Adaptação e tradução do artigo original
de Tim O’Reilly, de 04 de fevereiro de 2025, publicado em https://www.oreilly.com/radar/the-end-of-programming-as-we-know-it/
Há muita
conversa na mídia de que os desenvolvedores de software logo perderão seus
empregos para a IA. Eu não acredito nisso.
Não é o fim da
programação. É o fim da programação como a conhecemos hoje . Isso não é
novidade. Os primeiros programadores conectaram circuitos físicos para executar
cada cálculo. Eles foram sucedidos por programadores escrevendo instruções de
máquina como código binário para serem inseridas um bit de cada vez, acionando
interruptores na frente de um computador. A programação em linguagem assembly
então pôs fim a isso. Ela permite que um programador use uma linguagem
semelhante à humana para dizer ao computador para mover dados para locais na
memória e executar cálculos neles. Então, o desenvolvimento de linguagens
compiladas de nível ainda mais alto, como Fortran, COBOL e seus sucessores C,
C++ e Java, significou que a maioria dos programadores não escrevia mais código
assembly. Em vez disso, eles podiam expressar seus desejos ao computador usando
abstrações de nível mais alto.
Com o tempo,
as linguagens interpretadas, que são muito mais fáceis de depurar, se tornaram
a norma.
BASIC, um dos
primeiros a fazer sucesso, foi visto inicialmente como um brinquedo, mas logo
provou ser a onda do futuro. A programação se tornou acessível a crianças e
empreendedores de garagem, não apenas ao sacerdócio de back office em grandes
empresas e agências governamentais.
Os sistemas
operacionais de consumo também foram uma grande parte da história. Nos
primeiros dias do computador pessoal, todo fabricante de computadores precisava
de engenheiros de software que pudessem escrever drivers de baixo nível que
realizassem o trabalho de leitura e gravação em placas de memória, discos
rígidos e periféricos como modems e impressoras. O Windows pôs fim a isso. Ele
não teve sucesso apenas porque forneceu uma interface gráfica de usuário que
tornou muito mais fácil para indivíduos não treinados usarem computadores. Ele
também forneceu o que Marc Andreessen, cuja empresa Netscape estava prestes a
ser atropelada pela Microsoft, desdenhosamente (e erroneamente) chamou de
"apenas um saco de drivers". Esse saco de drivers, liderado pelas
APIs Win32, significava que os programadores não precisavam mais escrever
código de baixo nível para controlar a máquina. Esse trabalho foi efetivamente
encapsulado no sistema operacional. Windows e macOS, e para dispositivos
móveis, iOS e Android, significam que hoje, a maioria dos programadores não
precisa mais saber muito do que as gerações anteriores de programadores sabiam.
Havia mais programadores, não
menos
Mas isso
estava longe do fim da programação. Havia mais programadores do que nunca.
Usuários na casa das centenas de milhões consumiam os frutos de sua
criatividade. Em uma demonstração clássica de elasticidade da demanda , como o
software era mais fácil de criar, seu preço caiu, permitindo que os
desenvolvedores criassem soluções pelas quais mais pessoas estavam dispostas a
pagar.
A web era
outro "fim da programação". De repente, a interface do usuário era
composta de documentos legíveis por humanos, exibidos em um navegador com links
que, por sua vez, podiam chamar programas em servidores remotos. Qualquer um
poderia construir um "aplicativo" simples com habilidade mínima de
programação. "Sem código" se tornou uma palavra da moda. Logo, todos
precisavam de um site. Ferramentas como o WordPress tornaram possível que não
programadores criassem esses sites sem codificação. No entanto, à medida que a
tecnologia cresceu em capacidade, sites de sucesso se tornaram cada vez mais
complexos. Houve uma separação crescente entre programação "frontend"
e "backend". Novas linguagens de programação interpretadas como
Python e JavaScript se tornaram dominantes. Dispositivos móveis adicionaram um
novo frontend onipresente, exigindo novas habilidades. E mais uma vez, a
complexidade estava escondida atrás de frameworks, bibliotecas de funções e
APIs que isolavam os programadores de ter que saber tanto sobre a
funcionalidade de baixo nível que era essencial para eles aprenderem apenas
alguns anos antes.
