1000 dias de Inteligência Artificial
O custo da inteligência está caindo. O que passa a ser valioso agora?
Na semana passada, fiz um jogo completo sem nunca ter feito algo assim antes. Nunca tinha tocado em Phaser (a game engine que usei) na vida. Em uma sessão de algumas horas, o jogo estava online.
Três anos atrás, isso seria impensável. Eu teria que estudar a documentação do Phaser por dias, assistir tutoriais, fazer projetos pequenos antes de tentar algo real. Hoje, com Claude Code como meu par de programação, fui do zero ao deploy em uma tarde.
Esse é apenas um exemplo pessoal de algo muito maior acontecendo.
Em 30 de novembro de 2022, a OpenAI lançou o ChatGPT. Atingiu 100 milhões de usuários em dois meses, a adoção mais rápida de um produto de consumo na história. Agora, pouco mais de 1000 dias depois, estamos vivendo a transformação mais acelerada que a indústria de software já viu.
Não é hype. Os dados são inequívocos.
Em outubro de 2023, o Claude 2 resolvia 1.96% dos problemas reais de engenharia no SWE-bench, um benchmark que testa IAs em issues reais do GitHub. Em fevereiro de 2025, o Claude 3.7 resolvia 70.3%. Uma melhoria de 3.500% em 16 meses.
A pergunta não é mais “a IA vai mudar o desenvolvimento de software?”. A pergunta é: o que isso significa para você?
✨ O que esperar do artigo
Os dados que mostram por que esses 1000 dias foram um dos mais disruptivos da história da engenharia de software
O que “o custo da inteligência caindo” significa para sua carreira
Como se posicionar para os próximos 1000 dias
💰Por que não troquei de contabilidade em 5 anos
O artigo de hoje é patrocinado pela Contabilizei.
Desde 2020 uso a Contabilizei. Mudei de empresa 3 vezes nesse período. A contabilidade? Mesma.
Não troquei porque não precisei. Funciona.
Abertura foi rápida - CNPJ em poucos dias, processo simples, só saí de casa 1x (certificado digital, que hoje pode ser online também).
Suporte sempre disponível - Quando tenho dúvida, consigo resposta. Via WhatsApp até 22h.
Zero problema - 5 anos emitindo nota todo mês, pagando impostos. Nunca tive multa ou pendência com Receita.
Simplicidade - Emitir nota leva 2 cliques. Consultar impostos é direto. Sem complicação.
Quando algo funciona, você mantém.
Cupom NAGRINGA_2M para 2 meses grátis.
A velocidade da mudança
Quando falamos de “mudança rápida” em tecnologia, geralmente pensamos em ciclos de anos. Uma nova linguagem pode levar mais de 10 anos até ser usada amplamente (lembra quando JavaScript era só meme?). Um framework se estabelece 5+ anos. Uma mudança de paradigma leva décadas.
O que aconteceu com IA generativa não segue esse padrão.
Os benchmarks não mentem (embora possam enganar)
O SWE-bench é um dos benchmarks mais rigorosos para avaliar capacidade de codificação de IAs. Ele usa issues reais de projetos open-source populares. Não exercícios de algoritmo isolados, mas problemas de engenharia de verdade, com contexto, dependências e edge cases.
Em 16 meses, saímos de “quase inútil” para “resolve 7 em cada 10 problemas reais de engenharia”. E isso continua melhorando.
Mas benchmarks têm limitações. Simon Willison, após testar o Claude Opus 4.5 em preview, fez uma observação importante:
“Benchmarks like SWE-bench Verified show models beating each other by single digit percentage point margins, but what does that actually equate to in real-world problems that I need to solve on a daily basis?”
Ele passou um fim de semana usando o novo Opus 4.5 no Claude Code, fazendo 20 commits, mudando 39 arquivos, com mais de 2.000 linhas adicionadas. Quando o preview expirou e ele voltou para o Sonnet 4.5, continuou trabalhando no mesmo ritmo.
“I’m not saying the new model isn’t an improvement on Sonnet 4.5, but I can’t say with confidence that the challenges I posed it were able to identify a meaningful difference in capabilities between the two.”
Tive uma experiência similar com o GPT-5. A OpenAI construiu uma expectativa enorme: “um assistente nível PhD”. Mas quando testei para meus casos de uso reais, ele não conseguiu substituir o Claude Sonnet que eu já usava. O lançamento acabou sendo controverso, com muitos desenvolvedores relatando experiências parecidas.
O ponto não é que os benchmarks sejam inúteis. Eles mostram uma tendência clara de melhoria. A evolução de 1.96% para 70%+ no SWE-bench é real e significativa. Mas a diferença entre modelos no topo do ranking é cada vez mais difícil de perceber no dia a dia.
O que importa para você não é qual modelo vence por 2% no benchmark. É como essas ferramentas mudam o que você consegue fazer.
