- O desenvolvimento baseado em agentes de AI está indo além do nível de autocompletar e entrando na fase de executar trabalho real, abalando rapidamente o papel e a estrutura de entrada da engenharia de software
- A queda nas contratações de juniores e organizações focadas em eficiência estão surgindo ao mesmo tempo, ampliando uma estrutura em que um pequeno número de profissionais experientes faz mais trabalho com ferramentas de AI
- Mais do que codificar em si, capacidades de validação, projeto e julgamento estão se tornando mais importantes, e a habilidade humana de lidar com resultados de AI surge como principal fator de diferenciação
- Profissionais em T (profunda especialização + ampla adaptabilidade) levam vantagem em um ambiente de AI que muda rapidamente, acelerando a tendência de exigir ao mesmo tempo profundidade em uma área e adaptação a várias disciplinas
- O enfraquecimento da rota tradicional centrada em diploma de CS vem junto da expansão de um ecossistema de aprendizado em várias camadas, com portfólios, bootcamps e formação liderada por empresas
1. O problema dos desenvolvedores juniores
- À medida que a AI automatiza tarefas de nível inicial, coexistem tanto a forte queda na contratação de desenvolvedores juniores quanto a tendência de a demanda voltar a crescer conforme o software se espalha por todos os setores
- Em um estudo de Harvard com 62 milhões de trabalhadores, quando empresas adotam AI generativa, o emprego de desenvolvedores juniores cai cerca de 9-10%, enquanto a contratação de seniores quase não é afetada
- As empresas de big tech reduziram as contratações de iniciantes em 50% nos últimos 3 anos
- Nas palavras de um engenheiro: "Se um agente de AI para programação custa menos, por que pagar US$ 90 mil a um júnior?"
- Fatores macro como alta de juros e ajustes pós-pandemia por volta de 2022 já tinham impacto antes da disseminação das ferramentas de AI, mas a AI acelerou essa tendência
- Um único engenheiro sênior com ajuda de AI pode hoje dar conta de um volume de trabalho que antes exigia uma pequena equipe
- Cenário otimista: a AI pode aumentar explosivamente a demanda por desenvolvedores não só em tecnologia, mas em todos os setores, como saúde, agricultura, manufatura e finanças
- Em vez de substituir desenvolvedores, a AI atua como um multiplicador de força (force multiplier), levando o trabalho de desenvolvimento para domínios que nunca contrataram programadores
- Pode haver crescimento de outro tipo de função de nível inicial, em que desenvolvedores “AI native” constroem rapidamente automações e integrações para nichos específicos
- O Bureau of Labor Statistics dos EUA ainda projeta cerca de 15% de crescimento para ocupações de software entre 2024 e 2034
- Risco de longo prazo no cenário pessimista: como os juniores de hoje são os futuros engenheiros seniores e líderes técnicos, bloquear totalmente o pipeline de talentos pode gerar um vácuo de liderança em 5-10 anos
- Veteranos do setor descrevem isso como uma "decadência lenta (slow decay)": um ecossistema que para de formar sucessores
-
Conselhos para desenvolvedores juniores
- É preciso ter fluência em AI e versatilidade
- É preciso provar que um júnior + AI consegue entregar o equivalente a uma pequena equipe
- Use agentes de AI para programação como Cursor, Antigravity, Claude Code e Gemini CLI para construir funcionalidades maiores, mas você deve conseguir entender e explicar a maior parte do código
- Foque em habilidades que a AI não substitui facilmente: comunicação, decomposição de problemas e conhecimento de domínio
- Considere funções adjacentes como QA, DevRel e análise de dados como porta de entrada
- Monte um portfólio que inclua projetos com integração de APIs de AI
- Busque experiência em vários formatos: trainee, estágio, contrato e contribuição para open source
- Em vez de ser “mais um iniciante que precisa de treinamento”, é preciso virar um engenheiro pronto para produzir que aprende rápido e contribui de imediato
-
Conselhos para desenvolvedores seniores
- Com menos juniores, mais tarefas simples e trabalho repetitivo recaem sobre os seniores
