Trabalhar com IA parece mais liderança do que programação
Trabalhar com grandes modelos de linguagem como assistentes de programação leva engenheiros a comparar essa tarefa menos à programação tradicional e mais à gestão: definir objetivos, delegar tarefas e revisar a saída de um conjunto de “contratados juniores” rápidos, mas pouco confiáveis. Alguns argumentam que isso favorece quem tem experiência em gestão de projetos ou de pessoas, enquanto outros insistem que o entendimento técnico profundo e a disciplina de engenharia convencional ainda importam tanto quanto, com a IA sendo melhor tratada como uma ferramenta poderosa, porém propensa a erros. Por trás do debate estão preocupações com o aumento da dívida técnica, a antropomorfização excessiva dos modelos e como a dependência de IA pode remodelar tanto a qualidade do software quanto as trajetórias de carreira em engenharia.
Como a IA para Codificação “Parece”
- Muitos veem a programação assistida por IA mais como gestão do que como programação prática: atribuir tarefas, monitorar o progresso, corrigir o rumo.
- Outros argumentam que ainda parece programação: o mesmo modelo mental, arquitetura e preocupações de baixo nível, só com menos digitação.
- Alguns propõem metáforas alternativas: dirigir um filme, orquestração, gerenciar contratados, supervisionar estagiários ou lidar com uma burocracia.
Debate Entre Liderança e Gestão
- Vários კომენტadores insistem que liderança é fundamentalmente sobre pessoas (visão, motivação, influência mútua), então trabalhar com LLMs não pode ser liderança.
- Outros usam “liderança” de forma mais ampla para significar direção de nível mais alto: definir objetivos, dividir tarefas, coordenar múltiplos agentes.
- Uma visão conciliadora comum: trabalhar com LLMs é como trabalho de product/tech lead, com os componentes sociais e emocionais removidos.
Habilidades que Importam
- Fazer prompts é repetidamente comparado a:
- Levantamento de requisitos e critérios de aceitação.
- Delegação, portas de qualidade e tratamento de exceções.
- Projetar a “tigela” que limita a “água” (a saída do LLM).
- Alguns afirmam que pessoas com experiência em gestão ou design de processos conseguem melhores resultados; outros relatam o contrário.
- O uso eficaz exige manter um forte modelo mental, revisar as saídas e tratar LLMs como ferramentas para tarefas limitadas, não como programadores totalmente autônomos.
Confiabilidade, Slop e Dívida Técnica
- Há fortes preocupações com “vibecoding”: aceitar cegamente a saída da IA, produzindo enormes volumes de código de baixa qualidade e falência técnica.
- Anedotas descrevem líderes sem background em programação confiando na IA sem criticidade, gerando dezenas de milhares de linhas de código quebrado e descarrilando projetos.
- Contraexemplos mostram sucesso quando a IA é tratada como um júnior rápido, porém propenso a erros: tarefas pequenas, revisão rigorosa, testes e guardrails.
Impacto no Trabalho e nas Carreiras
- Alguns se sentem fortalecidos: iteração mais rápida, menos trabalho enfadonho, mais foco em arquitetura e definição de problemas.
- Outros lamentam a perda do prazer da programação prática, descrevendo uma mudança para um trabalho permanente parecido com gestão que nunca quiseram.
- Vários observam menos contratações ou expansão congelada das equipes de desenvolvimento porque os LLMs cobrem mais produção.
- Há discordância sobre se os LLMs “equalizam” ao elevar desenvolvedores mais fracos e neutralizar talentos de ponta, ou simplesmente amplificam as diferenças de habilidade existentes.
Antropomorfização e Limites
- Muitos alertam contra tratar LLMs como pessoas: sem agência, sem moral, sem consequências de carreira.
- Gerenciar LLMs carece das partes difíceis da liderança real: emoções, conflito, retenção e responsabilidade por შედეგados humanos.