Big data,
serviços web e computação em nuvem estabeleceram um tipo de “ sistema
operacional de internet ”. Serviços como Apple Pay, Google Pay e Stripe
tornaram possível fazer tarefas empresariais antes difíceis e de alto risco,
como receber pagamentos com conhecimento mínimo de programação. Todos os tipos
de funcionalidade profunda e poderosa foram disponibilizados por meio de APIs
simples. No entanto, essa explosão de sites da internet e os protocolos de rede
e APIs que os conectam acabaram criando a necessidade de mais programadores.
Os
programadores não estavam mais construindo artefatos de software estáticos
atualizados a cada dois anos, mas continuamente desenvolvendo, integrando e
mantendo serviços de longa duração. Ainda mais importante, muito do trabalho
nesses vastos serviços, como Google Search, Google Maps, Gmail, Amazon,
Facebook e Twitter, era automatizado em grande escala. Os programas eram
projetados e construídos por humanos, não por IA, mas muito do trabalho em si
era feito por predecessores de propósito especial para as IAs de propósito
geral de hoje. Os trabalhadores que fazem a maior parte do trabalho pesado
nessas empresas já são programas. Os programadores humanos são seus gerentes .
Agora, há centenas de milhares de programadores fazendo esse tipo de trabalho
de supervisão. Eles já estão vivendo em um mundo onde o trabalho é criar e
gerenciar colegas de trabalho digitais.
“Google, Facebook, Amazon ou
uma série de startups mais recentes do Vale do Silício… empregam dezenas de
milhares de trabalhadores. Se você pensa com uma mentalidade de fábrica do
século XX, esses trabalhadores passam seus dias moendo produtos, assim como
seus antepassados industriais,
só que hoje, eles estão produzindo software em vez de bens físicos. Se, em vez disso, você recuar e
ver essas empresas com uma mentalidade do século XXI,
você percebe que uma grande parte do trabalho
dessas empresas – entregando resultados de pesquisa,
notícias e informações, atualizações de status de redes sociais e produtos
relevantes para compra – é feito por programas de software e algoritmos. Esses
são os verdadeiros trabalhadores, e os programadores que os criam são seus
gerentes.” —Tim O'Reilly, “ Managing the Bots That Are Managing the Business ,”
MIT Sloan Management Review , 21 de maio de 2016.
Em cada uma
dessas ondas, habilidades antigas se tornaram obsoletas — ainda úteis, mas não
mais essenciais — e novas se tornaram a chave para o sucesso. Ainda há alguns
programadores que escrevem compiladores, milhares que escrevem frameworks
JavaScript populares e bibliotecas Python, mas dezenas de milhões que escrevem
aplicativos web e móveis e o software de backend que os habilita. Bilhões de
usuários consomem o que produzem.
Será que desta vez será
diferente?
De repente,
porém, é aparentemente possível para um não programador simplesmente falar com
um LLM ou agente de software especializado em inglês simples (ou na linguagem
humana de sua escolha) e obter um protótipo útil em Python (ou na linguagem de
programação de sua escolha). Há até uma nova palavra da moda para isso: CHOP,
ou “programação orientada a bate-papo ”. A ascensão de modelos de raciocínio
avançado está começando a demonstrar IA que pode gerar até mesmo programas
complexos com um prompt de alto nível explicando a tarefa a ser realizada. Como
resultado, há muitas pessoas dizendo “desta vez é diferente”, que a IA
substituirá completamente a maioria dos programadores humanos e, de fato, a
maioria dos trabalhadores do conhecimento. Eles dizem que enfrentamos uma onda
de desemprego humano generalizado.
Eu ainda não
compro isso . Quando há um avanço que coloca poder de computação avançado nas
mãos de um grupo muito maior de pessoas, sim, pessoas comuns podem fazer coisas
que antes eram domínio de especialistas altamente treinados. Mas esse mesmo
avanço também permite novos tipos de serviços e demanda por esses serviços. Ele
cria novas fontes de magia profunda que apenas alguns entendem.