- Use automação nas tarefas cotidianas, mas não tente fazer tudo sozinho
- Estruture CI/CD, linter e testes baseados em AI para barrar problemas básicos logo no início
- Assuma um papel de mentoria informal por meio de open source ou orientando colegas de outros departamentos
- É preciso comunicar claramente à liderança os riscos de longo prazo de equipes compostas só por seniores
- Prepare onboarding eficiente e uma estrutura de delegação de trabalho com AI para o caso de a demanda por juniores voltar a crescer
- Concentre seu valor não na produtividade individual, mas em ampliar a produção e o impacto do time inteiro
2. O problema das habilidades
- Atualmente, 84% dos desenvolvedores usam regularmente ferramentas de assistência por AI
- Diante de bugs ou novas funcionalidades, está se tornando comum escrever prompts e combinar trechos de código gerados por AI em vez de escrever tudo do zero
- Programadores de nível inicial estão pulando o “caminho difícil”: podem nunca ter construído uma árvore binária de busca do zero nem depurado pessoalmente um vazamento de memória
- O centro da competência está saindo da implementação de algoritmos e indo para fazer as perguntas certas à AI e validar a saída
- Alguns engenheiros seniores temem que esse fluxo produza uma geração incapaz de programar de forma independente, ou seja, uma desqualificação técnica
- Código gerado por AI pode conter bugs sutis e vulnerabilidades de segurança que desenvolvedores menos experientes tendem a deixar passar
-
Cenário alternativo
- A AI cuida de 80% do trabalho repetitivo e rotineiro, enquanto humanos se concentram nos 20% dos problemas mais difíceis
- Projeto de arquitetura, integrações complexas, design criativo e tratamento de edge cases
- A popularização da AI não torna conhecimento profundo inútil; ao contrário, torna a expertise humana ainda mais importante
- Quando todos têm acesso a agentes de AI para programação, o que distingue grandes desenvolvedores é saber quando a AI está errada ou não está oferecendo a melhor solução
- Como disse um engenheiro sênior, "o melhor engenheiro de software não é o programador mais rápido, e sim quem sabe quando deve desconfiar da AI"
-
Mudanças na programação
- Escrever boilerplate diminui, e aumenta a parcela de revisão de erros lógicos, falhas de segurança e desalinhamento com requisitos nas saídas de AI
- Competências centrais: arquitetura de software, design de sistemas, tuning de performance e análise de segurança
- A AI consegue criar rapidamente aplicações web, mas engenheiros especialistas verificam se as melhores práticas de segurança estão sendo seguidas e se há risco de race conditions
- Em 2025, a comunidade de desenvolvedores se divide em dois lados no debate
- O lado que diz que quase não se escreverá código à mão e que entrevistas de programação também precisam mudar
- O lado que diz que, se você pular a base, vai sofrer ainda mais para lidar com problemas quando os resultados da AI quebrarem
- Em todo o setor, está se formando uma expectativa por engenheiros que tenham ao mesmo tempo a velocidade da AI e a sabedoria fundamental para controlá-la
-
Conselhos para desenvolvedores juniores
- Use a AI como ferramenta de aprendizado, não como muleta
- Analise por que o código sugerido pela AI funciona e identifique fraquezas potenciais
- Periodicamente, desligue a ajuda da AI e implemente algoritmos centrais do zero
- Foque nas bases de CS: estruturas de dados, algoritmos, complexidade de tempo e espaço e gerenciamento de memória
- Implemente um projeto duas vezes (com AI e sem AI) e compare
- Aprenda de forma sistemática design de prompts e uso de ferramentas
- Desenvolva hábitos rigorosos de teste: escrever testes unitários, ler stack traces sem perguntar imediatamente à AI e se acostumar a usar o debugger
- Fortaleça competências complementares que a AI não consegue replicar: noção de design de sistemas, intuição para experiência do usuário e raciocínio sobre problemas de concorrência
-
Conselhos para desenvolvedores seniores
- Posicione-se como quem assume responsabilidade por qualidade e complexidade
