AI Native Engineer — Intuição sobre princípios

Afinal, que tipo de pessoa é um AI Native Engineer (Who).

O que ficou visível — diferenças em relação aos engenheiros da era anterior

• Drew Hoskins: "As ferramentas e linguagens eram tão difíceis que aprender e usar isso por si só já era um trabalho em tempo integral." Quando a IA começa a substituir esse trabalho em tempo integral, aquilo que sempre deveria ter sido feito, mas estava oculto, passa a aparecer
• Expansão da responsabilidade: mais descoberta (discovery) do que entrega (delivery). Se você não sabe responder "por que devemos construir isso?", não sobra papel algum
• Aprendizado 10x mais rápido: para ler e julgar 200 linhas que a IA criou em 30 segundos, é preciso ter uma base sólida. O código feito pela IA acaba virando material de estudo, mas é preciso ter olhar para lê-lo
• Velocidade de julgamento: Forsgren — "Ao trabalhar com IA, você precisa reconstruir seu modelo mental dezenas de vezes em 30 minutos." Julgamentos rápidos vêm de compreensão profunda

O efeito colateral contra o Maker

• DORA 2025: após a adoção de IA, a geração de PRs aumentou 98%. Resultado em performance de delivery de software? Flat. Codar nunca foi o gargalo principal
• Se você só clica, os outros também clicam. O simples ato de criar virou commodity. Clicar já não é mais diferencial competitivo
• Antes, dizer que "um Maker tem mentalidade de Closer" era elogio. Agora, é condição básica

A falha do feiticeiro — o paradoxo de a técnica ficar mais importante

• O relato do autor apanhando no iOS: em Golang, foi direto ao núcleo da lógica; em iOS, por falta de capacidade técnica, ficou num loop infinito de 2 a 3 dias com a IA. "Se fosse um engenheiro iOS, teria corrigido em 5 minutos"
• A "armadilha do aprendiz de feiticeiro" de Carson Gross: se um júnior não sabe escrever código, também acaba não sabendo lê-lo. E, se não sabe ler, fica à mercê do LLM
• Steve Krouse: "Vibe coding cria a ilusão de que sua vibe é uma abstração precisa." Ninguém fala em "vibe writing"
• LLMs não reduzem a complexidade essencial. Apenas facilitam gerar complexidade acidental (Fred Brooks, No Silver Bullet)
• Conhecimento de ferramentas (sintaxe de Swift, padrões de React) vs. conhecimento de princípios (rede, SO, estruturas de dados). Como a IA substitui o conhecimento de ferramentas, o conhecimento de princípios brilha ainda mais

Intuição sobre princípios — Eval

• Princípios sem intuição formam um acadêmico. Só os princípios não bastam
• É o que a Anthropic chama de "taste". Aquilo que as pessoas que melhor constroem IA deixam por último nas mãos da própria IA
• Thomas, CTO da Linear: "Taste is not mystical. It's a craft." Com a Quality Wednesday, corrigiram 2.500 defects em 2 anos — o taste se desenvolve como um músculo
• Eval = a capacidade de julgamento para avaliar os resultados produzidos pela IA. "O All Pass da IA também é All Pass para mim?" Quem consegue fazer essa pergunta é um AI Native Engineer

Conclusão — uma bússola sobre o acelerador

• Terry Winograd (pesquisador de IA da primeira geração de Stanford): "A IA não é a causa do problema. A IA é um acelerador (Accelerant)." O que mudou foi a velocidade, não a direção
• Intuição sem princípios é chute, e princípios sem intuição formam um acadêmico
• Mesmo tendo o How (habilidades agentic) e trabalhando no Where (organização AX), não significa nada se o Who (eu mesmo) não for alguém capaz de exercer intuição sobre princípios