Nascido Contra, ou por que comunidades de programação por hobby são contra o uso de LLMs
Comunidades de programação por hobby estão cada vez mais em conflito com a codificação assistida por modelos de linguagem grandes (LLMs), argumentando que essas ferramentas enfraquecem o apelo central da prática: dominar lentamente problemas difíceis, entender o código em profundidade e compartilhar essa expertise com pares. Críticos também apontam danos práticos, desde “slop” de IA de baixa qualidade e riscos de plágio até uma enxurrada de projetos e documentação mal-acabados que tornam os espaços da comunidade mais difíceis de manter. Os defensores respondem que os LLMs são apenas mais uma ferramenta poderosa, permitindo que pessoas com pouco tempo ou experiência explorem ideias, automatizem tarefas tediosas e construam software que de outra forma jamais conseguiriam, sugerindo que o campo pode se dividir em espaços de “código artesanal” e espaços habilitados por LLMs.
Programação por Hobby vs. Orientada a Resultados
- Muitos distinguem entre programar como hobby (aproveitando o processo) e programar para fazer software ser construído (importando-se principalmente com o resultado).
- Para as “pessoas do processo”, LLMs parecem como usar um carro para um hobby de corrida ou um computador para resolver um sudoku: isso remove o ponto.
- Outros dizem que sempre foram orientados a resultados e que os LLMs finalmente lhes permitem lançar ferramentas e experimentos há muito desejados dentro de um tempo limitado.
Papel dos LLMs como Ferramentas
- Alguns hobbyistas usam LLMs felizmente como ferramentas poderosas: geração de boilerplate, configs, documentação, refactors, harnesses de teste, PoCs rápidas.
- Outros usam LLMs apenas para tarefas tediosas ou de baixo aprendizado; ainda querem escrever manualmente a lógica central para preservar o aprendizado/alegria.
- Vários descrevem fluxos de trabalho em que eles arquitetam, interpretam resultados e polêm, enquanto os LLMs exploram espaços de busca ou escrevem código rascunho.
Normas da Comunidade, Gatekeeping e Justiça
- Comunidades de nicho (OSDev, emuladores, motores de xadrez, IF, etc.) muitas vezes valorizam a própria maestria; código funcionando é secundário em relação à compreensão.
- Nesses espaços, código gerado por LLM é visto como “trapaça”, semelhante a usar motores no xadrez ou CNC em uma competição de ferramentas manuais.
- Alguns defendem isso como “regras do jogo” legítimas, e não gatekeeping tóxico; outros chamam isso de proteção de status e exclusão.
Qualidade de Código, Manutenção e “Slop”
- Muitos reclamam que novatos ajudados por LLM produzem código mais difícil de revisar, com bugs sutis, aumentando a dívida técnica e o trabalho de limpeza.
- “Vibe coding” e sistemas agênticos são criticados por criar código e documentação impressionantes à primeira vista, mas frágeis e de baixo entendimento.
- Outros relatam ganhos reais de produtividade, especialmente para pequenas ferramentas pessoais, e argumentam que boa engenharia ainda importa além dos LLMs.
Preocupações com PI, Licenciamento e Plágio
- Debate acalorado sobre usar LLMs em GPL/AGPL ou outros motores: código reescrito por LLM é obra derivada ou apenas “aproveitar ideias”?
- Alguns argumentam que algoritmos e layouts não são protegíveis por copyright; outros enfatizam que fazer lavandeira de licença via LLM é juridicamente arriscado e moralmente “uma atitude de babaca”.
Status, Aprendizado e Efeitos Mais Amplos da IA
- Vários observam o medo de desvalorização de habilidades: anos de expertise arduamente conquistada vs. um adolescente mais um LLM.
- Outros destacam a redução de ajuda humana para humana, o aumento de spam gerado por IA e a desconfiança quando pessoas de repente têm linguagem impecavelmente polida por IA.
- As experiências variam: alguns usuários neurodivergentes acham os LLMs fortalecedores; outros os acham distrativos e prejudiciais ao foco profundo.