- Reforce sua expertise central: arquitetura, segurança, escalabilidade e conhecimento de domínio
- Modele sistemas que incluam componentes de AI e verifique continuamente cenários de falha
- Mantenha-se atualizado sobre vulnerabilidades e tipos de problemas frequentes em código gerado por AI
- Aceite o papel de mentor e revisor: defina o escopo permitido de uso de AI e as áreas que exigem revisão manual obrigatória (como pagamentos ou código de segurança)
- Deixe tarefas repetitivas de integração de API para a combinação júnior+AI e foque no papel criativo e estratégico de decidir que API deve ser projetada
- Continue investindo em soft skills, como comunicação e entendimento entre domínios
- Foque no que torna desenvolvedores humanos insubstituíveis: bom julgamento, pensamento em nível de sistema e mentoria
3. O problema dos papéis
- Coexistem duas possibilidades: o papel do desenvolvedor pode encolher para um auditor limitado que supervisiona código gerado por IA ou se expandir para um orquestrador central que projeta e coordena sistemas guiados por IA
- Cenário extremo 1:
- O desenvolvedor tem sua responsabilidade criativa reduzida e passa a focar mais em auditar e supervisionar saídas da IA do que em construir software
- Sistemas de IA (ou “desenvolvedores cidadãos” usando plataformas no-code) cuidam da produção; desenvolvedores humanos revisam código gerado automaticamente, verificam erros, vieses e problemas de segurança, e aprovam implantações
- O criador se transforma em inspetor, e a alegria de criar código é substituída pela ansiedade da gestão de riscos
- Alguns engenheiros já passam mais tempo avaliando pull requests gerados por IA e gerenciando pipelines de automação do que escrevendo código do zero
- Nas palavras de um engenheiro: “Não quero acabar como um faxineiro de código limpando o que a IA joga”
-
Futuro alternativo: orquestrador de alto nível
- O desenvolvedor evolui para um orquestrador de alto nível que combina responsabilidades técnicas, estratégicas e éticas
- Com “workers” de IA, desenvolvedores humanos assumem o papel de arquiteto ou empreiteiro geral:
- projetar a estrutura geral do sistema
- decidir quais tarefas delegar a qual IA ou componente de software
- combinar vários componentes para montar a solução
- Em ambientes de desenvolvimento agentic, o engenheiro passa a atuar mais como um compositor que rege um ensemble de agentes e serviços de IA
- não escreve todo o código diretamente, mas define a melodia da arquitetura, das interfaces e das interações entre agentes
- uma forma que combina os papéis de engenheiro de software, arquiteto de sistemas e estrategista de produto
- Visão otimista: à medida que a IA assume tarefas monótonas, o papel do desenvolvedor inevitavelmente migra para atividades de maior valor. O trabalho pode se tornar mais interessante
- A direção tomada depende de como a organização integra a IA
- Empresas que veem IA como substituição de mão de obra: reduzem a equipe de desenvolvimento e pedem aos engenheiros restantes que mantenham a automação
- Empresas que veem IA como amplificação da equipe: mantêm o quadro, mas permitem que cada engenheiro enfrente problemas maiores e projetos mais ambiciosos
-
Conselhos para desenvolvedores juniores
- Buscar expandir o papel para além da simples escrita de código
- Desenvolver competências com perfil de auditor e gestor, como escrever casos de teste, montar pipelines de CI e monitorar aplicações
- Manter a experiência de construir coisas diretamente por meio de projetos pessoais, preservando a motivação criativa
- Desenvolver uma mentalidade sistêmica: entender como os componentes se comunicam e aprender o que caracteriza uma API bem projetada
- Estudar continuamente blogs de engenharia e estudos de caso de design de sistemas
- Ampliar o entendimento sobre ferramentas de automação em geral, como frameworks de orquestração e APIs de IA, além da geração de código
- Criar o hábito de escrever documentação com clareza, como se estivesse explicando para outra pessoa
- Perguntar a profissionais seniores não apenas “o código funciona?”, mas também “não deixei passar nenhum elemento importante?”
