Muita gente da minha geração ouviu Enter Sandman antes de entender metade da letra (era tudo em inglês). A música do Metallica, lançada em 1991 (lá se vão 35 anos, e eu tinha 8), fala de pesadelo de criança. Tem a oração antes de dormir, o sono que não vem e a sensação de que algo espreita no escuro, mesmo com alguém prometendo vigiar. Desde então, essa música virou referência comum entre os fãs do Metallica para noite ruim e para aquilo que a gente preferia não encarar.
Sleep with one eye open (Durma com um olho aberto) ♫
Gripping your pillow tight (Agarrando seu travesseiro bem forte) ♫
Exit light (Sai a luz) ♫
Enter night (Entra a noite) ♫
Take my hand (Segure a minha mão) ♫
We're off to Never-never Land (Estamos indo para a Terra do Nunca) ♫
Para mim, a inteligência artificial encaixa nessa situação. Não é por ela ser um monstro de filme. É porque passou décadas adormecida na ficção e no laboratório e, "de repente", acordou dentro do editor de código, do terminal e da reunião de projeto. O Sandman traz o sono; a IA faz despertar. A combinação dos dois é justamente o problema: algo acordou enquanto parte da profissão dormia.
Há uma cena de The Mummy (1932) que resume bem a situação. Um jovem arqueólogo, sozinho com os achados da escavação, lê em voz alta um pergaminho que não compreende. Atrás dele, Boris Karloff, a múmia, abre os olhos. Quando o rapaz entende o que fez, perde o juízo. O perigo não estava só na múmia. Estava em pronunciar algo poderoso sem saber o que aquilo fazia.
Troque o pergaminho por código e a cena fica muito familiar.
O pesadelo de quem dorme
Para quem está distraído ou aposta em que nada vá mudar, o pesadelo deixa de ser simples metáfora. A IA nem sempre elimina um time de desenvolvimento, mas muda o que se exige de cada profissional dele. Quem não consegue ler o que a ferramenta gerou, não testa e não entende o que acontece por trás do software entrega apenas ilusão de produtividade. O código compila, o pull/merge request é aprovado e o incidente chega depois.
Essa ilusão já foi alvo de tentativas de medição. Em 2025, o METR conduziu um estudo controlado com desenvolvedores experientes de projetos open source. Com ferramentas de IA, eles levaram cerca de 19% mais tempo para concluir as tarefas. Mesmo assim, ao final, acreditavam ter ficado mais rápidos. Os relatórios DORA, do Google, apontam na mesma direção. O de 2024 associou maior adoção de IA a uma queda na estabilidade das entregas. O de 2025 descreveu a IA como um amplificador: potencializa equipes bem estruturadas e agrava as disfunções das demais.
O que continua acordado
Para quem se prepara, o mesmo fenômeno vira estímulo. Em idos de 1986, Fred Brooks argumentou em No Silver Bullet que nenhuma ferramenta elimina a complexidade essencial do software, que é especificar, modelar e decidir. As ferramentas só reduzem a complexidade acidental. A IA é o caso mais impressionante dessa regra, mas continua sujeita a ela. O ofício mudou de forma, não de essência.
Por isso, fundamentos como lógica, estruturas de dados, redes, banco de dados, segurança e operação deixam de ser "matéria de prova" e viram condição de trabalho. Isso não torna os frameworks inúteis, porque é neles que o fundamento se aplica. Mas Joel Spolsky já avisava, em 2002, que toda abstração vaza. Quando o framework falha, ou quando o modelo falha, só quem entende o que está por baixo consegue consertar. O que vira distração é estudar apenas a ferramenta da moda, ignorando o aprofundamento na base.
Kent Beck, criador do Extreme Programming, resumiu a mudança em 2023 de forma dramática. Disse que 90% das suas habilidades tinha perdido valor quase de uma hora para outra, enquanto 10% passou a valer muito mais. Vale notar o que ficou na parte valiosa: não foi a digitação do código, que nunca foi o centro do ofício. Foram o julgamento, o desenho e a visão de sistema.
O desenvolvedor como pensador do sistema
O centro do trabalho sempre foi pensar. Pensar o sistema inteiro significa considerar limites, falhas, dados, usuários, custo, conformidade e evolução no tempo. Na prática, isso inclui:
- Supervisionar o que modelos e agentes produzem: revisar, refutar, corrigir e recusar entrega errada. Simon Willison, uma das vozes mais respeitadas no uso de LLMs para programar, adota uma regra simples, mas, talvez, exagerada: não faz commit de código que não conseguiria explicar a outra pessoa. Em julho de 2026, Robert C. Martin (Uncle Bob) afirmou no X que sua estratégia atual é não ler o código escrito por agentes e, em vez disso, cercá-los com restrições e testes rigorosos.
- Verificar, tratando testes automatizados como contrato. Kent Beck, que popularizou o TDD, tem descrito os testes como a principal forma de manter os agentes sob controle.
- Orquestrar vários agentes e ferramentas, cada um com papel claro, sem duplicar decisões nem deixar lacunas de responsabilidade.
- Governar o uso de IA no projeto: o que pode ir para produção, o que exige revisão humana, o que fica proibido. Entram aqui também a LGPD e o licenciamento do código gerado.
