[🤖] A mudança de paradigma do desenvolvimento gravada nos ossos e na carne

✨ Resumo do GPT-5.5 　

Um registro que parte da mudança no papel do desenvolvedor sentida em uma entrevista e chega aos limites do vibe coding e à necessidade de harness engineering, mostrando que a capacidade central na era da IA se move de codar manualmente para planejar, desenhar, executar, dar feedback e entender contexto.

Uma mudança de paradigma sentida no corpo

A conclusão da entrevista

O que mais ficou da entrevista de hoje foi isto: a capacidade central de um desenvolvedor está saindo de escrever código à mão e indo para planejamento, design, execução e feedback.

Também entram conceitos, conhecimento de domínio e intuição para entender o contexto inteiro. “Uso bem IA” não basta.

Uma sensação que já vinha acumulando

Em GPT, o3, AGI, Humanoids… the Singularity Is Coming…, registrei o choque de sentir GPT como um cérebro externo.

Em A Shift in the Development Paradigm, eu já via partes do desenvolvimento passando de trabalho braçal de código para um “clique” com APIs de IA. Na época, porém, context window e output token ainda limitavam isso a MVPs simples.

Depois, em Survival Guidelines for the AI Era, tentei segurar alfabetização em IA, inteligência contextual e julgamento humano.

Em The Level of VSCode Copilot AI Autocomplete, já era real entregar intenção de planejamento à IA, ler a estrutura gerada e aprovar a aplicação.

E em Whether Claude Code or Codex, It Is a Garbage-Tier, Oblivious Genius., a questão ficou clara. O problema não é se a IA escreve código. É como parar esses gênios sem noção e prendê-los em um loop de verificação.

O mercado de trabalho devolveu a mudança

Hoje, essa corrente voltou na linguagem do mercado de trabalho. Espera-se que o desenvolvedor tenha planejamento, design, execução e feedback com mentalidade de produto e negócio.

A produtividade ficou maior que a de desenvolvedores que antes ganhavam mais de 5 milhões de won por mês, mas o salário oferecido é… triste.

Não é mais uma mudança entendida só pela cabeça. É uma mudança de paradigma que começa a bater no corpo.

A era do coding acabou

Codar à mão não é mais o centro

Falando de modo bruto, capacidade de codar importa menos do que antes.

Aprender C, assembly e linguagem de máquina ainda ajuda a entender sistemas. Conhecimento de código não vira lixo.

Mas o mercado já não valoriza primeiro “você consegue implementar com as próprias mãos?” Python já transformou muitas tarefas repetitivas em poucas linhas. Agora a IA faz algo parecido com grande parte da implementação.

A história da abstração se repete

Em The Chicken Game Over Humanity’s Fate After the AI Boom, eu listei o avanço técnico assim.

• Finalmente fizemos fogo. Que bom. (cerca de 500 mil anos atrás)
• Finalmente fizemos eletricidade. Que bom. (anos 1880)
• Finalmente fizemos computadores. Que bom. (anos 1940)
• Finalmente fizemos inteligência artificial. Que bom. (anos 2010)
• Finalmente fizemos inteligência artificial geral. Que bom. (talvez anos 2030…?)
• Finalmente fizemos superinteligência artificial. Que bom. (anos 2050…?)

O desenvolvimento também subiu camadas.

• Interruptor de luz, clique. (anos 1880)
• Código de máquina, clique. (anos 1940)
• Assembly, clique. (anos 1940-1950)
• C, clique. (anos 1970)
• Python, clique. (anos 1990)
• Framework, clique. (anos 2000-2010)
• IA, clique. (anos 2020)
• Harness, clique. (meados dos anos 2020 em diante)

Parece piada, mas é a história da abstração. O ser humano entrega camadas inferiores à máquina. Toda vez, quem não conhece a camada de baixo sente insegurança, e conhecê-la ainda tem valor. Mas o centro do mercado sobe.

Então não estou dizendo que não é preciso saber nada de código. Estou dizendo que a codificação está saindo do centro.

A indústria já aponta para isso

Vibe coding

Vibe coding é desenvolver jogando intenção em linguagem natural para a IA, olhando o código só quando precisa, rodando o resultado e corrigindo de novo com palavras.