Kent Beck, criador do TDD e Extreme Programming, com mais de 40 anos de carreira, resumiu o que sentiu ao testar o ChatGPT pela primeira vez em abril de 2023:
“90% of my skills just dropped to $0. The leverage for the remaining 10% went up 1000x. I need to recalibrate.”
Ele não estava sendo dramático. Estava sendo preciso.
Os engenheiros que você respeita já mudaram
Armin Ronacher criou o Flask e trabalha no Sentry. Em setembro de 2025, ele escreveu sobre um novo projeto de infraestrutura:
“For the infrastructure component I started at my new company, I’m probably north of 90% AI-written code. I don’t want to convince you, just share what I learned.”
São 40.000 linhas de código em Go, com API REST, SDKs em Python e TypeScript, infraestrutura em Pulumi. 90% gerado por IA, mas com a arquitetura e revisão dele.
Simon Willison, co-criador do Django com 25+ anos de experiência, descreve o impacto na sua produtividade:
“It’s not about getting work done faster, it’s about being able to ship projects that I wouldn’t have been able to justify spending time on at all.”
Ele mantém um repositório com 77 ferramentas web, todas construídas com assistência de IA. Adiciona várias por semana. Projetos que ele nunca teria tempo de fazer agora existem porque o custo de implementação despencou.
O dinheiro confirma a tendência
Se os benchmarks e as experiências pessoais não convencem, o dinheiro convence.
O Cursor um dos casos mais impressionantes. Atingiu $100 milhões de receita anual em 12 meses, com apenas 12 funcionários. É a empresa SaaS mais rápida da história a atingir esse marco. Hoje vale $29.3 bilhões, um aumento de 73x em 15 meses.
Seus clientes incluem OpenAI, Midjourney, Shopify, NVIDIA, Adobe e Uber. As empresas que constroem IA usam IA para construir.
Kent Beck disse algo que ficou comigo:
“Technological revolutions proceed by radically reducing the cost of something that used to be expensive, then discovering what is valuable about what has suddenly become cheap.”
É exatamente isso que estamos vivendo. O custo da inteligência está caindo. A questão é: o que se torna valioso agora?
O custo da inteligência
Antes de “computer” ser uma máquina, era um cargo.
Na NASA dos anos 1950, salas cheias de mulheres brilhantes (conhecidas como “human computers”) faziam os cálculos complexos da corrida espacial. Elas eram as trabalhadoras de conhecimento originais, os processadores humanos no coração da empresa mais avançada do planeta.
Então o IBM 7090 chegou.
Em uma única tarde, o computador eletrônico fazia mais cálculos do que um humano faria em uma vida inteira. O cargo de “computer” desapareceu da noite para o dia.
Essa história não é apenas uma curiosidade histórica. É um preview.
Os knowledge workers de hoje, sentados em escritórios open-plan, trabalhando em laptops, são descendentes diretos daquelas mulheres. E o IBM 7090 deles chegou.
O que acontece quando automatizamos inteligência?
Durante toda a minha vida, eu estudei pensando que precisava ter conhecimento para “ser alguém”.
No passado, pré-revolução industrial, isso significava se tornar um artesão. Alguém que sabia fazer roupas, sapatos, móveis. Porém, conseguimos automatizar isso com máquinas.
Então os profissionais valorizados passaram a ser os de conhecimento. Advogados, médicos, engenheiros, programadores. Pessoas que vendem o que sabem, não o que fazem com as mãos.
Mas agora temos IA que está se tornando cada vez mais capaz de fazer atividades de conhecimento. Em apenas 1000 dias, os benchmarks melhoraram 3.500%.
E, diferente de mim, LLMs não ficam doentes, não têm variações de humor, não pedem aumento nem tiram férias. Se o trabalho pode ser feito com teclado e mouse, por que usar humanos no loop?
O mercado já está respondendo
Os dados mostram que a adoção está acelerando:
O Stack Overflow Developer Survey de 2025, com mais de 65.000 respondentes, mostra que 84% dos desenvolvedores já usam ou planejam usar ferramentas de IA. A Gartner projeta que até 2028, 90% dos engenheiros em empresas usarão assistentes de código.
O paper de Harvard sobre o mercado de trabalho mostra uma tendência preocupante para vagas junior. Quando o custo de produzir código cai drasticamente, a demanda por quem está começando (e ainda está aprendendo a produzir) também muda.
Isso não é apocalipse. É redistribuição de valor.
A pergunta que importa
Se inteligência era escassa e agora está se tornando abundante, o que passa a ser escasso?
Emad Mostaque, no livro “The Last Economy”, conta a história da Xerox PARC:
“In the 1970s, Xerox PARC invented the modern personal computer, the graphical user interface, the mouse, and the Ethernet. They invented the future. Their parent company, Xerox, ignored all of it. Why? The Xerox Corporation was an execution engine perfectly optimized for leasing copiers and selling toner. The personal computer did not fit their model. So they let a young man named Steve Jobs take their ideas for free and build Apple. Xerox’s execution engine was so perfect it executed itself.”