- Preparar-se para crescer não como um simples coder, mas como validador, projetista e comunicador
-
Conselhos para desenvolvedores seniores
- Assumir ativamente responsabilidades de liderança e arquitetura
- Definir padrões e frameworks que IA e juniores possam seguir
- Definir checklists de qualidade de código e políticas de uso ético de IA
- Manter-se atualizado sobre questões de conformidade e segurança relacionadas a software gerado por IA
- Focar em expertise em design e integração de sistemas; mapear fluxos de dados entre serviços e identificar antecipadamente pontos de falha
- Familiarizar-se com plataformas de orquestração (Kubernetes, Airflow, frameworks serverless, ferramentas de orquestração de agentes)
- Reforçar o papel de mentor técnico: mais code reviews, discussões de design e diretrizes técnicas
- Aprimorar a capacidade de avaliar rapidamente o código de outras pessoas (ou de outra coisa) e dar feedback de alto nível
- Desenvolver visão de produto e de negócio: entender por que uma funcionalidade está sendo criada e o que os clientes valorizam
- Manter a energia criativa por meio de protótipos, hackathons e exploração de novas tecnologias
- Fazer a transição de quem escreve código para quem comanda sistemas
4. O problema especialista vs. generalista
- Especialistas altamente focados em uma área estreita correm o risco de ver seu nicho automatizado ou perder valor rapidamente
- Em um ambiente de IA que muda rápido, o engenheiro em T (ampla adaptabilidade + uma ou duas competências profundas) leva vantagem
- Quando modelos, ferramentas e frameworks surgem e desaparecem rapidamente, apostar a carreira em uma única stack tecnológica é arriscado
- Especialistas em frameworks legados podem ver a demanda despencar no momento em que novas ferramentas de IA conseguirem executar o mesmo trabalho com mínima intervenção humana
- Desenvolvedores especializados de forma muito estreita apenas em uma “stack, framework ou área de produto específica” podem perder a direção quando essa área entra em declínio ou se torna redundante
- Como desenvolvedores COBOL, desenvolvedores Flash e especialistas em engines de jogos mobile que não migraram quando o setor mudou
- A diferença em relação ao passado é a velocidade da mudança: a automação por IA pode transformar certas tarefas de programação em algo trivial quase instantaneamente, enfraquecendo funções centradas nessas tarefas
- Especialistas que só sabem fazer uma coisa (ajuste fino de queries SQL, fatiar designs do Photoshop em HTML) podem enfrentar um cenário em que a IA faz 90% desse trabalho
- O mercado de contratação corre atrás do nicho mais recente: há alguns anos queria especialistas em infraestrutura de nuvem, mas agora a demanda por engenheiros de AI/ML disparou
- Profissionais estreitamente especializados na tecnologia de ontem sentem a estagnação da carreira quando o apelo do seu nicho desaparece
-
Desenvolvedor em T: um resultado alternativo
- “Especialista versátil” ou desenvolvedor em T: profunda especialização em uma ou duas áreas (traço vertical) + ampla familiaridade com muitas outras áreas (traço horizontal)
- Esses engenheiros atuam como “cola” em equipes multidisciplinares: comunicam-se com outros tipos de especialistas e preenchem lacunas quando necessário
- Empresas preferem talentos com base sólida e capacidade de atuar em toda a stack, e não desenvolvedores excessivamente rasos ou estreitos demais
- Engenheiros em T conseguem resolver problemas de ponta a ponta sem esperar handoffs, aumentando a eficiência
- A combinação de conhecimentos de áreas diferentes amplia o potencial de inovação
- Ferramentas de IA na prática amplificam ainda mais os generalistas: uma pessoa consegue lidar mais facilmente com vários componentes
- Um engenheiro de backend pode implementar uma UI básica com ajuda de IA
- Um desenvolvedor frontend pode gerar boilerplate de servidor com IA
- Em um ambiente rico em IA, fica mais fácil para uma pessoa cobrir um escopo mais amplo
- Em contrapartida, profissionais com apenas especialização profunda podem ter caminhos de expansão limitados caso seu nicho seja parcialmente automatizado
- Atualmente, cerca de 45% das vagas de engenharia exigem proficiência em múltiplos domínios
- Programação + conhecimento de infraestrutura de nuvem
- Frontend + compreensão básica de ML
-
Conselhos para desenvolvedores juniores
- No início da carreira, construa conscientemente uma base ampla
- Mesmo que seja contratado para um papel específico, observe continuamente áreas fora desse silo
- Desenvolvedores mobile devem aprender fundamentos de backend, e desenvolvedores frontend devem ganhar experiência implementando servidores simples