A mágica que
está chegando agora é a mais poderosa até agora. E isso significa que estamos
começando um profundo período de exploração e criatividade, tentando entender
como fazer essa mágica funcionar e derivar novas vantagens de seu poder.
Desenvolvedores inteligentes que adotam a tecnologia serão requisitados porque
podem fazer muito mais, focando na criatividade de nível mais alto que agrega
valor.
Aprender fazendo
A IA não
substituirá os programadores, mas transformará seus empregos. Eventualmente,
muito do que os programadores fazem hoje pode ser tão obsoleto (para todos,
exceto para programadores de sistemas embarcados) quanto a antiga habilidade de
depuração com um osciloscópio. O programador mestre e observador de tecnologia
presciente Steve Yegge observa que não são os programadores juniores e de nível
médio que serão substituídos, mas aqueles que se apegam ao passado em vez de
abraçar as novas ferramentas e paradigmas de programação. Aqueles que adquirem
ou inventam as novas habilidades estarão em alta demanda. Os desenvolvedores
juniores que dominam as ferramentas da IA serão capazes de superar os programadores seniores que não o fazem. Yegge chama isso de " A Morte do Desenvolvedor
Teimoso ".
Minhas ideias
são moldadas não apenas por meus mais de 40 anos de experiência na indústria de
computadores e pelas observações de desenvolvedores como Yegge, mas também pelo
trabalho do historiador econômico James Bessen , que estudou como a primeira
Revolução Industrial ocorreu nas fábricas têxteis de Lowell, Massachusetts, no
início dos anos 1800. À medida que artesãos qualificados eram substituídos por
máquinas operadas por mão de obra "não qualificada", os salários
humanos eram de fato deprimidos. Mas Bessen notou algo peculiar ao comparar os
registros salariais dos trabalhadores nas novas fábricas industriais com os dos
antigos artesãos domésticos. Levava quase o mesmo tempo para um artesão
aprendiz atingir o salário integral de um jornaleiro qualificado quanto para um
dos novos trabalhadores de fábrica não qualificados de nível básico atingir o
salário integral e a produtividade. Os trabalhadores em ambos os regimes eram,
na verdade, trabalhadores qualificados. Mas eles tinham diferentes tipos de habilidades.
Havia duas
grandes razões, Bessen descobriu, pelas quais os salários permaneceram estáveis
ou deprimidos durante a
maior parte dos primeiros 50 anos da Revolução
Industrial antes de decolar e levar a um aumento generalizado da prosperidade.
A primeira foi que os donos das fábricas
acumularam os benefícios da nova produtividade em vez de
compartilhá-la com os trabalhadores. Mas a segunda foi
que os maiores ganhos de produtividade levaram décadas
para chegar porque o conhecimento de como melhor usar a nova tecnologia ainda
não estava amplamente disperso. Levou décadas para os inventores tornarem as
máquinas mais robustas, para aqueles que as usavam criarem novos tipos de
fluxos de trabalho para torná-los mais eficazes, para criar novos tipos de
produtos que pudessem ser feitos com elas, para uma gama mais ampla de empresas
adotar as novas tecnologias e para os trabalhadores adquirirem as habilidades
necessárias para tirar proveito delas . Os trabalhadores precisavam de novas
habilidades não apenas para usar as máquinas, mas para consertá-las,
melhorá-las, inventar o futuro que elas implicavam, mas ainda não haviam
tornado totalmente possível. Tudo isso acontece por meio de um processo que Bessen
chama de "aprender fazendo".
Não é
suficiente que alguns indivíduos estejam à frente da curva na adoção de novas
habilidades. Bessen explica que “o que importa para uma fábrica, uma indústria
e para a sociedade em geral não é quanto tempo leva para treinar um trabalhador
individual, mas o que é preciso para criar uma força de trabalho estável e
treinada” ( Learning by Doing , 36). Hoje, toda empresa que será tocada por
essa revolução (ou seja, toda empresa) precisa colocar a mão na massa.
