Tenho aproveitado meu tempo sem trabalhar pra estudar, enfim a vida de quem trabalha com tecnologia né? E um dos meus maiores focos tem sido IA, seus usos, como ela entra e pode ser aplicada em áreas diferentes, e todas as novidades que saem todos os dias. Hoje vim compartilhar uma coisa bem legal que aprendi no curso AI-Native Engineering Foundations do Addy Osmani, o problema dos 70%.
Existe um padrão claro que tenho observado na prática ao acompanhar dezenas de equipes de engenharia: a Inteligência Artificial resolve com impressionante eficiência 70% de quase qualquer tarefa técnica.
Falo daquela camada previsível, repetitiva e baseada em padrões exaustivamente documentados na internet. Coisas como código boilerplate, arquivos de configuração, implementações de CRUDs simples, conversão de sintaxe entre linguagens e a escrita de testes unitários básicos. A IA já "viu" milhões de exemplos disso em repositórios públicos e consegue reproduzir o padrão em segundos. Para essa fatia do trabalho, ela é uma aceleradora fantástica.
O grande problema, e o motivo pelo qual muitos projetos com IA começam bem mas falham no meio, é que os outros 30% são justamente os que sustentam o software.
É nesses 30% que entram as decisões que inteligência nenhuma consegue tomar sozinha:
- Contexto de Negócio: A IA não sabe por que aquela feature está sendo construída ou como ela impacta o usuário final.
- Arquitetura e Manutenibilidade: Escrever código que funciona hoje é fácil; escrever código que outra pessoa consegue alterar daqui a seis meses sem quebrar o sistema é outra história.
- Casos de Borda e Segurança: A IA tende a gerar o "caminho feliz". Tratar falhas de concorrência, vazamento de memória e vulnerabilidades específicas do seu ecossistema exige malícia técnica.
Essas questões não se resolvem apenas digitando linhas de código, elas exigem contexto, experiência, histórico de dores passadas e, acima de tudo, julgamento humano. E é exatamente aqui que a IA ainda não entrega.
O Paradoxo da Experiência: IA ajuda mais quem menos precisa dela
Dessa dinâmica dos 70/30 nasce um paradoxo importante no mercado atual: a IA entrega mais valor para quem já tem experiência.
Uma pessoa desenvolvedora experiente usa a ferramenta com um olhar altamente crítico, ela atua como um editor ou um revisor rigoroso: olha o código gerado, identifica um padrão de arquitetura ruim, uma vulnerabilidade de segurança e sabe exatamente como guiar o prompt para corrigir a rota. Para ela, a IA é um ganho enorme de produtividade porque ela domina os 30%.
Por outro lado, quem está começando na carreira corre um risco enorme. Diante de uma tela que cospe código pronto e aparentemente funcional em segundos, a tendência natural de quem tem menos experiência é aceitar a resposta "porque ela parece certa" e o código "rodou".
O resultado disso no médio prazo é a criação de sistemas frágeis, construídos sobre uma base de código que o próprio autor não entende totalmente. Além disso, cria-se uma falsa sensação de proficiência: o profissional acelera a entrega, mas estagna o aprendizado.
O código é commodity. O diferencial mudou de lugar.
Se a IA consegue automatizar a parte mecânica da escrita de código, a necessidade de aprender os fundamentos da computação e da engenharia de software não diminuiu , ela se tornou ainda mais crucial.
Se você não sabe como a memória funciona, como os dados trafegam na rede ou como os padrões de projeto se aplicam, você se torna refém da ferramenta. Você não manda no desenvolvimento; você apenas aceita sugestões.
Para não cair nessa armadilha, o segredo está em mudar a forma como interagimos com a tecnologia no dia a dia. Uma recomendação prática que sempre faço é a seguinte:
O resultado disso no médio prazo é a criação de sistemas frágeis, construídos sobre uma base de código que o próprio autor não entende totalmente. Além disso, cria-se uma falsa sensação de proficiência: o profissional acelera a entrega, mas estagna o aprendizado.
O código é commodity. O diferencial mudou de lugar.
Se a IA consegue automatizar a parte mecânica da escrita de código, a necessidade de aprender os fundamentos da computação e da engenharia de software não diminuiu , ela se tornou ainda mais crucial.
Se você não sabe como a memória funciona, como os dados trafegam na rede ou como os padrões de projeto se aplicam, você se torna refém da ferramenta. Você não manda no desenvolvimento; você apenas aceita sugestões.
Para não cair nessa armadilha, o segredo está em mudar a forma como interagimos com a tecnologia no dia a dia. Uma recomendação prática que sempre faço é a seguinte:
Sempre que a IA gerar um trecho de código para você, faça a si mesmo
uma pergunta: “Se eu fosse chamado para revisar esse código em uma
Code Review eu conseguiria explicar cada linha e justificar essa
escolha de design?”
- Se a resposta for sim: Use a IA como sua copilota e aproveite a velocidade.
- Se a resposta for não: Pare. Não dê merge. Use esse exato momento para estudar o que foi gerado, entender o porquê daquela solução e pesquisar os fundamentos por trás dela antes de confiar cegamente.
A IA pode ser a maior ferramenta de aprendizado que já tivemos, desde que você assuma o papel de estudante ativo, e não de mero copiador de prompts.
Redirecionando o tempo ganho
No fim das contas, a automação dos 70% padronizados do nosso trabalho é uma excelente notícia, ela nos livra do trabalho puramente "braçal" e repetitivo que consumia horas do nosso dia. O erro está em achar que o trabalho acaba quando esses 70% são entregues.
O verdadeiro diferencial humano, o que define uma pessoa engenheira de software de alto nível, mora justamente na nossa capacidade de navegar pelos 30% complexos. Use o tempo que a IA te deu de presente na base do código para pensar melhor na arquitetura, na segurança, na experiência do usuário e no impacto real do que você está construindo.
Pachi Parra