- Aprenda ferramentas de deploy e operação, como Docker e GitHub Actions
- Escolha uma ou duas áreas que despertem interesse pessoal e aprofunde-se nelas para formar uma especialização vertical
- Construa uma marca híbrida
- Ex.: desenvolvedor full stack com foco em segurança em nuvem
- Ex.: desenvolvedor frontend com especialização em UX
- Use ferramentas de IA para aprender novos domínios rapidamente
- Se você é iniciante em backend, gere código básico de API com IA e entenda sua estrutura
- Transforme a requalificação contínua em um hábito cotidiano
- Participe de hackathons ou projetos cross-functional para se forçar a expandir para um papel mais generalista
- Diga ao seu gestor que quer participar de outras áreas do projeto
- No começo da carreira, a adaptabilidade em si é a vantagem competitiva mais forte
-
Conselhos para desenvolvedores sêniors
- Tenha clareza sobre o seu gráfico de habilidades
- Quais áreas são sua especialidade profunda
- Quais domínios adjacentes você só conhece superficialmente
- Escolha uma ou duas áreas adjacentes e eleve-as até um nível em que consiga conversar com propriedade
- Se você é especialista em banco de dados, familiarize-se com frameworks frontend modernos ou aprenda os fundamentos de pipelines de ML
- Use apoio de IA para realizar pequenos projetos experimentais em áreas nas quais você é fraco
- Conecte sua especialização atual a novos contextos
- Se você é especialista em performance de aplicações web, explore como essa habilidade pode ser aplicada à otimização de inferência de ML
- Estruture seu papel para ser mais cross-functional ou proponha ativamente posições assim
- Voluntarie-se para atuar como campeão da integração (responsável) em projetos que envolvam várias áreas
- Oriente outras pessoas para disseminar suas habilidades e, ao mesmo tempo, aprender com elas novas perspectivas e conhecimentos
- Atualize o currículo para que sua versatilidade e escalabilidade fiquem evidentes
- Com base na experiência acumulada, organize padrões recorrentes e conhecimentos transferíveis
- Seja um modelo de profissional em T: profundidade na área de especialidade (que transmite autoridade e confiança) enquanto se expande ativamente na horizontal
5. O problema da educação
- Não está claro se o diploma de Ciência da Computação (CS) continuará sendo o padrão-ouro ou se caminhos de aprendizado mais rápidos o substituirão, como bootcamps, plataformas online e treinamentos conduzidos por empregadores
- Também é possível que as universidades fiquem em uma estrutura difícil de acompanhar o ritmo de um setor que muda em intervalos de meses
-
Cenário 1: a universidade continua importante, mas tem dificuldade para se manter relevante
- O diploma continua como qualificação básica, mas fica para trás diante da velocidade das mudanças por causa de ciclos lentos de atualização curricular e processos burocráticos de aprovação
- Estudantes e empregadores sentem que o meio acadêmico está desconectado da indústria e ensina teoria ou práticas desatualizadas que não se convertem em habilidades para o trabalho
- Recém-formados relatam que não aprenderam sobre computação em nuvem, DevOps moderno ou ferramentas de IA durante o curso
- Se a universidade exigir alto investimento de tempo e dinheiro ao mesmo tempo em que oferece formação com baixa relevância, corre o risco de parecer uma barreira de acesso cara
- Como muitas empresas ainda exigem diploma de bacharel por inércia, o ônus acaba recaindo sobre os estudantes, que preenchem a lacuna com bootcamps, cursos online e projetos autodidatas
- A dívida de financiamento estudantil é enorme, e as empresas gastam bilhões de dólares treinando recém-formados (por falta das habilidades exigidas no trabalho)
- As universidades podem até adicionar aulas de ética em IA ou optativas de computação em nuvem, mas quando isso entrar em prática, as ferramentas do mercado talvez já tenham mudado
-
Cenário 2: a educação tradicional é gradualmente substituída por um novo sistema
- Bootcamps de programação, certificações online, portfólios autodidatas e academias de treinamento criadas por empregadores
- Grandes empresas como Google e IBM eliminaram a exigência de diploma para certas funções técnicas
- Em 2024, cerca de 45% das empresas planejam remover a exigência de bacharelado em algumas vagas
- Os bootcamps entram em uma fase de maturidade e passam a formar profissionais contratados por empresas de ponta ao lado de graduados em CS
- Esses programas são mais curtos (12 semanas intensivas) e focados em habilidades práticas: frameworks atuais, serviços de nuvem e trabalho em equipe
- Os critérios de contratação migram do diploma para portfólio real, microcredenciais e habilidades comprovadas