A Xerox tinha conhecimento. Tinha capacidade técnica. Tinha recursos. O que não tinha era a capacidade de ver além do que já sabia fazer.
Essa é a armadilha que precisamos evitar.
O novo diferencial
Se 90% das habilidades de Kent Beck, um dos engenheiros mais influentes da história, “caíram para zero”, o que são os 10% que valem 1000x mais?
O que a IA faz bem (e cada vez melhor)
Simon Willison descreve seu processo atual:
“For production code my LLM usage is much more authoritarian: I treat it like a digital intern, hired to type code for me based on my detailed instructions... I dictate the design, the LLM does the work of building the body to my specification.”
Ele dá um exemplo concreto: uma função Python assíncrona para download de arquivos com verificação de tamanho, validação de SQLite, e tratamento de erros. Algo que levaria 15 minutos para escrever corretamente, o Claude fez em 15 segundos.
A IA hoje faz muito bem:
Gerar código boilerplate
Implementar padrões conhecidos
Refatorar código existente
Escrever testes
Debugar com acesso às ferramentas certas
E está melhorando em ritmo exponencial.
O que a IA não faz (ainda)
Armin Ronacher, mesmo com 90% de código gerado por IA, faz um alerta importante:
“None of this removes the need to actually be a good engineer. If you let the AI take over without judgment, you’ll end up with brittle systems and painful surprises: data loss, security holes, unscalable software. The tools are powerful, but they don’t absolve you of responsibility.”
Ele conta que pediu para a IA construir um rate limiter. “Funcionou”, mas faltava jitter e usava decisões ruins de storage. Fácil de corrigir se você entende rate limiters. Perigoso se você não entende.
A IA não faz bem:
Entender o problema de negócio. Ela implementa o que você pede, não o que você precisa.
Fazer trade-offs com contexto incompleto. Ela não sabe que o prazo é semana que vem ou que o cliente é sensível a latência.
Construir relacionamentos e confiança. Ninguém vai te contratar porque sua IA é boa.
Ter taste. Saber quando parar, o que é “bom o suficiente”, quando dizer não.
Os 10% que valem 1000x
Voltando ao Kent Beck, os 10% que sobraram são justamente o que a IA não replica:
“LLMs amplify existing expertise... Could anyone else have done this project in the same way? Probably not! My prompting here leaned on 25+ years of professional coding experience.” Simon Wilson.
A IA amplifica o que você já sabe. Se você sabe pouco, amplifica pouco. Se você sabe muito, amplifica muito.
Por que isso é positivo
O jogo em Phaser que eu fiz é um exemplo perfeito. Eu nunca teria investido uma semana aprendendo uma game engine para um projeto paralelo. Mas algumas horas? Isso eu tenho.
E isso não é apenas comigo:
“This way of working unlocks paths I’d normally skip or defer.” Armin Ronacher.
Simon Wilson também diz o mesmo:
“The fact that LLMs let me execute my ideas faster means I can implement more of them, which means I can learn even more.”
O custo de experimentar caiu. O custo de aprender caiu. O custo de criar caiu.
Para quem sabe aproveitar, isso é libertador.
Código para a era dos agentes
Uma das minhas recomendações mais específicas: comece a pensar em como seu código interage com agentes de IA.
O problema
“It is easy to create systems that appear to behave correctly but have unclear runtime behavior when relying on agents. For instance, the AI doesn’t fully comprehend threading or goroutines. If you don’t keep the bad decisions at bay early, you won’t be able to operate it in a stable manner later.” Armin Ronacher.
Agentes são poderosos, mas não são mágicos. Eles operam com base no contexto que você dá e nas ferramentas que têm acesso. Código ruim + agente = desastre em escala.
O que funciona
Depois de meses usando Claude Code intensivamente, como descrevi no meu artigo sobre a migração, identifiquei padrões consistentes:
Por que TypeScript e Go estão saindo na frente
Linguagens com tipagem explícita e boas ferramentas de análise estática funcionam melhor com agentes. O agente sabe o que esperar, consegue validar o próprio trabalho, e recebe feedback claro quando erra.
Armin fez uma escolha interessante no projeto dele: raw SQL em vez de ORM.
“I really like using an ORM, but I don’t like some of its effects. Once you approach the ORM’s limits, you’re forced to switch to handwritten SQL... The fact that I no longer have to write SQL because the AI does it for me is a game changer.”
Ele escolheu ser mais explícito justamente porque o agente consegue ver (e gerar) o que está acontecendo. Menos magia, mais clareza.
Ouça mais sobre esse assunto neste episódio do Pragmatic Engineer Podcast.
