projeto como o Linear e marcar claramente o código alterado manualmente por humanos
- A IA é usada ativamente não só para escrever código, mas também em code review: encontra rapidamente testes ausentes, bugs óbvios e pontos de melhoria, reduzindo trabalho repetitivo
- Pela política da empresa dele (Sanity), mesmo o código gerado por IA continua sendo responsabilidade final do engenheiro em termos de qualidade
- Em um ambiente onde o código gerado por IA e por humanos se mistura, o apego emocional diminui e se torna possível fazer um code review mais crítico e objetivo
Processo de code review em 3 etapas
- Escrever código é parte do trabalho, mas revisar código também é
- 1ª revisão: revisão inicial do Claude
- Detecta lacunas de cobertura de testes e bugs evidentes
- Economiza tempo da revisão por pares com sugestões de melhoria
- 2ª revisão: minha revisão
- Verifica manutenibilidade, arquitetura, lógica de negócio e integração
- Mesmo sendo código gerado por IA, o engenheiro tem a responsabilidade final
- 3ª revisão: revisão normal da equipe
- Ninguém sabe quais partes foram geradas por IA. Aplica-se o mesmo padrão de qualidade
- É possível fazer uma revisão objetiva sem apego emocional
- O menor apego emocional ao código escrito pela IA permite uma revisão mais objetiva
Agente acionado por Slack e testes de automação de trabalho
- Foi feito um piloto de agente integrado ao Slack com o Cursor: teve sucesso em ajustes simples de lógica de negócio, mas falhou em layouts CSS complexos
- No momento, ainda existem limitações como falta de suporte a pacotes NPM privados, commits sem assinatura e desvio do rastreamento oficial
- Ainda assim, há expectativa por um cenário futuro em que agentes processem tickets simples e repetitivos durante a noite
Custos e ROI
- O custo de uso do Claude Code representa um valor considerável pago pela empresa por engenheiro
- Ainda assim, o investimento gera ganho de produtividade
- Velocidade de entrega de funcionalidades 2 a 3 vezes maior
- Capacidade de gerenciar múltiplas frentes de desenvolvimento ao mesmo tempo
- Fim da necessidade de escrever manualmente código repetitivo e boilerplate
- No início da adoção de IA, é necessário um orçamento mensal de US$ 1000 a 1500 para engenheiros seniores, com expectativa de melhora na eficiência de custo conforme aumenta a proficiência
Problemas e limitações contínuos do desenvolvimento assistido por IA
- Problema de aprendizado: a IA não aprende com os próprios erros e repete os mesmos mal-entendidos; a solução é reforçar documentação rica e instruções explícitas
- Problema de confiança: a IA apresenta código errado com confiança, então a validação é indispensável, especialmente em áreas complexas de gerenciamento de estado, performance e segurança
- Problema de limite de contexto: codebases grandes ultrapassam a janela de contexto da IA, então é essencial quebrar o problema em partes menores e fornecer contexto claro
A mudança emocional: do código para o problema
- Abandonar a obsessão pelo código e migrar para um pensamento centrado na resolução de problemas
- Apagar rapidamente código errado, fazer revisões mais objetivas e reduzir a carga emocional do refactoring = mudanças positivas
- Há disposição para trocar imediatamente por ferramentas de IA melhores assim que aparecerem
- O essencial não é o “código em si”, mas o valor do problema que precisa ser resolvido
Conselhos sobre adoção de IA na perspectiva de engenharia
- 1. Permitir testes com várias soluções de IA: a equipe precisa usar ferramentas diferentes na prática para elevar sua capacidade operacional
- 2. Aplicar IA primeiro a tarefas repetitivas e simples: assim é possível esperar resultados rápidos
- 3. Reservar orçamento para tentativa e erro: no primeiro mês, é preciso aceitar a confusão
- 4. Redesenhar o processo de revisão: fortalecer as verificações de acordo com as características do código gerado por IA
- 5. Documentar de forma rigorosa: um bom contexto multiplica a produtividade
- Engenheiros que se adaptarem ao novo workflow com IA perceberão que ganharam uma nova faca afiada na caixa de ferramentas
- Engenheiros que abraçarem workflows com IA evoluirão para um novo papel, orquestrando múltiplos agentes de IA e focando em arquitetura, revisão e resolução de problemas complexos
Seu próximo passo
- Escolha uma funcionalidade pequena e bem definida,
- dê à IA três chances de implementá-la,
- e revise o resultado como se estivesse orientando um desenvolvedor iniciante
- E só. Não é preciso uma grande mudança nem reformular processos
- Basta uma funcionalidade, três tentativas e uma revisão honesta
- O futuro não é a IA substituindo desenvolvedores
- e sim desenvolvedores trabalhando mais rápido, criando soluções melhores e usando as melhores ferramentas
Ainda não há comentários.