O método perfeito para fazer a IA parar de mentir - leceipts

Ao usar ferramentas de IA para programação, existe uma situação estranhamente recorrente.

Você explica o bug
→ “Corrigi o problema”
→ quando executa, continua quebrado

Isso não é exatamente um problema só da IA,
mas também um padrão bem conhecido em revisão de código feita por pessoas.
• “Acho que isso deve resolver”
• “Aqui na minha máquina funciona”
• “Não rodei os testes, mas parece não ter problema”

O leceipts é uma abordagem para resolver isso não com atitude ou cultura,
mas com processo.

Sempre que uma alteração de código é feita, ele força o registro estruturado dos itens abaixo:
• Root cause: por que o problema aconteceu
• Change: que correção foi realmente aplicada
• Recurrence prevention: como evitar que o mesmo problema se repita
• Verification: como foi verificado e qual foi o resultado
• Remaining risk: o que ainda não foi confirmado

O ponto central aqui é “Verification”.
Não basta simplesmente dizer “testei”;
ele faz com que se registre até de que forma foi verificado e qual foi o resultado.

Quando essa estrutura existe, algumas mudanças acontecem

1. Prevenção da conversa fiada da IA
   Em vez de dizer “fixed”, é preciso deixar o resultado real da execução
   → se não rodou, isso aparece na hora
2. Melhora na qualidade da revisão de código humana
   A descrição do PR deixa de ser baseada em “achismo” e passa a ser centrada em “evidências”
3. O histórico de depuração vira um ativo
   Fica acumulado por que quebrou e como foi corrigido
   → evita repetir o mesmo problema
4. O critério de ‘Done’ fica claro
   correção ≠ conclusão
   Só está concluído quando a verificação termina

O interessante é que isso não é um novo framework de testes
nem uma ferramenta complexa.

É simplesmente
a abordagem de “mudar o processo de desenvolvimento apenas impondo uma forma de explicação”.

Quanto mais a programação com IA aumenta,
mais parece possível que esse tipo de “fluxo de trabalho centrado em verificação” vire o padrão.