- Um portfólio sólido no GitHub ou uma certificação confiável passa a funcionar como forma de contornar a exigência de diploma
- Expansão da formação conduzida por empregadores: empresas criam seus próprios pipelines de treinamento ou firmam parcerias diretas com bootcamps
- Algumas big techs começam a operar programas internos de formação para talentos de trajetórias não tradicionais
- A própria IA oferece novas formas de aprendizado: tutores de IA, sandboxes interativos de programação e ambientes de aprendizado personalizados oferecidos fora da universidade
- Um ecossistema de aprendizado modular leva vantagem sobre o caro diploma de quatro anos em acessibilidade e flexibilidade
- Alunos de países sem universidades fortes em CS podem fazer os mesmos cursos da Coursera que pessoas do Vale do Silício e montar o mesmo tipo de portfólio
-
Conselhos para aspirantes e desenvolvedores juniores
- Mesmo em um curso tradicional de CS, não presumir que isso sozinho será suficiente
- Complementar as aulas com projetos reais: criar apps web, contribuir para open source
- Aproveitar ativamente estágios e programas de cooperação universidade-empresa
- Cobrir com plataformas online os temas atuais que estiverem ausentes no currículo
- Obter certificações do setor como GCP, AWS e Azure para sinalizar com clareza capacidade prática
- Se estiver no autodidatismo ou em bootcamp, focar em um portfólio convincente: ao menos um projeto substancial bem documentado
- Participar da comunidade de desenvolvedores: contribuir com open source, escrever posts técnicos
- Fazer networking por meio de LinkedIn, meetups e eventos de desenvolvedores
- Buscar recomendações e confiança de desenvolvedores experientes
- Pensar sempre com base em aprendizado contínuo: a validade das habilidades técnicas é curta
- Usar IA ativamente como tutor pessoal
- Comprovar habilidades de forma concreta: portfólio, certificações e a capacidade de falar com inteligência sobre o próprio trabalho abrem portas
-
Conselhos para desenvolvedores seniores e líderes
- Não dá para se sustentar para sempre apenas com certificações ou diplomas antigos
- Investir em educação contínua: cursos online, workshops, conferências e certificações
- Validar habilidades de novas formas; preparar entrevistas que avaliem a capacidade atual por meio de problemas reais
- Manter side projects usando novas tecnologias
- Reavaliar requisitos de função: um diploma de CS é realmente necessário ou o que importa são habilidades específicas e capacidade de aprender?
- Promover contratação orientada por habilidades para ampliar o pool de talentos
- Apoiar programas internos de treinamento ou funções em estilo de aprendizagem prática
- Apoiar círculos de mentoria para desenvolvedores juniores sem formação formal
- Manter intercâmbio com a academia e com a educação alternativa: conselhos consultivos, palestras convidadas e feedback sobre lacunas curriculares
- Refletir isso no próprio crescimento de carreira: resultado real e aprendizado contínuo importam mais do que diplomas adicionais
Ponto central
- Os cenários apresentados não são mutuamente excludentes, e a realidade tende a se desenrolar como uma mistura de elementos de cada cenário
- Algumas empresas reduzem a contratação de juniores, enquanto outras ampliam suas equipes de desenvolvimento em novos domínios
- Quanto mais a IA automatiza a programação rotineira, mais o padrão de qualidade para o código que continua sendo tratado diretamente por humanos tende a subir
- Também é possível um fluxo de trabalho em que o desenvolvedor passa a manhã revisando resultados gerados por IA e a tarde projetando arquitetura de alto nível
- O contexto que atravessa tudo é a percepção de que a mudança é o único elemento que não muda
- Quanto mais se mantiver, ao mesmo tempo, atenção às tendências tecnológicas e uma visão cética sobre elas, menor a chance de cair em exageros de otimismo ou pessimismo
- Quem atualiza continuamente sua base técnica, amplia suas capacidades e foca em forças humanas como criatividade, pensamento crítico e colaboração não fica para trás
- Seja em um renascimento da programação, seja em uma era em que o código se escreve sozinho, sempre haverá demanda por engenheiros que enxergam o todo, aprendem continuamente e aplicam tecnologia para resolver problemas reais
- A melhor maneira de prever o futuro é engenheirá-lo ativamente
10 comentários
Assim como, quando Fortran se foi, surgiram C++, Java e Next.js, ainda assim um SWE precisava conhecer CS, acho que, mesmo com a chegada da IA, conhecimentos básicos de CS continuam sendo indispensáveis. No fim, só mudam as ferramentas, a essência é a mesma... Enquanto estivermos na indústria de TI, continuar estudando é nosso destino..