Precisamos de uma força de trabalho alfabetizada em IA. O que é programação,
afinal, senão a maneira como os humanos fazem os computadores fazerem o que
queremos? O fato de que a “programação” está se aproximando cada vez mais da
linguagem humana, que nossas máquinas podem nos entender em vez de termos que
falar com elas em sua língua nativa de 0s e 1s, ou algum pidgin de linguagem de
programação especializada, deve ser motivo de comemoração.
As pessoas
criarão, usarão e refinarão mais programas, e novas indústrias nascerão para
gerenciar e construir sobre o que criamos. Lições da história nos dizem que
quando a automação torna mais barato e fácil entregar produtos que as pessoas
querem ou precisam, aumentos na demanda frequentemente levam a aumentos no
emprego . É somente quando a demanda é satisfeita que o emprego começa a cair.
Estamos longe desse ponto quando se trata de programação.
Não é de
surpreender que o professor da Wharton School e evangelista de IA Ethan Mollick
também seja fã do trabalho de Bessen. É por isso que ele argumenta de forma tão
convincente para "sempre trazer a IA para a mesa", para envolvê-la em
todos os aspectos do seu trabalho e para explorar "a borda irregular"
do que funciona e do que não funciona. É também por isso que ele incentiva as
empresas a usar a IA para capacitar seus trabalhadores, não para substituí-los.
Há muito o que aprender sobre como aplicar a nova tecnologia. A melhor fonte de
P&D aplicada das empresas são as explorações das pessoas que você tem, pois
elas usam a IA para resolver seus problemas e buscar novas oportunidades.
O que a programação vai mudar
Sam Schillace,
um dos vice-CTOs da Microsoft, concordou com minha análise. Em uma conversa
recente, ele me disse: “Estamos no meio da invenção de um novo paradigma de
programação em torno de sistemas de IA. Quando passamos do desktop para a era
da internet, tudo na pilha mudou, embora todos os níveis da pilha fossem os
mesmos. Ainda temos linguagens, mas elas foram de compiladas para
interpretadas. Ainda temos equipes, mas elas foram de cascata para Agile para
CI/CD. Ainda temos bancos de dados, mas elas foram de ACID para NoSQL. Fomos de
um usuário, um aplicativo, um thread, para multidistribuído, seja o que for.
Estamos fazendo a mesma coisa com IA agora.”
Aqui estão algumas das
tecnologias que estão sendo montadas em uma nova pilha de IA. E isso nem inclui
a infinidade de modelos de IA, suas APIs e sua infraestrutura de nuvem. E já
está desatualizado!
Mas a explosão de novas
ferramentas, frameworks e práticas é apenas o começo de como a programação está
mudando. Um problema, Schillace observou, é que os modelos não têm memória da
mesma forma que os humanos têm memória. Mesmo com grandes janelas de contexto,
eles lutam para fazer o que ele chama de "metacognição". Como
resultado, ele vê a necessidade de os humanos ainda fornecerem uma grande parte
do contexto em que seus codesenvolvedores de IA operam.
Schillace expandiu essa ideia em
uma publicação recente . “Modelos de linguagem grande (LLMs) e outros sistemas
de IA estão tentando automatizar o pensamento”, ele escreveu. “Os paralelos com
a automação do movimento durante a revolução industrial são impressionantes.
Hoje, a automação ainda é rudimentar: estamos fazendo o equivalente cognitivo
de bombear água e martelar — tarefas básicas como sumarização, reconhecimento
de padrões e geração de texto. Ainda não descobrimos como construir motores
robustos para essa nova fonte de energia — ainda nem chegamos ao estágio de
locomotiva da IA.”
