Se você para de escrever código, também fica pior em revisá-lo
Codificação assistida por IA e por agentes está levantando preocupações de que desenvolvedores que param de escrever código manualmente perderão a capacidade de entendê-lo e revisá-lo profundamente. Comentadores descrevem uma troca entre ganhos massivos de velocidade e a atrofia de habilidades essenciais, como arquitetura, depuração e raciocínio sobre sistemas, especialmente à medida que organizações deslocam revisões para um nível mais alto de design ou as terceirizam para a IA. Alguns veem isso como uma evolução inevitável da engenharia de software, enquanto outros temem um futuro de sistemas frágeis e pouco compreendidos, mantidos por pessoas que já não conseguem julgar de forma confiável a qualidade do código que entregam.
Código gerado por IA e ciclos de feedback autodegradantes
- Vários comentaristas temem um efeito “ouroboros”: a IA substitui programadores humanos, reduzindo a oferta de dados de treinamento de alta qualidade e degradando modelos futuros.
- Preocupação de que os maiores usuários de IA sejam organizações com bases de código ruins e mal compreendidas; equipes de alta qualidade podem evitar compartilhar código ou até mesmo torná-lo open source, inclinando os dados para “slop”.
- Alguns preveem um aprisionamento deliberado: distribuição apenas em binário, barreiras legais/técnicas ao uso de modelos abertos e “exploração” da dependência do usuário.
Atrofia de habilidade: escrever vs revisar código
- Há forte concordância de que, se você para de escrever código, sua capacidade de revisá-lo, depurá-lo e raciocinar sobre ele decai — com analogias a pilotos obrigados a voar manualmente ou músicos que deixam de praticar.
- Outros argumentam que revisar e escrever são habilidades distintas; algumas pessoas são boas em uma e não na outra, embora muitos digam que o verdadeiro domínio da revisão exige codificação ativa.
- Vários apontam um paradoxo: para usar LLMs de forma eficaz, você já precisa conhecer o domínio, mas a dependência pesada corre o risco de corroer esse conhecimento ao longo do tempo.
Como as pessoas estão usando agentes na prática
- Padrão comum: delegar código “chato” ou repetitivo a agentes e depois fazer uma revisão cuidadosa linha por linha, especialmente em sistemas críticos ou de longa duração.
- Alguns restringem os agentes a mudanças pequenas e incrementais; outros “engenheiram por vibe” recursos inteiros com revisão mínima, trocando qualidade por velocidade e volume.
- Uma minoria admite que quase não lê mais código de IA, focando em regras de negócio, estruturas de dados e segurança, e confiando em verificações automatizadas.
Natureza e valor mutáveis da revisão de código
- Muitos lamentam que a revisão humana minuciosa já seja rara; onde existe, ela é valorizada por promover entendimento compartilhado, alinhamento da equipe, mentoria e correção arquitetural.
- Alguns argumentam que o código agora é “barato”, mas a arquitetura, as interfaces e os testes não são; as revisões deveriam subir de nível de abstração em vez de desaparecer.
- Outros acham que IA + verificação automatizada forte tornarão a revisão manual amplamente obsoleta, especialmente à medida que a IA melhorar tanto em escrever quanto em revisar.
Aprendizado, expertise e futuros desenvolvedores
- Vários temem que juniores que nunca constroem sistemas “na mão” não desenvolvam modelos mentais profundos, apenas familiaridade superficial com soluções geradas.
- Outros relatam aprender mais e mais rápido usando LLMs como tutores, facilitadores de experimentos e ferramentas de exploração — mas reconhecem que “ler” soluções fixa menos do que resolver problemas por conta própria.
- Há uma tensão não resolvida entre o entusiasmo com ganhos massivos de produtividade e o medo de uma perda de longo prazo da expertise humana e da explicabilidade.