Jonathan Blow – Se a IA tivesse resolvido a programação, por que meu software ainda é o mesmo? [vídeo]

As alegações de que “a IA resolveu a programação” colidem aqui com a realidade de que o software que a maioria das pessoas usa ainda parece lento, com bugs ou inalterado. Os comentaristas argumentam que a programação raramente foi o verdadeiro gargalo: incentivos organizacionais, visão de produto, arquitetura, testes e manutenção continuam difíceis, e os LLMs atuais principalmente aceleram boilerplate e ferramentas pessoais, enquanto muitas vezes adicionam dívida técnica e “slop” de baixa qualidade. Além disso, os participantes debatem se a produção prolífica indie e os apps personalizados e únicos contam como progresso real, e quanta importância dar a desenvolvedores de jogos proeminentes que são céticos quanto ao impacto da IA no craftsmanship de software.

Qualidade Percebida do Software e Mudança

  • Muitos argumentam que o software do dia a dia piorou: mais bugs, mais lento (por exemplo, lançamentos modernos de SO, lembretes do Outlook) e mais “AI slop” enxertado.
  • Outros dizem que a qualidade central não mudou muito; apenas o hardware e as ferramentas superficiais melhoraram, enquanto a UX e a confiabilidade estagnaram ou regrediram.
  • Alguns observam que os aplicativos comerciais dominantes mudam lentamente, enquanto as melhorias impulsionadas por IA são em grande parte ferramentas internas invisíveis e utilitários pessoais.

Programação vs. Gargalos Organizacionais

  • Tema forte: a programação raramente foi o verdadeiro gargalo; comunicação, planejamento, jurídico, política e coordenação dominam os prazos.
  • LLMs comprimem a fase de “programação + teste de componente”, expondo que agora requisitos, arquitetura, implantação e ciclos de feedback dominam.
  • Grandes organizações com reuniões, processos e revisão jurídica não conseguem facilmente converter velocidade bruta de programação em entrega mais rápida.

Produtividade em Programação com IA: Hype vs. Realidade

  • Entusiastas afirmam aumento de 10–100x na produção para certas tarefas, criação rápida de aplicativos inteiros, motores e clones pessoais de ferramentas comerciais.
  • Céticos relatam ganhos líquidos negativos ou modestos: a IA produz código excessivamente complexo e frágil, PRs enormes e mais trabalho de manutenção/verificação.
  • Vários comentaristas enfatizam o viés de seleção: projetos paralelos e demos em terreno novo parecem espetaculares; contexto de negócio, casos extremos e manutenção de longo prazo revelam limites.

Arquitetura, Requisitos e “O Que Construir”

  • Há amplo acordo de que a IA não “resolve” visão de produto, priorização ou design de sistema de alto nível.
  • Bons requisitos, modelagem de domínio e fronteiras de abstração ainda exigem julgamento humano; LLMs frequentemente violam encapsulamento e criam arquiteturas emaranhadas, a menos que sejam fortemente guiados.
  • Alguns preveem futuros fluxos de trabalho em que humanos especificam metas e restrições enquanto a IA dita os detalhes de implementação, mas isso ainda é aspiracional.

Casos de Uso Pessoais e Indie

  • Muitos relatam sucesso dramático ao construir software pessoal: ferramentas customizadas de mídia, apps de produtividade, jogos indie, substitutos local-first para SaaS.
  • Essas ferramentas muitas vezes servem muito bem a um único usuário, mas seriam frágeis ou pouco escaláveis como produtos gerais; QA, polimento de UX e casos extremos continuam difíceis.

Emprego, Dinâmicas de Poder e Cultura

  • Vários observam ansiedade crescente com empregos entre desenvolvedores; alguns gerentes estão abertamente satisfeitos por a IA ter “cortado o rabo dos devs” e os tornado mais complacentes.
  • Há preocupação de que a IA amplifique o foco gerencial na contagem de artefatos (tickets, docs, linhas de código) em vez de resultados, e acelere a enshittification em vez da qualidade.

Sentimento Geral

  • Consenso: a IA mudou significativamente como o código é escrito, mas ainda não o que o software convencional é ou como as organizações operam.
  • O entusiasmo pela IA como uma ferramenta poderosa coexist e com profundo ceticismo sobre qualidade, manutenibilidade, incentivos e impacto de longo prazo.