Não seja um proxy de carne
A IA generativa está sendo cada vez mais usada como muleta em ambientes de trabalho, com pessoas colando saída bruta de LLM em chats, docs e revisões de código em vez de pensar, validar e se comunicar com suas próprias palavras. Comentadores descrevem isso como transformar humanos em “meat proxies” que apenas repassam respostas da IA, terceirizando o trabalho difícil de verificação e compreensão para colegas e degradando a qualidade do código, da documentação e da confiança. Muitos argumentam que as organizações precisam de normas ou políticas explícitas — como “se você pede atenção humana, mostre esforço humano” — para garantir que a IA permaneça uma ferramenta de apoio, e não uma forma de fugir da პასუხისმგabilidade.
Reclamação central: “meat proxies” e granadas de slop
- Muitos descrevem colegas colando saída bruta de LLM (frequentemente precedida por “Claude disse…”) em chats, PRs, docs ou tickets.
- Isso terceiriza a parte difícil — compreensão, verificação e resumo — para outras pessoas.
- As pessoas comparam isso a atirar “granadas de slop”, “BI slop” ou ser um “teclado muito caro”.
- A lei de Brandolini é citada: gerar besteira é barato; refutá-la é caro. LLMs amplificam radicalmente essa assimetria.
Impacto na qualidade do trabalho e nos papéis
- Engenheiros seniores relatam ter sido reduzidos a babás de IA ou a carimbar PRs de IA sem ler.
- Alguns veem ciclos de “engenharia agentiva” (erro → colar na IA → tentar de novo) como rasos, com pouca compreensão real.
- Outros dizem que LLMs permitem que bons engenheiros foquem em design e trabalho de cola, e podem elevar os mais fracos a um nível mínimo.
- Há preocupação com “vibe coders” e organizações inteiras perdendo habilidades fundamentais, criando futuras crises de manutenção.
Propostas de etiqueta e política
- Normas sugeridas:
- “Se você está pedindo atenção humana, demonstre esforço humano.”
- Nunca envie saída bruta de LLM; forneça um TL;DR escrito por você e seu próprio julgamento.
- Tornar o comportamento de “meat proxy” socialmente custoso (ignorar essas mensagens, perguntar “Você leu isso?”).
- Algumas organizações adicionam regras ao handbook, exigem “pedidos de atenção” com perguntas sobre a documentação, ou propõem Códigos de Conduta de IA.
- Debate sobre consequências: alguns defendem tornar reincidências passíveis de demissão; outros dizem que cultura e incentivos da gestão são o verdadeiro problema.
Quando repassar respostas de LLM é aceitável
- Uma minoria argumenta que encaminhar პასუხas de IA pode ser aceitável quando:
- A pergunta é trivial e fica claro que quem perguntou não tentou; semelhante a “deixa eu procurar isso pra você”.
- Um especialista faz um prompt uma vez, revisa cuidadosamente um documento grande e depois o compartilha em vez de cada pessoa consultar separadamente.
- Mesmo assim, muitos insistem que quem envia deve ter lido e entendido a saída.
Estilo de LLM, jargão e carga cognitiva
- Reclamações de que modelos mais novos são mais lacônicos, tensos e densos em jargão, tornando o texto mais difícil de analisar.
- Alguns mitigam isso com instruções personalizadas (ELI5, Simplified Technical English, “pareça meio bobo, mas seja correto”).
- Outros observam que alucinações são menos frequentes, mas continuam reais; verificação e conhecimento de domínio seguem essenciais.
Preocupações mais amplas: preguiça, inteligência e cultura
- Longas subthreads debatem se a tecnologia (LLMs, internet, conteúdo de formato curto) está causando queda de atenção, QI e o “efeito Flynn reverso”.
- Alguns preveem uma “casta da inteligência”: aqueles que terceirizam o pensamento para IA versus aqueles que continuam exercitando o cérebro.
- Outros argumentam que o que importa é a capacidade humano+máquina; tecnologias históricas (escrita, calculadoras, compiladores) também mudaram quais habilidades são praticadas.