Muito bom. É um texto que todo mundo deveria ler, de júnior a sênior.
Acho que do ano passado até o ano que vem será o maior período de transição na engenharia de software.
Se perdermos o rumo das mudanças aqui, podemos acabar ficando muito para trás.
Às vezes eu também penso a mesma coisa. Não tem fim.
"Às vezes penso se escolher desenvolvimento de software não foi uma decisão errada
Mesmo depois de virar sênior, ainda exigem estudo e projetos paralelos
Não sei quando vou poder ter hobbies ou vida social"
Se você ainda não está conseguindo incorporar IA o suficiente ao seu trabalho, talvez até valha a pena sentir um pouco de FOMO.
Acho que é um texto com insights de verdade.
Sou um desenvolvedor sênior em atividade com 23 anos de carreira e, desde o segundo semestre de 2024, venho usando desenvolvimento com LLM e vibe coding levados ao extremo. Tenho aplicado isso de formas realmente variadas, de AOS/iOS e serviços web full stack a batch e até fine-tuning de modelos, trabalhando com algo como 5 agentes em paralelo.
Nem imaginei que voltaria a ter a experiência de programar sem ver o tempo passar e acabar dormindo, algo que não acontecia comigo desde o começo dos anos 2000, haha.
Mas, deixando isso de lado, meu pensamento recente é que a área de desenvolvimento agora já se tornou algo que qualquer pessoa pode fazer.
A evolução dos agentes de codificação vai se acelerar ainda mais, e desenvolver vai ficar cada vez mais fácil e confortável. Vai chegar ao nível de fazer um documento no Excel ou no Word.
Como disse Andrej Karpathy, concordo que a melhor linguagem de programação é o "inglês".
Pessoalmente, tenho lido mais artigos de IA e escrito mais para conseguir me expressar de forma lógica. (Também estou me esforçando para conversar mais com a IA.)
São tempos realmente empolgantes.
Há uma tradução, então estou compartilhando.
https://rosetta.page/post/…
É um texto muito perspicaz, continuo lendo e relendo.
Será a era em que Architecture e QA Engineer sobreviverão. Julgar se isso está certo ou não...
Comentários do Hacker News
Sinceramente, agora tudo parece uma grande aposta
Nem tecnologia, nem formação acadêmica, nem networking, nem emprego garantem uma base estável para a vida
Quem pagou dívidas, comprou uma casa e formou uma família está apostando no conforto do futuro; quem está começando com dívida estudantil e uma base social instável está apostando a própria vida
Agora, como tenho família, não posso simplesmente me mudar com facilidade nem viver em modo de contenção de gastos, então a insegurança é muito maior
Seja programador ou não, todo mundo vive com a ansiedade de ser substituído em breve
A economia dos EUA também está uma bagunça, então este é um período difícil para viver
É financeira também, mas o medo maior é perder um emprego estável que eu conseguia ter mesmo sem grandes habilidades sociais
Daqui a quatro anos e meio, devo alcançar uma independência financeira básica; fico me perguntando como vou me sentir nessa época
Aos 25 anos dá para recomeçar, mas aos 42, com família, isso parece um estresse enorme
O melhor momento era no começo da carreira, e o segundo melhor momento é agora
Pela minha experiência, LLM não automatiza a programação; ele é mais uma ferramenta para aumentar a velocidade
Eu desenho na cabeça a solução que quero e vou construindo o código em blocos, explicando cada parte para o LLM
O principal ganho é precisar pesquisar menos funções de biblioteca e sintaxe
O problema é que até código ruim muitas vezes é suficientemente rentável
Serve para protótipos ou provas de conceito, mas não para código de fácil manutenção
Como na analogia entre um banco e uma barragem: qualquer um consegue fazer um banco, mas não uma barragem
LLM facilita criar código de baixa qualidade, mas código de alta qualidade continua sendo necessário
Só que no HN só se fala em exageros tipo “vibecoding”, o que dificulta uma discussão prática
