Seja um engenheiro de software. A IA é uma ferramenta, não substitui conhecimento de arquitetura, engenharia e boas práticas.

Não terceirize decisões para a IA. Requisitos funcionais e não funcionais devem ser definidos por você. Seja específico e pense até nos menores detalhes.

Não existe almoço grátis. Modelos gratuitos, versões mais baratas ou rodar modelos locais ainda ficam atrás dos melhores modelos para desenvolvimento profissional.

Hoje, os modelos mais viáveis para engenharia de software são o Opus e o GPT usando o maior nível de raciocínio ("high effort"). Utilizar modelos inferiores geralmente aumenta o retrabalho, fazendo você gastar mais tempo e consumindo o tempo de outras pessoas revisando e corrigindo erros.

Use agentes de IA rodando no seu computador. O harness faz uma diferença enorme na qualidade. Para GPT, use o Codex. Para Opus, use o Claude Code. Ferramentas com harness inferior normalmente entregam resultados inferiores, mesmo usando o mesmo modelo. Afinal, por que uma empresa terceirizada conseguiria criar uma ferramenta que extrai mais de um modelo do que a própria empresa que o desenvolveu?

Planos mais baratos de IA servem para projetos simples ou amadores. Em projetos profissionais, considere investir em planos que ofereçam acesso aos melhores modelos e maior capacidade de uso.

Todo projeto deve possuir um CLAUDE.md ou AGENTS.md. Mantenha esse arquivo curto, objetivo, em inglês e contendo apenas as informações realmente importantes do projeto.

Nunca implemente diretamente. O fluxo ideal é:

O plano precisa conter engenharia de software de verdade. Inclua arquitetura, critérios de aceitação, testes automatizados, validações e feedback loops.

Seja cético com o plano. Revise tudo antes de implementar. Peça para a IA revisar o plano e identificar lacunas ou fazer perguntas antes de escrever código.

A IA só deveria errar por não seguir o plano. Nunca porque começou a implementar sem planejamento ou porque havia requisitos em aberto.

A revisão humana é obrigatória. Se código inseguro, pouco escalável ou de baixa qualidade chegar à produção, a responsabilidade continua sendo sua.

Desenvolva senso crítico. Seja criativo, detalhista e tome decisões de engenharia. A IA deve funcionar como uma extensão da sua capacidade, não como seu substituto.

Mude seu papel. Se você sempre foi apenas quem implementava tarefas, aprender a trabalhar com IA exige assumir funções de arquiteto, tech lead e product owner. Passe a pensar no sistema como um todo, enquanto a IA executa grande parte do trabalho operacional.

Contexto é tudo. Um único prompt não basta. Quanto mais contexto você fornecer (regras de negócio, arquitetura, convenções, exemplos e restrições), melhor será o resultado.

Nunca trabalhe sem testes. Se o projeto não possui testes, peça para a IA criá-los antes ou junto com a implementação.

Sempre valide automaticamente. Todo ciclo deve terminar executando testes, build, linters, formatadores e análise estática.

A IA acelera a execução, não substitui o julgamento. O principal gargalo deixa de ser escrever código e passa a ser tomar boas decisões de engenharia.

Se seu trabalho é apenas implementar o que outra pessoa já analisou e definiu, você provavelmente terá dificuldade em enxergar o valor da IA. Ela acelera justamente atividades de execução; o maior valor continua sendo entender o problema e tomar as decisões de engenharia.

Não aceite código apenas porque funciona. Exija legibilidade, simplicidade, segurança, observabilidade, testes e manutenibilidade.

Use skills para padronizar prompts na sua empresa. Elas evitam que você precise reescrever instruções repetitivas para tarefas feitas constantemente, mantendo o mesmo padrão de qualidade, arquitetura e validação em todos os projetos.

Se analisar, planejar, revisar e testar parece trabalho demais para você, talvez não valha a pena usar IA para desenvolver software. Sem esse processo, a tendência é gerar código de baixa qualidade, aumentar o retrabalho e criar problemas que custarão muito mais tempo para corrigir depois.

A responsabilidade é sempre sua. No final, você é responsável por cada linha de código que chega à produção. Não culpe a IA, as ferramentas ou terceiros pela falta de revisão ou por decisões de engenharia mal tomadas. No fim, quem a empresa vai cobrar é você.