- Proteger o software. Às ameaças clássicas somam-se riscos novos. Willison cunhou o termo prompt injection em 2022 e, em 2025, descreveu a "tríade letal": um agente com acesso a dados privados, exposto a conteúdo não confiável e capaz de se comunicar com o exterior.
- Observar o que roda. Logs, métricas, rastreamento e resposta a incidentes continuam obrigatórios; gerar código rápido não elimina a operação.
- Sustentar o sistema no sentido de SRE: disponibilidade, capacidade, deploy, rollback e comunicação com quem depende dele. Ver Ver
Escrever código à mão, como tarefa principal do dia, tende a desaparecer. Ler código, julgar se está correto e consertar o que a máquina errou tende a crescer. Assim dizem os programadores mais experientes diante da nova realidade. Quem não sabe programar de verdade não consegue fazer essa triagem com segurança.
"Mas os compiladores não tornaram o assembly dispensável?"
Essa é a objeção mais séria, e merece resposta. A comparação é tentadora, mas falha num ponto decisivo. Um compilador é determinístico: o mesmo código-fonte produz sempre a mesma saída, que foi exaustivamente verificada. Um LLM não funciona assim. Martin Fowler tem destacado justamente esse não determinismo como o que diferencia a IA de todas as abstrações anteriores. Com ele, subir de nível não dispensa conferir o nível de baixo.
Dijkstra, já no fim dos anos 1970, argumentava que a linguagem natural é imprecisa demais para programar. Para ele, a rigidez das linguagens formais é exatamente o que nos protege do erro. Não por acaso, Andrej Karpathy, que cunhou o termo vibe coding em 2025, apresentou o seu uso exclusivo como adequado apenas a projetos descartáveis de fim de semana ou a ideias muito iniciais, não a sistemas de que outras pessoas ou organizações dependem.
O campo da vibe coding passou da simples solicitação de código para uma compreensão mais profunda de como a programação funciona quando focada em contexto, intenção e orquestração. Com a implementação mais aprofundada da IA em tarefas reais, a distinção não será mais entre linguagens de programação e sintaxe específicas, mas sim entre a especificação de intenções e contextos. IBM, 2025
Formação técnica e tecnológica
Tudo isso pressiona a formação, e com mais força os cursos técnicos, integrados ou subsequentes, e os cursos superiores de tecnologia, como Análise e Desenvolvimento de Sistemas. São eles que formam boa parte de quem entra diretamente no mercado. Por isso, são historicamente os mais tentados a ensinar receita de framework em nome da empregabilidade imediata. Essa é justamente a camada de conhecimento que a IA mais barateou.
Há um paradoxo aqui que não se pode ignorar: como o estudante aprende a julgar código se a máquina escreve por ele? Addy Osmani, engenheiro do Google, descreveu o problema dos 70%. A IA entrega com facilidade a maior parte de uma solução. Os 30% finais, que envolvem casos de borda, segurança, integração e manutenção, exigem exatamente a experiência que o iniciante ainda não tem. Charity Majors insiste num ponto complementar: juniores são a única forma de produzir seniores. Uma formação que pula a etapa de aprender fazendo compromete a próxima geração inteira de profissionais.
A consequência prática é que o estudante precisa escrever código com as próprias mãos antes de delegar e aprender, aos poucos, a pensar o sistema, visualizando os problemas potenciais acontecendo na prática. Algumas formas concretas de garantir isso:
- avaliações em que o aluno explica, defende e modifica o próprio código na hora;
- exercícios de revisão de código gerado por IA com defeitos plantados;
- testes escritos antes da implementação;
- projetos integradores com operação real: deploy, logs, falha e rollback.
Tratar a IA como opcional deixa o aluno sozinho diante dela. Tratá-la como atalho o torna dependente. O caminho é integrá-la ao currículo com critério, exigindo raciocínio e prova de competência. Assim se forma quem supervisiona a máquina, e não quem é substituído por ela.
Fechamento
Enter Sandman não promete manhã fácil; o que oferece é vigília. O ofício do desenvolvedor, agora, pede o mesmo. A múmia já está de olhos abertos, e fingir que ela ainda dorme ou que não vem nos buscar não adianta. O rapaz da cena de 1932 perdeu o juízo porque leu em voz alta o que não entendia. O desenvolvedor de hoje só evita o mesmo destino se souber compreender, de verdade, o que sai da máquina.
Referências
- BECK, Kent. Publicações sobre IA e habilidades (2023) e Augmented Coding: Beyond the Vibes (2025).
- BROOKS, Fred. No Silver Bullet: Essence and Accidents of Software Engineering (1986).
- DIJKSTRA, Edsger W. On the foolishness of "natural language programming" (EWD 667).
- GOOGLE DORA. Accelerate State of DevOps Report (2024) e State of AI-assisted Software Development (2025).
- FOWLER, Martin. LLMs bring new nature of abstraction (2025).
- KARPATHY, Andrej. Publicação que introduziu o termo vibe coding (fev. 2025).
- METR. Estudo sobre o impacto de ferramentas de IA na produtividade de desenvolvedores open source experientes (jul. 2025).
- OSMANI, Addy. The 70% Problem: Hard truths about AI-assisted coding (2024).
- SPOLSKY, Joel. The Law of Leaky Abstractions (2002).
- WILLISON, Simon. Textos sobre prompt injection (2022), Not all AI-assisted programming is vibe coding (2025) e The lethal trifecta (2025).