Tomados em conjunto, há um sinal claro da direção da trajetória na engenharia de software e até mesmo na IA de forma mais ampla. Depois de anos em que a indústria assumiu que o progresso na IA tem tudo a ver com escala e velocidade, estamos começando a ver que o que importa é a capacidade de lidar com o contexto de forma eficaz.
Vibrações, antipadrões e novas inovações
Em fevereiro de 2025, Andrej Karpathy cunhou o termo vibe coding. Tomou a indústria de assalto. Certamente gerou debate na Thoughtworks; muitos de nós estávamos céticos. Em um episódio de abril do nosso podcast de tecnologia, falamos sobre nossas preocupações e fomos cautelosos sobre como a codificação de vibração poderia evoluir.
Não é novidade que, dada a imprecisão implícita da codificação baseada em vibrações, os antipadrões têm proliferado. Observamos mais uma vez, por exemplo, complacência com código gerado por IA no último volume do Technology Radar, mas também vale a pena ressaltar que os primeiros empreendimentos na codificação de vibração também expuseram um certo grau de complacência sobre o que os modelos de IA podem realmente lidar – os usuários exigiram mais e os prompts aumentaram, mas a confiabilidade do modelo começou a falhar.
Experimentando IA generativa
Este é um dos impulsionadores do crescente interesse no contexto da engenharia. Estamos bem cientes de sua importância, trabalhando com assistentes de codificação como Claude Code e Augment Code. Fornecer o contexto necessário – ou preparação do conhecimento – é crucial. Ele garante que os resultados sejam mais consistentes e confiáveis, o que acabará por levar a um software melhor que precisa de menos trabalho – reduzindo reescritas e potencialmente aumentando a produtividade.
Quando preparados de forma eficaz, vimos bons resultados ao usar IA generativa para entender bases de código legadas. Na verdade, feito de forma eficaz no contexto apropriado, pode até ajudar quando não temos acesso total ao código-fonte.
É importante lembrar que o contexto não envolve apenas mais dados e mais detalhes. Esta é uma das lições que tiramos do uso de IA generativa para engenharia avançada. Pode parecer contra-intuitivo, mas neste cenário, descobrimos que a IA é mais eficaz quando é ainda mais abstraída do sistema subjacente – ou, em outras palavras, ainda mais distante das especificidades do código legado. Isto ocorre porque o espaço de soluções se torna muito mais amplo, permitindo-nos aproveitar melhor as capacidades generativas e criativas dos modelos de IA que utilizamos.
O contexto é crítico na era da agência
O pano de fundo das mudanças que aconteceram nos últimos meses é o crescimento de agentes e sistemas de agentes – tanto como produtos que as organizações desejam desenvolver quanto como tecnologia que desejam aproveitar. Isso forçou a indústria a considerar adequadamente o contexto e a se afastar de uma abordagem puramente baseada em vibrações.
Na verdade, longe de simplesmente prosseguirem com as tarefas para as quais foram programados, os agentes requerem uma intervenção humana significativa para garantir que estão equipados para responder a contextos complexos e dinâmicos.
