Depois que a IA levar tudo

Qualidade do código gerado por IA e “slop”

• Muitos comentaristas relatam que código escrito por LLM costuma estar sutilmente errado ou estruturalmente ruim, mesmo em tarefas simples (por exemplo, uma LRU baseada em bytes implementada como baseada na contagem de entradas).
• O custo da revisão frequentemente supera a velocidade de geração; especialistas dizem que muitas vezes é mais rápido e seguro escrever o código eles mesmos.
• Outros respondem que o código humano também é cheio de bugs e duplicação; argumentam que a saída da LLM só precisa chegar a “bom o suficiente”, não a elegante.
• Preocupação de que gerentes não consigam reconhecer o slop, mas mesmo assim empurrem a adoção, acelerando a “enshittification” do software.

Gosto, artesanato e responsabilidade

• Várias pessoas enquadram a diferença como “ter gosto” ou “se importar de verdade”: modelos mentais claros, estrutura consistente e disposição para limpar e corrigir.
• LLMs nas mãos de pessoas sem habilidade amplificam o mau gosto; alguns veem isso como uma crise existencial merecida para praticantes superficiais.
• Outros contra-argumentam que a elegância sempre ficou em segundo plano diante de entregar o produto; a IA só torna isso mais visível.

Prazos e ceticismo com o hype

• Forte rejeição a afirmações de que a IA vai “levar tudo” em 18–24 meses; essas previsões são vistas como hype não refutável.
• Alguns argumentam que as melhorias dos modelos agora são incrementais, não mudanças de paradigma.

Empregos, habilidades e impacto econômico

• Debate sobre se a maior parte do trabalho desaparece ou se desloca para novas funções (ofícios especializados, saúde, engenharia de stack mais profunda).
• Medo de que até os trabalhos “à prova de IA” sejam inundados por trabalhadores de colarinho branco deslocados, pressionando salários para baixo.
• Ansiedade central: não é só perder um emprego, mas perder o valor percebido e a capacidade de sustentar uma família.

Quem se beneficia e como responder

• Pergunta recorrente: se a IA gerar riqueza massiva, quem captura isso — poucos elites, ou a sociedade em geral?
• Alguns veem paralelos com revoluções tecnológicas passadas; o melhor cenário é uma competição intensa reduzindo os custos da IA e beneficiando consumidores.
• Outros enfatizam organização e política (reforma de direitos autorais, licenciamento obrigatório, redistribuição) em vez de narrativas individuais de “hustle”.

Dados, propriedade e pagar humanos

• Ideia de que a IA é parasita de dados criados por humanos; sugestões de que os modelos deveriam pagar indivíduos pelo uso de conteúdo ou financiar grandes fundos de criadores.
• Contraponto de que tentar atribuir valor por pessoa acaba sendo equivalente a problemas de tributação/redistribuição.

Meta: ensaios escritos por IA e fadiga do discurso

• Vários acham que o ensaio linkado (ou sua versão em inglês) mostra marcas de LLM: extensão exagerada, slogans repetitivos, estilo excessivo.
• Frustração com textos longos e filosóficos sobre “como se adaptar” que parecem pular questões concretas e materiais.