IA elimina a classe média da engenharia de software

O cenário: velocidade sem entendimento

O autor descreve uma mudança no dia a dia da engenharia de software. Em 2020, um engenheiro sênior podia tirar férias e voltar encontrando alguma bagunça no código: PRs aprovados sem atenção, tabelas desnecessárias, Kafka ou serverless adicionados sem justificativa clara. Em 2026, porém, essa degradação acontece sem férias: em uma segunda-feira comum, o engenheiro encontra PRs com dezenas de milhares de linhas gerados ou acelerados por IA, mais mudanças em um fim de semana do que antes ocorriam em semanas.

Para quem olha de fora, o sistema parece funcionar: o código roda, a feature entrega algo. Mas o autor compara isso a comprar um carro de luxo no cartão: a dívida técnica não aparece de imediato. Quando surgem bugs persistentes, ninguém sabe explicar de onde vêm os dados ou por que certas decisões foram tomadas. A resposta vira “perguntar ao Claude”, mesmo quando a conversa do LLM contém a lógica do código, misturando recomendações confiantes, retratações e mudanças de rumo.

Quem falha no processo

O texto argumenta que o problema não é apenas a IA, mas a cadeia de decisões humanas. O engenheiro que aceita um PR de 25 mil linhas deveria ter interrompido o agente antes, entendido o trabalho, dividido em partes menores e questionado cada nova abstração. O revisor deveria recusar revisar algo tão grande. Quem adiciona uma tecnologia como Kafka deveria saber explicar por quê. Quem constrói uma feature deveria saber explicar seu funcionamento sem depender de um histórico de chat.

O autor reconhece que sistemas grandes nunca foram totalmente compreendidos por uma única pessoa, mas observa que antes havia alguém que entendia partes críticas e podia explicar. Agora, quando ninguém sabe e todos perguntam ao LLM, o conhecimento real se perde.

Dívida técnica mais cara de reverter

Outro ponto é que gerar código ruim ficou barato, mas corrigi-lo continua caro. Um LLM pode criar tabelas e colunas em minutos, mas depois que dados reais passam a depender delas, removê-las exige plano de migração, cuidado com downtime, chaves estrangeiras órfãs e impacto em usuários pagantes. Enquanto uma decisão ruim está sendo desfeita, novos PRs continuam chegando. O autor resume: uma pessoa pode gerar 20 mil linhas de código em uma tarde, mas alguém ainda precisa entender o que essas linhas fazem.

A nova economia da engenharia

O artigo sustenta que maus engenheiros sempre foram um risco, mas antes havia um limite natural de velocidade para acumular más decisões. Com IA, implementação ficou barata; o valor passa a estar em tomar boas decisões, gerenciar complexidade e construir software que escale. Por isso, empresas continuam pagando altos salários para engenheiros realmente bons: não é só para transformar especificação em código, mas para exercer julgamento técnico.

A aposta do autor é que a IA ampliará a diferença salarial. Bons engenheiros ficarão mais valiosos porque conseguem produzir mais rápido e com menos gente ao redor. Engenheiros sem julgamento para avaliar recomendações de LLM se tornarão mais caros de contratar ou serão substituídos. A barra de empregabilidade passa a ser aquilo que o melhor modelo atual já consegue fazer sozinho. O autor acredita que esse efeito não ficará restrito à engenharia de software, devendo se espalhar por trabalho intelectual em geral: os melhores ficarão muito mais produtivos, enquanto os piores se tornarão difíceis de contratar porque podem produzir erros mais rápido do que qualquer equipe consegue revisar.