O convertido
Apesar desses problemas, provavelmente não há como voltar atrás. “As probabilidades são de que escrever cada linha de código em um teclado manualmente – esses dias estão rapidamente ficando para trás”, diz Kyle Daigle, diretor de operações da plataforma de hospedagem de código de propriedade da Microsoft GitHub, que produz uma ferramenta popular baseada em IA chamada Copilot (não deve ser confundida com o produto da Microsoft de mesmo nome).
O relatório Stack Overflow descobriu que, apesar da crescente desconfiança na tecnologia, o uso aumentou rápida e consistentemente nos últimos três anos. Erin Yepis, analista sênior da Stack Overflow, diz que isso sugere que os engenheiros estão aproveitando as ferramentas com uma visão clara dos riscos. O relatório também descobriu que os utilizadores frequentes tendem a ser mais entusiasmados e que mais de metade dos programadores não utilizam os agentes de codificação mais recentes, talvez explicando porque muitos continuam desiludidos com a tecnologia.
Essas ferramentas mais recentes podem ser uma revelação. Trevor Dilley, CTO da agência de desenvolvimento de software Twenty20 Ideas, diz que encontrou algum valor nas funções de preenchimento automático dos editores de IA, mas quando tentava algo mais complexo, “falhava catastroficamente”. Então, em março, durante as férias com sua família, ele colocou o recém-lançado Claude Code para trabalhar em um de seus projetos de hobby. Ele concluiu uma tarefa de quatro horas em dois minutos, e o código era melhor do que ele teria escrito.
“Eu estava tipo, Uau”, diz ele. “Esse, para mim, foi o momento, realmente. Não há como voltar atrás.” Desde então, Dilley foi cofundador de uma startup chamada DevSwarm, que está criando software que pode reunir vários agentes para trabalhar em paralelo em um software.
O desafio, diz Armin Ronacher, um proeminente desenvolvedor de código aberto, é que a curva de aprendizado dessas ferramentas é superficial, mas longa. Até março, ele não se impressionou com as ferramentas de IA, mas depois de deixar seu emprego na empresa de software Sentry em abril para lançar uma startup, ele começou a fazer experiências com agentes. “Basicamente passei muitos meses sem fazer nada além disso”, diz ele. “Agora, 90% do código que escrevo é gerado por IA.”
Chegar a esse ponto envolveu muitas tentativas e erros para descobrir quais problemas tendem a atrapalhar as ferramentas e quais elas podem resolver com eficiência. Os modelos atuais podem lidar com a maioria das tarefas de codificação com as proteções corretas, diz Ronacher, mas elas podem ser muito específicas para cada tarefa e projeto.
Para aproveitar ao máximo essas ferramentas, os desenvolvedores devem abrir mão do controle sobre linhas individuais de código e se concentrar na arquitetura geral do software, diz Nico Westerdale, diretor de tecnologia da empresa de pessoal veterinário IndeVets. Recentemente, ele construiu uma plataforma de ciência de dados com 100.000 linhas de código, quase exclusivamente solicitando modelos, em vez de escrever o código ele mesmo.
O processo de Westerdale começa com uma longa conversa com o agente modelo para desenvolver um plano detalhado sobre o que construir e como. Ele então o orienta em cada etapa. Raramente acerta na primeira tentativa e precisa de discussões constantes, mas se você forçá-lo a seguir padrões de design bem definidos, os modelos podem produzir código de alta qualidade e de fácil manutenção, diz Westerdale. Ele revisa cada linha, e o código é tão bom quanto qualquer coisa que ele já produziu, ele diz: “Acabei de achar isso absolutamente revolucionário. Também é frustrante, difícil, uma maneira diferente de pensar, e estamos apenas nos acostumando com isso.”