Até mesmo o estágio locomotor foi
em grande parte uma expansão da força bruta que os humanos eram capazes de usar
ao mover objetos físicos. O próximo avanço essencial foi um aumento nos meios
de controle sobre esse poder. Schillace pergunta: "E se a engenharia de
software tradicional não for totalmente relevante aqui? E se a construção de IA
exigir práticas e sistemas de controle fundamentalmente diferentes? Estamos
tentando criar novos tipos de pensamento (nosso análogo ao movimento): sistemas
de nível superior, metacognitivos e adaptativos que podem fazer mais do que
repetir padrões pré-concebidos. Para usá-los efetivamente, precisaremos
inventar maneiras inteiramente novas de trabalhar, novas disciplinas. Assim
como os desafios da energia a vapor inicial deram origem à metalurgia, os
desafios da IA forçarão o surgimento de novas ciências de cognição,
confiabilidade e escalabilidade — campos que
ainda não existem totalmente."
O desafio de implementar
tecnologias de IA nos negócios
Bret Taylor, ex-co-CEO da
Salesforce, ex-diretor de tecnologia da Meta e, há muito tempo, líder da equipe
que criou o Google Maps, agora é o CEO da desenvolvedora de agentes de IA
Sierra , uma empresa no centro do desenvolvimento e implantação de tecnologia
de IA em empresas. Em uma conversa recente, Bret me disse que acredita que o
agente de IA de uma empresa se tornará sua principal interface digital, tão
significativo quanto seu site, tão significativo quanto seu aplicativo móvel,
talvez até mais. O agente de IA de uma empresa terá que codificar todas as suas
principais políticas e processos de negócios. Isso é algo que a IA pode
eventualmente ser capaz de fazer por conta própria, mas hoje, a Sierra tem que
designar a cada um de seus clientes uma equipe de engenharia para ajudar com a
implementação .
“Essa última milha de pegar uma
plataforma bacana e um monte de seus processos de negócios e manifestar um
agente é realmente muito difícil de fazer”, explicou Bret. “Há uma nova função
surgindo agora que chamamos de engenheiro de agente , um desenvolvedor de
software que se parece um pouco com um desenvolvedor web frontend. Esse é um
arquétipo que é o mais comum em software. Se você é um desenvolvedor React,
pode aprender a fazer agentes de IA. Que maneira maravilhosa de requalificar e
tornar suas habilidades relevantes.”
Quem vai querer passar por uma
árvore telefônica de atendimento ao cliente quando poderia estar falando com um
agente de IA que pode realmente resolver seu problema? Mas acertar esses
agentes será um verdadeiro desafio. Não é a programação que é tão difícil. É
entender profundamente os processos de negócios e pensar como a nova capacidade
pode transformá-los para aproveitar as novas capacidades. Um agente que
simplesmente reproduz processos de negócios existentes será tão embaraçoso
quanto uma página da web ou aplicativo móvel que simplesmente recria um
formulário em papel. (E sim, eles ainda existem!)
Addy Osmani, chefe de experiência
do usuário do Google Chrome, chama isso de problema dos 70% : “Embora os
engenheiros relatem estar dramaticamente mais produtivos com IA, o software
real que usamos diariamente não parece estar ficando visivelmente melhor.” Ele
observa que não programadores trabalhando com ferramentas de geração de código
de IA podem fazer uma ótima demonstração ou resolver um problema simples, mas
ficam presos nos últimos 30% de um programa complexo porque não sabem o
suficiente para depurar o código e guiar a IA para a solução correta. Enquanto
isso:
Quando você
observa um engenheiro sênior trabalhando com ferramentas de IA como Cursor ou
Copilot, parece mágica. Eles podem criar recursos inteiros em minutos,
completos com testes e documentação. Mas observe com cuidado, e você notará
algo crucial: eles não estão apenas aceitando o que a IA sugere... Eles estão
aplicando anos de sabedoria de engenharia arduamente conquistada para moldar e
restringir a saída da IA. A IA está acelerando sua implementação, mas sua
expertise é o que mantém o código sustentável. Engenheiros juniores geralmente
perdem essas etapas cruciais. Eles aceitam a saída da IA mais prontamente, levando ao
que eu chamo de "código de castelo
de cartas" - parece completo, mas desmorona sob pressão do mundo real.