Quando Andrej Karpathy usou o termo, o ponto era justamente a redução do tempo humano lutando diretamente com código enquanto o modelo empurra a implementação. ¹

Software 3.0 aponta para a mesma direção: linguagem natural vira interface de programação e modelos fazem grande parte do trabalho. ²

Não é só Karpathy

Jensen Huang, Mark Zuckerberg, Dario Amodei, Satya Nadella e Thomas Dohmke vêm descrevendo a mesma mudança: linguagem natural como interface, IA escrevendo código em nível de engenheiro, lógica de negócios migrando para agentes e desenvolvedores migrando para delegação e verificação. ³⁴⁵⁶⁷

OpenAI também apresenta Codex como agente de engenharia de software, não só como modelo de coding. ⁸⁹

Estudar sintaxe de código já não basta

Fundamentos ainda importam. C, assembly, estruturas de dados, redes e sistemas operacionais ajudam a julgar o que a IA gera.

Mas cursos que vendem “aprenda sintaxe e arrume emprego” estão atrasados. A habilidade importante agora é olhar para uma implementação da IA e dizer:

• “A direção está errada.”
• “O fluxo do usuário quebra aqui.”
• “Essa estrutura vai explodir na manutenção.”
• “Agora precisamos definir melhor o problema, não adicionar função.”

Vibe coding é só a entrada

Código sai, mas ainda não é produto

Em protótipos pequenos, vibe coding parece mágica. Você fala, a tela aparece, API conecta, dados fluem e botões funcionam.

O problema vem depois. Quando o app cresce um pouco, “código que parece funcionar” e “estrutura que dá para operar” são coisas diferentes.

• Requisitos mudam.
• Casos extremos aparecem.
• Permissões e fluxo de dados se enrolam.
• A UI se move, mas a intenção do produto está errada.
• Não há testes e cada correção quebra outra parte.
• A IA esquece a estrutura que acabou de criar.

Sem contexto e limite de permissão, acidentes acontecem

Quando a IA perde regras, os riscos deixam de ser teóricos.

• Confunde banco de desenvolvimento com produção e apaga dados.
• Tenta remover contas de teste e exclui usuários reais.
• Roda query destrutiva sem backup.
• Simplifica política de acesso e abre dados privados.
• Remove validação ou espalha any para passar o build.

Não é porque a IA é má. É porque contexto fraco, permissões fracas e verificação fraca empurram nessa direção.

Para não desenvolvedores, o começo parece “funciona”, mas depois vem o limite de contexto. Sem saber o que é comando perigoso, source of truth, banco, storage, auth e deploy, não há como revisar o resultado.

Feedback não é descarga emocional

Às vezes a primeira reação é xingar. Mas jogar isso direto também não me ajuda.

Não há prova sólida de que grosseria sempre piora o modelo, mas tom e enquadramento emocional do prompt podem afetar saídas. ¹⁰¹¹

O problema maior não é o sentimento da IA, é a minha razão. Se continuo com raiva, fico mais emocional, as instruções ficam nebulosas e o estresse cresce.

O limite real é contexto

Anthropic também diz que agentes de longa duração precisam de decomposição de tarefas, memória persistente, gestão de contexto e loops de verificação. ¹²

O limite do vibe coding não é falta de código. O código vem rápido demais.

O limite é a IA segurar sozinha para que aquele código existe, até onde pode mudar, quais critérios precisa passar e qual contexto não pode quebrar.

Por isso empresas tentam segurar vibe coding com harnesses.

Harness é o jogo principal

Harness é a estrutura ao redor do modelo

Harness é arreio, cinto, coleira: algo que segura uma força e a direciona.

Prompt engineering é o que dizer em uma conversa. Harness engineering é desenhar o ambiente inteiro onde o modelo executa.

LangChain descreve agentes como Model + Harness, onde o harness fornece estado, execução de ferramentas, loops de feedback e restrições aplicáveis. ¹³

Martin Fowler fala de feedforward e feedback sensors para usar coding agents com menos vigilância constante. ¹⁴

OpenAI também escreveu que o gargalo do Codex não era gerar código, mas a capacidade humana de revisar, por isso agentes receberam logs, métricas, navegador e testes estruturados. ¹⁵

Competitividade passa a ser: que contexto dar, que ferramentas abrir, que permissões bloquear, que testes exigir e onde humanos entram.

A estrutura do harness é vantagem

O vazamento do Claude Code foi sério porque mostrou mais que uma linha de prompt: revelou como contexto, ferramentas, guardrails e instruções eram montados. ¹⁶¹⁷

Se só o modelo importasse, seria curiosidade. Mas estrutura de harness virou competitividade de produto.

Modelos mais fortes exigem harnesses mais fortes

Mythos e Project Glasswing mostram isso em segurança.

