Como eu uso IA (out. 2026)

As alegações de que o “coding is solved” pela IA moderna provocam forte discordância, com alguns engenheiros relatando enormes ganhos de produtividade com ferramentas como Claude e Copilot, e outros apontando arquiteturas frágeis, bugs sutis e uma sensação geral de que a qualidade do software para o usuário final está piorando. Muitos veem LLMs como excelentes tutores e aceleradores para programação rotineira e design de sistemas, mas insistem que julgamento humano, arquitetura e revisão cuidadosa continuam essenciais — especialmente à medida que os custos de tokens aumentam e os fluxos multiagente se mostram mentalmente exaustivos. O fio também mergulha em música e vídeo gerados por IA, onde as opiniões se dividem entre vê-los como novas ferramentas criativas legítimas e condená-los como slop vazio que corrói a expressão humana e a qualidade dos dados de treinamento.

Estado da Codificação com IA (“coding is solved”)

  • Alguns argumentam que, para muitas tarefas típicas de software, LLMs agora conseguem pegar uma issue do Jira e produzir um PR mesclável, tornando a codificação manual em grande parte desnecessária.
  • Outros contestam fortemente o “solved”: modelagem de domínio, arquitetura, desempenho e manutenibilidade de longo prazo ainda são difíceis; LLMs ajudam com sintaxe e boilerplate, não com design profundo.
  • Várias pessoas observam que os modelos se saem muito bem quando um projeto é bem estruturado e tem padrões claros; eles se comportam pior em bases de código bagunçadas, livres ou complexas.

Agentes, Fluxos de Trabalho e Fadiga

  • “Swarms” multiagente são vistos por alguns como impulsionadores mágicos de produtividade; por outros, como caros, instáveis e mentalmente exaustivos.
  • Lidar com muitos threads de agentes concorrentes é descrito como superestimulante em comparação com a programação tradicional.
  • Um ponto de vista contrário: praticantes de nível de fronteira estão cada vez mais recorrendo a menos agentes, bem alinhados, mais processos robustos, e não a swarms.

Qualidade de Código, Revisão e Confiabilidade

  • Relatos de erros “insidiosos” e implementações bizarras (por exemplo, copiar bancos inteiros para atualizar uma única linha) ressaltam a necessidade de revisão humana, testes fortes e especificações claras.
  • Alguns afirmam que quase não leem mais código, confiando em agentes + revisores automatizados + QA e rollbacks; outros consideram isso imprudente e insistem que revisar código gerado ainda é essencial.
  • Há discordância sobre se o código escrito por IA já é melhor do que o da maioria dos desenvolvedores humanos ou apenas mais rápido para produzir “slop” de baixa qualidade.

Economia: Tokens, Hardware e Empregos

  • Gasto alto com tokens (milhares por mês) é visto por alguns como justificável para pesquisa ou desenvolvimento rápido de produto, e por outros como desperdício em comparação com comprar rigs locais de GPU.
  • Muitos veem a IA como um forte multiplicador, e não como um matador de empregos: ainda são necessários engenheiros para especificar, validar e iterar.
  • Há preocupações com o “deskilling” de programadores versus otimismo de que desenvolvedores mais fracos serão elevados a um patamar mínimo mais alto.

Dados de Treinamento e Qualidade de Longo Prazo

  • Um lado teme que o treinamento dos modelos se deteriore à medida que mais conteúdo gerado por IA inunda a web.
  • Outros respondem que aprendizado por reforço, dados sintéticos e processos melhores podem manter o desempenho em melhoria.

IA para Arte, Música e Vídeo

  • Debate acalorado: alguns acham música e imagens geradas por IA sem alma e, por natureza, não arte; outros dizem que a arte é definida pela intenção e pela resposta humanas, com a IA sendo apenas mais uma ferramenta.
  • Muitos traçam um contraste nítido entre o entusiasmo por código gerado por IA e o desconforto ou hostilidade em relação à arte e à música geradas por IA.
  • Exemplos de curtas e músicas assistidos por IA são citados como obras criativas “reais”, embora alguns espectadores ainda sintam uma qualidade estranha, não totalmente humana.

IA como Professora e Apoio à Pesquisa

  • Há forte concordância de que LLMs são excelentes para aprender e fazer mergulhos profundos em tópicos complexos (por exemplo, política energética), especialmente quando apontam boas fontes primárias.
  • Ainda assim, a confiança é limitada: as pessoas enfatizam verificar as afirmações e tratar explicações de IA como pontos de partida, não como autoridades.

Qualidade de Software e a “Bolha”

  • Vários comentaristas observam que o software moderno parece mais frágil e bugado, apesar das alegações de que a IA “resolveu” a codificação.
  • Há debate sobre se a IA é uma verdadeira revolução de produtividade ou apenas mais uma bolha tecnológica; alguns veem ganhos constantes e inegáveis, outros veem principalmente hype e degradação suave do produto.