A esse respeito, Chip Huyen,
autor do novo livro AI Engineering , fez uma observação
esclarecedora em um e-mail que me foi enviado:
Não acho
que a IA introduza um novo tipo de pensamento. Ela revela o que realmente
requer pensamento .
Não importa
o quão manual, se uma tarefa só pode ser feita por um punhado dos mais
educados, essa tarefa é considerada intelectual. Um exemplo é a escrita, o ato
físico de copiar palavras no papel. No passado, quando apenas uma pequena
parcela da população era alfabetizada, a escrita era considerada intelectual.
As pessoas até se orgulhavam de sua caligrafia. Hoje em dia, a palavra
"escrever" não se refere mais a esse ato físico, mas à abstração mais
alta de organizar ideias em um formato legível.
Da mesma
forma, uma vez que o ato físico de codificação possa ser automatizado, o
significado de "programação" mudará para se referir ao ato de
organizar ideias em programas executáveis .
Mehran
Sahami, o presidente do departamento de CS de Stanford, colocou de forma
simples: "A ciência da computação é sobre pensamento sistemático, não
sobre escrever código."
Quando agentes de IA começam a
falar com agentes…
…a precisão na articulação
correta do problema se torna ainda mais importante. Um agente como um frontend
corporativo que fornece acesso a todos os processos de negócios de uma empresa
estará falando não apenas com os consumidores, mas também com agentes desses
consumidores e agentes de outras empresas.
Todo esse lado da equação do
agente é muito mais especulativo. Ainda não começamos a construir os padrões
para cooperação entre agentes de IA independentes! Um artigo recente sobre a
necessidade de infraestrutura de agentes observa:
As
ferramentas atuais são amplamente insuficientes porque não são projetadas para
moldar como os agentes interagem com instituições existentes (por exemplo,
sistemas legais e econômicos) ou atores (por exemplo, provedores de serviços
digitais, humanos, outros agentes de IA). Por exemplo, técnicas de alinhamento
por natureza não garantem às contrapartes que algum humano será
responsabilizado quando um usuário instrui um agente a executar uma ação
ilegal. Para preencher essa lacuna, propomos o conceito de infraestrutura de
agente: sistemas técnicos e protocolos compartilhados externos aos agentes que
são projetados para mediar e influenciar suas interações e impactos em seus
ambientes. A infraestrutura de agente compreende novas ferramentas e
reconfigurações ou extensões de ferramentas existentes. Por exemplo, para
facilitar a responsabilização, os protocolos que vinculam usuários a agentes
podem se basear em sistemas existentes para autenticação de usuários, como o
OpenID. Assim como a Internet depende de infraestrutura como HTTPS,
argumentamos que a infraestrutura de agente será similarmente indispensável
para ecossistemas de agentes. Identificamos três funções para a infraestrutura
de agente: 1) atribuir ações, propriedades e outras informações a agentes específicos,
seus usuários ou outros atores; 2) moldar as interações dos agentes; e 3)
detectar e remediar ações prejudiciais de agentes.
Há enormes problemas de
coordenação e design a serem resolvidos aqui. Mesmo os melhores agentes de IA
que podemos imaginar não resolverão problemas complexos de coordenação como
este sem direção humana. Há programação suficiente necessária aqui para manter
até mesmo programadores assistidos por IA ocupados por pelo menos a próxima
década.
Em suma, há um mundo inteiro de
novos softwares a serem inventados, e eles não serão inventados somente pela
IA, mas por programadores humanos usando a IA como um superpoder. E esses
programadores precisam adquirir muitas habilidades novas.
Estamos nos primeiros dias da
invenção do futuro
Há muito o que aprender e fazer.