Mythos é um modelo frontier não publicado da Anthropic, capaz de encontrar vulnerabilidades e montar exploits. Project Glasswing abriu acesso limitado para parceiros escanearem software crítico defensivamente. ¹⁸

Axios relatou que Mythos pode transformar informações públicas de vulnerabilidade em exploits funcionais em horas, e produziu um proof-of-concept de Windows kernel em 31 minutos. ¹⁹

Um modelo assim precisa de estrutura: quem acessa, o que escaneia, como divulga, quem verifica patches e onde bloqueia abuso.

Harness fraco não segura o modelo

É por isso que ferramentas tipo AI Studio parecem limitadas para desenvolvimento real.

AI Studio é útil para prototipar rápido e testar Gemini. ²⁰ Mas software operacional exige repo, terminal, IDE, diff, testes, review, logs de deploy e limites de permissão. Gemini CLI e Gemini Code Assist existem justamente porque esse nível é diferente. ²¹²²

Com chat, botão de executar e seletor de modelo, mas sem scope, permissões, rollback, testes, review, source of truth e contexto longo, o harness é fraco.

Modelo bom com coleira fraca acaba rompendo a coleira.

No fim, só resta surfar a onda

Não quero terminar com otimismo barato. Não é “a IA chegou, que alegria”.

O valor do código manual cai, a IA assume implementação, e humanos ficam com responsabilidade maior por planejamento, design, execução e feedback. Esse fluxo não para porque eu não gosto.

As opções são duas: estudar sintaxe antiga e ficar para trás, ou entregar coding à IA, melhorar prompts, desenhar harnesses, ampliar alfabetização em IA e sobreviver.

Estou convencido de que só existe a segunda.

Surfar a onda não é diversão. É que, se uma onda enorme já vem, ficar parado sem proteção é pior.

Referências

1. Andrej Karpathy, X post, 2025-02-02. https://x.com/karpathy/status/1886192184808149383 ↩

2. Y Combinator, Karpathy lecture, 2025. https://www.ycombinator.com/library/MW-andrej-karpathy-software-is-changing-again ↩

3. Business Insider, 2025-06-09. https://www.businessinsider.com/nvidia-ceo-jensen-huang-ai-prompts-human-lets-anyone-program-2025-6 ↩

4. ITPro, 2025-01-14. https://www.itpro.com/software/development/a-sign-of-things-to-come-in-software-development-mark-zuckerberg-says-ai-will-be-doing-the-work-of-mid-level-engineers-this-year-and-hes-not-the-only-big-tech-exec-predicting-the-end-of-the-profession ↩

5. Skeptics Stack Exchange, 2025-09. https://skeptics.stackexchange.com/questions/59213/as-at-september-2025-is-ai-not-writing-90-of-code ↩

6. CX Today, 2024-12-23. https://www.cxtoday.com/customer-analytics-intelligence/microsoft-ceo-ai-agents-will-transform-saas-as-we-know-it/ ↩

7. Thomas Dohmke and Irini Kalliavakou, 2025-08-03. https://ashtom.github.io/developers-reinvented ↩

8. OpenAI, 2025-10-06. https://openai.com/index/codex-now-generally-available/ ↩

9. OpenAI, 2025-12. https://openai.com/index/introducing-gpt-5-2-codex/ ↩

10. Ziqi Yin et al., arXiv, 2024-02-22. https://arxiv.org/abs/2402.14531 ↩

11. Cheng Li et al., arXiv, 2023-07-14. https://arxiv.org/abs/2307.11760 ↩

12. Anthropic, 2025-11. https://www.anthropic.com/engineering/effective-harnesses-for-long-running-agents ↩

13. LangChain, 2026. https://www.langchain.com/blog/the-anatomy-of-an-agent-harness ↩

14. Martin Fowler, 2026-04-02. https://martinfowler.com/articles/harness-engineering.html ↩

15. OpenAI, 2026-02-11. https://openai.com/index/harness-engineering/ ↩

16. Varonis Threat Labs, 2026-04-03. https://www.varonis.com/blog/claude-code-leak ↩

17. Drew Breunig, 2026-04-04. https://www.dbreunig.com/2026/04/04/how-claude-code-builds-a-system-prompt.html ↩

18. Anthropic, 2026-04-07. https://www.anthropic.com/glasswing ↩

19. Axios, 2026-06-08. https://www.axios.com/2026/06/08/exclusive-anthropics-mythos-can-exploit-new-flaws-in-hours ↩

20. Google AI for Developers, 2026. https://ai.google.dev/gemini-api/docs/aistudio-build-mode ↩

21. Google, 2025-06-25. https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-cli-open-source-ai-agent/ ↩

22. Google for Developers, 2026. https://developers.google.com/gemini-code-assist/docs/write-code-gemini ↩