Já não me apetece trabalhar em gems Ruby, por isso arquivei todos os meus repositórios

Resposta emocional e perda de prazer

• Muitos programadores de longa data, especialmente os que valorizam o código como um ofício, descrevem luto, desmotivação e a sensação de que “a diversão acabou”.
• Ruby é visto como emblemático da “programação alegre”, por isso a mensagem LLM-first em torno de Ruby/Rails parece uma traição a essa cultura.
• Vários comparam a mudança a passar do artesanato em madeira ou da alfaiataria para monitorizar robôs de fábrica; ainda se pode praticar o ofício, mas sobretudo como um hobby não económico.

IA como ferramenta vs substituição

• Alguns sentem-se libertados: os LLMs eliminam tarefas maçadoras (CRUD, boilerplate, debugging glue), permitem a indivíduos construir projetos ambiciosos e capacitam não especialistas a criar software.
• Outros veem isto como esvaziar as partes interessantes do trabalho, transformando engenheiros em “agent managers” ou gestores de produto, algo que nunca quiseram ser.
• Há desacordo sobre se usar agentes é, por si só, um ofício legítimo e agradável ou uma degradação inerente da programação.

Open source, licenciamento e “strip-mining”

• Há um forte sentimento de que o open source foi “strip-mined” para treino de LLMs: trabalho não pago raspado, misturado com código proprietário e vendido de volta como acesso via API.
• Alguns argumentam que isto sempre foi verdade no uso corporativo de OSS; outros veem o treino de LLMs como qualitativamente pior.
• Foram lançadas ideias como copyleft mais forte, novas versões do GPL “AI-proof” e software público financiado pelo governo; há ceticismo de que alguma destas coisas vá restringir os grandes fornecedores.

Qualidade, mantenibilidade e “vibe coding”

• Há preocupação generalizada de que a IA incentive sistemas superficiais e não determinísticos “vibe coded”: código que funciona hoje, mas é frágil, incoerente e difícil de analisar.
• Preocupações de que mantenedores sejam afogados em PRs e relatórios de bugs gerados por IA com pouco esforço, levando mais deles a arquivar ou abandonar projetos.
• Contra-argumento: com boa disciplina, os LLMs podem melhorar refatoração, testes e integração; alguns afirmam ter melhor cobertura e tooling nos seus projetos pessoais do que no trabalho.

Economia e mercado de trabalho

• Analogias: robôs baratos vs carpinteiros mestres; factoryização do software; operários fabris e mineiros substituídos por máquinas.
• Alguns afirmam reduções de custo de uma ordem de grandeza para muitas tarefas; outros dizem que os custos reais (I&D, infraestrutura, externalidades) são desconhecidos e provavelmente elevados.
• Medo de que os salários de SWE e o número de pessoas caiam à medida que os fluxos de trabalho com agentes amadurecem; apelos à sindicalização, mas ceticismo de que isso mudaria muito.

Regulação, poder e modelos abertos

• Discussão de cenários de captura regulatória: proibições nacionais de modelos específicos, pressão sobre o fornecimento de hardware e uso de medos de segurança para justificar centralização.
• Esperança de que modelos open-weight e self-hosted limitem “rug pulls”; contraposto por preocupações com regulação e estrangulamentos de compute.

Impacto no software e nos ecossistemas (até agora)

• Alguns veem pouca verdadeira renascença: ferramentas centrais (OSes, grandes apps, CAD, suites criativas) não foram claramente transformadas, e muitas novas apps construídas com IA parecem de baixa qualidade.
• Outros apontam mudanças mais discretas: engenharia reversa rápida, ferramentas internas à medida, ports, automatização pessoal e pequenos projetos de nicho que antes não teriam existido.
• Espera-se que, à medida que os mantenedores humanos saem, os ecossistemas possam sofrer em estabilidade e inovação, mesmo que a IA consiga gerar mais código do que nunca.