Então, sim, sejamos ousados e
assumamos que os codevelopers de IA tornam os programadores dez vezes mais
produtivos. (Sua milhagem pode variar, dependendo de quão
ansiosos seus desenvolvedores estão para aprender
novas habilidades.) Mas vamos também estipular
que, uma vez que isso aconteça, a "área de superfície programável" de um negócio, das ciências, da nossa infraestrutura construída
aumentará em paralelo. Se houver 20x o número de oportunidades para a programação fazer
a diferença, ainda precisaremos do dobro desses novos programadores 10x!
As expectativas dos usuários
também vão aumentar. Empresas que simplesmente usam a maior produtividade para
cortar custos perderão para empresas que investem em aproveitar as novas
capacidades para construir melhores serviços .
Como observa Simon Willison, um
desenvolvedor de software de longa data que está na vanguarda ao mostrar ao
mundo como a programação pode ser mais fácil e melhor na era da IA, a IA
permite que ele "seja mais ambicioso" com seus projetos.
Aprenda uma lição de outro campo
onde as capacidades explodiram: pode levar tanto tempo para renderizar um único
quadro de um dos filmes de super-heróis da Marvel de hoje quanto levou para
renderizar todo o primeiro filme da Pixar, embora o preço e o desempenho da
CPU/GPU tenham se beneficiado da Lei de Moore. Acontece que a indústria
cinematográfica não se contentou em entregar animação bruta de baixa resolução
mais rápido e mais barato. Os ciclos extras foram para milhares de pequenas
melhorias em pele realista, água, nuvens, reflexos e muitos, muitos mais pixels
de resolução. A melhoria tecnológica resultou em maior qualidade, não apenas
entrega mais barata/rápida. Existem algumas indústrias que se tornaram
possíveis pela escolha de valores de produção mais baratos/rápidos em vez de
maiores (considere a explosão de vídeos criados por usuários online), então não
será nem um nem outro. Mas a qualidade terá seu lugar no mercado. Sempre tem.
Imagine dezenas de milhões de
programadores amadores assistidos por IA trabalhando com ferramentas de IA como
Replit e Devin ou soluções empresariais como as fornecidas pela Salesforce,
Palantir ou Sierra. Qual é a probabilidade de eles tropeçarem em casos de uso
que atrairão milhões? Alguns deles se tornarão os empreendedores desta próxima
geração de software criada em parceria com IA. Mas muitas de suas ideias serão
adotadas, refinadas e dimensionadas por desenvolvedores profissionais
existentes.
A jornada do protótipo à
produção
Na empresa, a IA tornará muito
mais possível que soluções sejam construídas por aqueles mais próximos de
qualquer problema. Mas as melhores dessas soluções ainda precisarão percorrer o
resto do caminho no que Shyam Sankar, o CTO da Palantir, chamou de “ a jornada
do protótipo à produção ”. Sankar observou que o valor da IA para a empresa está “na automação, na
autonomia empresarial”. Mas, como ele também destacou, “a automação é limitada por casos extremos”. Ele
lembrou as lições de Stanley, o carro autônomo que venceu o DARPA Grand Challenge em 2005: capaz de fazer
algo notável, mas exigindo outros 20 anos de desenvolvimento para lidar
totalmente com os casos extremos de dirigir em uma cidade.
“O fluxo de trabalho ainda
importa”, argumentou Sankar, e o trabalho do programador será entender o que
pode ser feito pelo software tradicional, o que pode ser feito pela IA, o que
ainda precisa ser feito pelas pessoas e como você encadeia as coisas para
realmente realizar o fluxo de trabalho. Ele observa que “uma cadeia de
ferramentas que permite capturar feedback e aprender os casos extremos para
chegar lá o mais rápido possível é a cadeia de ferramentas vencedora”. No mundo
que Sankar prevê, a IA “realmente vai liberar os desenvolvedores para entrarem
muito mais no negócio e serem muito mais alavancados no impacto que entregam”.
Enquanto isso, os especialistas de primeira linha no assunto se tornarão
programadores com a ajuda de assistentes de IA. Não são os programadores que
ficarão sem trabalho. Serão as pessoas — em todas as funções — que não se
tornarão programadores assistidos por IA.
Este não é o fim da programação. É o começo de sua mais recente reinvenção..
