Sim, e
Os rápidos avanços nas ferramentas de codificação com IA estão forçando as pessoas a reavaliar se ainda faz sentido estudar ciência da computação ou virar programador. Os comentaristas contrastam o “vibe coding” com LLMs com a engenharia de software deliberada, baseada em fundamentos, debatendo se a leitura de código, a arquitetura e a expertise de domínio ganharão valor ou se a IA acabará absorvendo a maior parte desse trabalho. Por trás disso estão ansiedades mais amplas sobre um mercado de trabalho júnior brutal, a viabilidade de carreira no longo prazo e a possibilidade de que a programação siga o caminho de outros ofícios que foram amplamente industrializados.
Futuro dos empregos de programação com IA
- Muitos esperam que os LLMs reduzam o número de vagas tradicionais de desenvolvimento, especialmente para juniores; alguns relatam que elas já desapareceram.
- Outros argumentam que codificação mais barata aumenta a demanda por software, então programadores (ou funções adjacentes à programação) continuam valiosos, embora as proporções e as tarefas mudem.
- Uma visão: os devs se tornam escritores de especificações, tomadores de decisão arquitetural e supervisores de IA; uma visão mais extrema diz que a IA acabará assumindo também essas funções, como qualquer trabalho baseado em tela.
Aprender a programar vs funções de “tradutor”
- Alguns dizem que programação profunda é um mau investimento; melhor tornar-se um especialista de domínio (construção, mineração, saúde etc.) que usa IA para criar ferramentas.
- A contestação: você não consegue usar a IA de forma confiável para gerar e avaliar código se não entende de código; domínio + programação é descrito como um “superpoder”.
- Há amplo apoio a “X + Ciência da Computação”: contadores, analistas e gestores que conseguem programar são vistos como 10x em suas funções.
Ler vs escrever código, fundamentos
- Há desacordo sobre se ler e escrever código são a mesma habilidade; vários dizem que ler bases de código grandes e bagunçadas é algo distinto e muito mais difícil.
- Alguns temem que os LLMs atrofiem a habilidade de leitura de código e o pensamento profundo; outros observam que os LLMs já conseguem encontrar bugs sutis melhor do que eles.
- Muitos ainda valorizam os fundamentos (estruturas de dados, conceitos de baixo nível, controle de complexidade) como a parte durável da educação em CC.
Vibe coding, complexidade e arquitetura
- “Vibe coding” via LLMs é elogiado pela velocidade, mas criticado por gerar “slop”: sistemas redundantes, excessivamente complexos ou inconsistentes.
- Preocupações: produção rápida de funcionalidades sem compreensão, acumulação de código mais rápido do que humanos conseguem entender e agentes com dificuldade em sistemas brownfield/legados.
- Vários argumentam que arquitetura, refatoração e gestão de complexidade ganham importância à medida que a IA torna barato o volume de código.
LLMs vs compiladores e determinismo
- Um grande tópico argumenta que prompt→código é diferente de alto nível→assembly: você pode raciocinar sobre a saída do compilador; o comportamento dos LLMs precisa ser testado experimentalmente.
- Alguns rotulam LLMs como “caóticos”: pequenas mudanças no prompt podem gerar diferenças grandes e imprevisíveis, mesmo com temperatura 0.
- Outros rebatem que compiladores e sistemas do mundo real já são imprevisíveis o suficiente e que a maioria dos devs simplesmente “cutuca até funcionar” de qualquer forma.
Educação, dificuldade e mercado de trabalho
- Há debate sobre obrigar estudantes a codificar manualmente: alguns veem nisso uma luta necessária para “formar caráter”; outros dizem que ninguém abrirá mão de um botão de IA de “faça isso”.
- IA como “ótimo monitor” é um tema recorrente quando usada para explicações, não para soluções prontas.
- Vários comentários descrevem o mercado atual para juniores como excepcionalmente ruim, com networking (em sentido amplo) e caminhos que não sejam de programador puro sugeridos como estratégias de sobrevivência.