Os LLMs realmente estão evoluindo para trabalhar com cada vez mais autonomia, mas esse avanço é gradual
Na verdade, a grande mudança é que, pela primeira vez, pessoas não desenvolvedoras podem automatizar o próprio trabalho
Isso vai impactar fortemente toda a indústria e, no fim, nos aproximar do propósito original do computador
Aumentar o número de linhas com IA não é conquista; na verdade, é só acumular dívida técnica
Rust ajuda bastante nisso
Quanto maior o sistema, mais fácil o desenvolvimento fica — uma experiência paradoxal
Se a IA automatizar o trabalho de júnior, isso só significa que a definição de ‘júnior’ vai mudar
O júnior não desaparece; o papel é que muda
Se em 2024 havia 14 estagiários, em 2025 são só 4 — um corte de 60% a 70% no orçamento
Antes, metade do time era de iniciantes; agora, virou um time totalmente sênior
Eu me identifico com o cenário em que a IA vai aumentar explosivamente a demanda por desenvolvedores em cada setor
Só que não acho que esse papel precise necessariamente se chamar “desenvolvedor”
Os cargos já existentes em cada indústria vão evoluir para trabalhar bem com IA
No fim, o importante é aprender conhecimento de domínio específico e, ao mesmo tempo, desenvolver a capacidade de usar IA
Mas, no momento em que CTOs perceberem que podem substituir SaaS, vai surgir um boom de soluções internas
Se estamos entrando numa era em que a IA escreve código no seu lugar, o ponto central é a velocidade de validação
Quando você escreve o código por conta própria, entende melhor o que está fazendo, e sem entendimento não há como validar
No fim, é preciso aceitar o trade-off entre velocidade e precisão
O código chega de uma vez só e, por causa do FOMO de trabalhar mais rápido, há um grande risco de a qualidade da revisão cair
O próprio UX da ferramenta induz ao relaxamento
Tenho dúvidas sobre a ideia de que a IA vai aumentar a demanda por desenvolvedores em todos os setores
O software já está profundamente inserido em todas as indústrias, e o que resta agora é só a automação total
Mas o gargalo aí não é a tecnologia, e sim questões políticas e do mundo real
Não vai gerar novas categorias profissionais como aconteceu com a revolução do automóvel
É preciso reduzir a dependência de software, e a Alemanha em especial agora precisa, enfim, começar a usar computadores de verdade
O autor do texto original parece ter pouca compreensão das questões centrais sobre IA
Por exemplo, a afirmação de que “especialistas correm risco de automação” está invertida
Especialistas supervisionam a ferramenta, enquanto não especialistas seguem as instruções dela
O mesmo vale para a universidade: quem conhece a teoria controla a máquina
Ah, foi só uma piada sobre querer desistir de tudo
O engraçado é que o autor falou de COBOL, e meu vizinho ainda trabalha com COBOL em banco
Já era assim 14 anos atrás e continua exatamente igual
Às vezes fico pensando se escolher desenvolvimento de software foi uma decisão errada
Mesmo depois de virar sênior, ainda exigem estudo constante e projetos paralelos
Não sei quando vou poder ter hobbies ou vida social
Toda vez que o framework JS mudava, a carreira parecia uma aposta
Eu apostava tudo em Angular e via o mundo migrar para React, sempre pensando onde investir meu tempo
No fim, parecia que eu estava apostando em meio à ansiedade para sempre
Mas, se quer excelência, vai precisar de esforço extra
As duas escolhas são legítimas
A empresa existe para gerar lucro, então cada pessoa precisa proteger a própria vida por conta própria
Dá para trabalhar e aprender devagar em uma empresa estável, ou correr atrás das tendências e crescer rápido
No fim, depende dos seus objetivos e valores
Mas, se o objetivo era dinheiro e você alcançou isso, então não há problema
Só que, se quiser ser excelente, precisa amar o próprio trabalho
Foi muito útil 👍👍