IA e Desenvolvimento de Software

Publicado em Março 7, 2026

Se você passa algum tempo acompanhando discussões entre desenvolvedores hoje em dia, é impossível evitar o tema do desenvolvimento assistido por IA. Desde ferramentas de geração de código até Copilots completos que prometem construir aplicações inteiras, a narrativa geralmente é algo assim:

“As pessoas vão apenas descrever o sistema e a IA vai construir tudo. Não vai mais precisar aprender a programar”

Como quase sempre acontece, a realidade tem um pouco mais de nuance. Tenho usado essas ferramentas ultimamente, e minha opinião geral é simples:

Elas são incrivelmente úteis, mas não “resolvem” a engenharia de software.

A Parte Legal: Transformando ideias em protótipos funcionais

Nos estágios iniciais de um projeto, é impressionante. Se você tem uma ideia e quer transformá-la em algo utilizável, a IA praticamente resolve o seu problema. Você descreve o conjunto de funcionalidades, refina o que a ferramenta devolve e em pouco tempo tem algo que realmente funciona.

Isso é extremamente valioso. Na prática, torna a ideia do Lean Startup muito mais viável para experimentos técnicos.

Já existiam algumas ferramentas e frameworks que ajudavam nisso, como o Rails com seu scaffolding, ou o JHipster com geração de CRUD. Mas a IA está em um nível completamente diferente, e as coisas anteriores não chegam nem perto.

Busca é outro ponto onde ajuda muito. Poder trocar ideias e procurar respostas quando você nem tem certeza de qual é a pergunta certa é algo fantástico. Você pode perguntar coisas como: “Meu problema é X e Y, existe algo que ajuda com isso?” e a ferramenta responde “o que você está procurando é Z”. A partir daí você pode se aprofundar e aprender sobre Z.

É excelente.

Onde as coisas ficam mais difíceis

As coisas mudam quando o problema sai do nível de scaffolding e entra na complexidade do mundo real. Quando um sistema cresce o suficiente, as partes mais difíceis raramente envolvem escrever código novo. Em vez disso, envolvem coisas como debugar comportamentos inesperados em produção ou entender lógica legada em sistemas antigos.

A IA ajuda com busca semântica, mas muitos dos detalhes mais complicados ainda precisam ser resolvidos manualmente.

Em alguns cenários, você pode investigar o problema, descobrir a causa, construir uma camada de interface e pedir para a IA ajudar a escrever a solução separadamente. Isso funciona bem. Nesse tipo de fluxo você usa seu conhecimento para definir os limites da solução e a IA para gerar o código mais rápido.

No entanto, não acho que o “escrever código” era o gargalo antes.

Problemas complexos exigem contexto e compreensão do sistema, coisas difíceis de comprimir em um prompt. Às vezes você leva mais tempo escrevendo um prompt extremamente detalhado do que levaria resolvendo o problema diretamente. Às vezes, usar IA demais acaba até deixando desenvolvedores mais lentos.

Um Novo (Velho?) Equilíbrio

Dito tudo isso, a IA realmente muda o dia a dia dos desenvolvedores. Algumas tarefas ficam mais rápidas, validar ideias fica mais barato e mostrar algo funcionando ficou muito mais fácil do que antes, e isso é muito bom.

Por outro lado, eu realmente não entendo essa história de “você precisa estudar IA ou ficará para trás”. Se você já sabe programar, usar ferramentas como OpenCode, Claude e alguns plugins não é nada difícil. A facilidade é justamente a proposta da coisa.

A IA ajuda muito, mas engenharia de software continua existindo. Não vejo isso desaparecendo tão cedo, e tenho a sensação de que, quando esse momento chegar (se chegar), basicamente todos os outros empregos de escritório já terão desaparecido antes.

Ou talvez não. Não sei. Eu não sou futurologista.