Na era da IA, como redesenhar minha especialidade [Google Slides, 165P]

• Material de apresentação de Hayongho Ha, da DataOven
• A jornada de AX (transformação com IA) das empresas em geral passa por 5 etapas parecidas — euforia → estagnação → empolgação → dúvida → último grande obstáculo
• AI J curve Trap — não é só colocar IA e tudo melhora na hora; é preciso atravessar o buraco do Verification Tax (imposto de verificação) para então subir
• As 3 grandes dívidas (debt) da era da IA corroem a produtividade
  • Dívida técnica — o código gerado por IA é bom em otimização local, mas não entende bem o todo; com excesso de duplicação e desvios, a velocidade da empresa pode até cair em 5 a 19 meses
  • Dívida cognitiva — entrega-se o resultado sem compreendê-lo nem ter confiança nele; pela "rendição cognitiva (cognitive surrender)", o seu clique vira meu clique e isso acaba virando pipeline
  • Dívida de intenção — evapora o contexto e o conhecimento tácito sobre por que algo foi feito daquela forma, havendo até casos de recontratação após demissões
• O trabalho principal das pessoas muda da produção para a verificação — em vez de verificar tudo, concentre a capacidade na camada de verificação dos resultados
  • Camada de verificação = Binary Checks (casos de teste) + Quantitative Metrics (throughput/latência) + Qualitative Rubrics (LLM as a judge)
  • Não basta validação em build-time; também é necessária verificação em run-time (produtos com AI Agents não determinísticos)
  • Uma boa verificação exige entendimento do domínio → especialistas conseguem criá-la
• Vazamento do código-fonte do ClaudeCode — código de nível A só era assim por causa do espaço cognitivo humano; para a IA, mesmo sendo nível C ou D, se o resultado for bom, basta
• Se a verificação for confiável, com Auto Research / Loop (antigo Ralph) a IA pode repetir autoaperfeiçoamento 24 horas por dia, até enquanto as pessoas dormem
• Resolver a dívida de intenção = capturar conhecimento tácito (tacit knowledge)
  • grill-me / grill-with-docs de matt-pocock — coloca a IA como entrevistadora para extrair minhas intenções com perguntas (quem pergunta não é você, e sim a IA)
  • Memória corporativa compartilhada, memória compartilhada empresarial da Anthropic, mem0·seCall etc.
  • Extração de persona + memory para criar um "Agent meu virtual"
• Condições de uma AI native company → Queryable + Closed loop + Self-improving
  • Redesenhar todos os componentes para serem amigáveis à manipulação por IA e à verificação por humanos; até sêniors que só gerenciavam voltam para a execução prática
• O perfil de talento na era da IA = "a capacidade de encontrar respostas em situações ambíguas"
  • Em breve, como um CEO: ① quebrar problemas em partes ② identificar rápido o fracasso ③ achar uma estrutura que faça o trabalho acontecer
• Pontos fortes que ganham importância — entender contexto rapidamente, capacidade de transformar em partes do tamanho da mente, poder de chamar atenção (marketing), e gosto (taste) claro ("o que fazer menos")
• Ainda assim, especialização continua essencial — Gell-Mann Amnesia Effect (só parecia plausível porque não era especialista), e conflitos de valor e decisões difíceis que envolvem responsabilidade continuam sendo papel humano
• A definição de especialista muda — de alguém habilidoso em skills para responsável pela operação
  • É a pessoa que cria a IA do seu próprio domínio, mantém a camada de verificação e assume julgamentos de valor corretos, gostos que recebem apoio e responsabilidades que fazem sentido

[bohblue23]

A conexão com o site foi interrompida.