O custo invisível do 'Vibe Coding'
Este paper de Sreecharan Sankaranarayanan, publicado recentemente no arXiv, confirmou o que eu já sentia no feeling em minhas aulas de Machine Learning e Programação: estamos acumulando uma dívida técnica que não está no código, mas na cabeça dos desenvolvedores. Os pesquisadores cunharam o termo Dívida Epistêmica para descrever o acúmulo de artefatos funcionais que o usuário possui legalmente, mas não possui cognitivamente. Em termos diretos: você colou o código, ele funcionou, mas você não tem a menor ideia do porquê.
O colapso da competência em números
O experimento foi cirúrgico. Eles testaram 78 programadores divididos em grupos com uso manual, IA irrestrita e IA estruturada. O resultado na fase de manutenção, quando injetaram um bug proposital e tiraram o acesso à IA, foi um desastre para os 'vibe coders'. O grupo que usou IA de forma livre teve uma taxa de falha 77% maior do que o grupo que foi forçado a ter o que chamam de fricção metacognitiva. É o que eu chamo de Especialista Frágil. O sujeito parece um sênior na entrega, mas é um estagiário na compreensão.
Não confunda Offloading com Outsourcing
Há uma diferença fundamental que o paper destaca e que eu sempre reforço: offloading cognitivo é usar a ferramenta para delegar o que é periférico, como sintaxe repetitiva ou configuração de ambiente. Já o outsourcing cognitivo é delegar a lógica central. Quando um aluno usa a IA para resolver o exercício, ele está cometendo uma burrice estratégica. É exatamente como pagar um personal trainer para treinar em seu lugar na academia e depois reclamar que não tem resultados. A IA deve ser usada como tutora, para testar hipóteses e aprofundar discussões, não como uma muleta que atrofia o seu raciocínio.
A solução é a Fricção Metacognitiva
O estudo propõe uma saída interessante: o Portão de Explicação. Antes de permitir que o código gerado fosse inserido no projeto, o sistema exigia que o aluno explicasse a lógica causal daquele bloco. Isso forçou o que a teoria chama de carga germânica, que é o esforço mental necessário para criar um esquema mental real. Na prática, quem foi forçado a explicar o código antes de usá-lo manteve uma performance de manutenção quase igual à de quem fez tudo na mão. No meu livro Engenharia de Prompt para Devs, eu bato muito na tecla de que o prompt não é só pedir, é entender o contexto e a arquitetura. Se você não sabe o que está pedindo, você não está programando, está apenas torcendo para o modelo acertar.
O futuro da senioridade
Há dúvidas sobre se as empresas estão preparadas para o volume de bugs impossíveis de rastrear que essa nova leva de desenvolvedores vai gerar. Mas acho essa visão pessimista. Creio que a tecnologia aumentará os níveis de abstração da engenharia de software na mesma medida em que amadurece, fazendo com que a qualidade aumente.
Na T2S, quando montamos squads de IA, a exigência é que a tecnologia potencialize o engenheiro, não que o substitua. O melhor é aceitar que a IA é um propulsor de produtividade fantástico, mas apenas para quem já sabe onde quer chegar. Sem os modelos mentais fundamentais, a utilidade funcional que você alcança hoje é fundamentalmente frágil. Vamos ajustar os pesos juntos.
Para entender como dominar a interação com esses modelos sem perder sua capacidade técnica, conheça o meu livro: Engenharia de Prompt para Devs.
Conecte-se comigo para mais análises sem hype: https://linktr.ee/ricardo.pupo.