Leaf nodes: o segredo para reduzir contexto
Uma das técnicas que mais uso: pensar em “leaf nodes”. São partes do código que nada crítico depende. Lugares seguros para deixar o agente trabalhar.
No frontend: quebre componentes grandes em pedaços menores. Dashboard monolítico vira <DashboardLayout>, <ChartSection>, <FilterBar>. Cada um é um contexto focado.
No backend: divida APIs grandes em módulos. users.py, auth.py, payments.py. Cada módulo vira um leaf node independente.
Com TDD, fica ainda melhor. Você define os testes primeiro, garante que falham, e deixa o agente implementar até passar. É uma rede de segurança que permite confiar sem precisar revisar cada linha.
O que fazer agora
O investimento das big techs mostra a direção que o mundo está tomando.
Em 2025, Microsoft, Amazon, Google e Meta comprometeram mais de $325 bilhões em infraestrutura de IA. Isso é aproximadamente 1% do PIB americano. Em um único ano.
A NVIDIA, que fornece os chips para essa infraestrutura, viu sua receita de datacenter ir de $3.8B por trimestre (antes do ChatGPT) para $35.6B, um aumento de 9x. A empresa vale $4.3 trilhões hoje, 12x mais do que no fim de 2022.
Não é uma aposta. É uma certeza de quem controla o capital.
Para todos
Aprenda a usar IA de forma efetiva. Não é opcional.
“If someone tells you that coding with LLMs is easy they are (probably unintentionally) misleading you. It takes significant effort to figure out the sharp and soft edges of using them in this way.” Simon Willison,
Usar IA bem é uma habilidade. Leva tempo para desenvolver. Comece agora.
Invista em relacionamentos. O que a IA não replica é confiança entre pessoas. Networking real, não só no LinkedIn, vai valer mais do que nunca.
Desenvolva taste. Passe 10 minutos analisando por que o Linear parece tão bom. Estude como o Notion estrutura suas APIs. Leia os engineering blogs da Stripe e Figma. Taste se constrói por exposição deliberada, não por osmose.
Para quem está começando
O mercado junior está mais difícil. Isso é fato. Mas a diferenciação agora vem de mostrar que você sabe usar IA, não de competir contra ela.
Simon Willison chama de “vibe-coding” a prática de experimentar com IA de forma exploratória:
“Vibe-coding is a great way to learn... Throwing absurd ideas at them and vibe-coding until they almost sort-of work is a genuinely useful way to accelerate the rate at which you build intuition.”
Projetos pessoais importam mais do que nunca. Eles mostram que você consegue ir do zero ao deploy, que não precisa de um gerente dizendo o que fazer.
Para mid-level
Acelere a chegada em senior. A escada ainda existe, mas está mudando. As habilidades que te levaram até aqui não são as mesmas que vão te levar adiante.
Foque no que não é automatizável: comunicação, liderança técnica, capacidade de definir problemas, não só resolvê-los.
Como escrevi sobre o que aprendi ao não ser promovido, senioridade não é sobre tempo. É sobre impacto e julgamento.
Para senior+
Você é o orquestrador agora.
“I still review every line, shape the architecture, and carry the responsibility for how it runs in production. But the sheer volume of what I now let an agent generate would have been unthinkable even six months ago.” Armin Ronacher.
Seu valor está em decisões, não em linhas de código. Em saber o que construir, não em como implementar. Em mentorar outros a usar essas ferramentas de forma efetiva.
O futuro não é IA substituindo programadores. É amplificação. Quem souber orquestrar vai ter um impacto desproporcional.
🌟 Resumo
1000 dias mudaram tudo: SWE-bench melhorou 3.500%, empresas cresceram 400x+, $325B investidos em infraestrutura em um único ano
O custo da inteligência está caindo: O que era escasso (conhecimento, capacidade de escrever código) está se tornando abundante
O novo diferencial: Relacionamentos, taste, julgamento, e saber orquestrar IA. Os 10% que valem 1000x mais
Prepare seu código: Tipagem explícita, feedback loops rápidos, arquitetura em leaf nodes, convenções documentadas
Aja agora. Em novembro de 2022, quem apostou cedo em IA ganhou uma vantagem que ainda está compondo. Daqui a 1000 dias, em agosto de 2028, vamos olhar para trás e ver que a janela de posicionamento era agora. A diferença é que dessa vez você sabe que ela existe.
📚 Referências
Análises e Comentários
Benchmarks e Pesquisas
Stack Overflow Developer Survey 2025 (e de outros anos também)
Dados das Empresas
Dados Financeiros e de Mercado
Esse foi um dos meus artigos de pesquisa maiores, por isso demorou alguns dias extras para sair. Espero que tenham gostado 🙏
Se você acha que esse artigo pode ser útil para outras pessoas, compartilhe!