Depender de IA para codar pode impedir expertise dos juniores

Tese

O texto argumenta que a dependência de ferramentas de IA para gerar e depurar código pode impedir a formação de expertise, sobretudo entre desenvolvedores juniores. A aparente produtividade dos modelos esconde um paradoxo: para orientar, auditar e verificar bem suas respostas, é preciso ter justamente o conhecimento que o uso contínuo dessas ferramentas pode enfraquecer. Profissionais experientes tendem a extrair mais benefícios porque acumularam anos de prática antes da popularização desses recursos; os novatos, por outro lado, são pressionados a usá-los antes de desenvolver a base necessária.

Aprendizado invertido e ilusão de competência

O texto descreve uma forma de “aprendizado invertido”, na qual o estudante precisa conduzir o modelo, formular boas perguntas e reconhecer respostas inadequadas. Como quem explora um domínio novo frequentemente não sabe o que não sabe, a sensibilidade dos LLMs aos prompts e sua disposição para fornecer respostas plausíveis podem criar uma confiança maior que a compreensão real. O desenvolvedor pode pular planejamento, aceitar uma solução que não concebeu e depois depender do próprio modelo para corrigir problemas que ele introduziu.

Um estudo citado pela JetBrains sobre programadores novatos observou que participantes com uso mais intenso de IA frequentemente ignoraram etapas essenciais de planejamento e terminaram com uma “ilusão de competência”. Os que restringiram ou ignoraram a assistência tiveram melhor desempenho, em parte por desenvolverem “expertise negativa”: a capacidade de rejeitar sugestões incorretas ou inúteis. Eles usavam a IA para acelerar soluções que já pretendiam construir, em vez de deixar que a ferramenta conduzisse o raciocínio.

A fricção como parte da formação

A tese central é que experiência não se forma apenas por observação ou diálogo, mas por repetição, tentativa e erro e contato direto com dificuldades. Rastrear erros obscuros, perceber diferenças sutis de desempenho e reescrever uma abordagem que não escala desenvolve a intuição técnica - o “bom gosto” que permite antecipar problemas. Ao remover essa fricção, a geração automática pode impedir a construção de modelos mentais duradouros.

Evidências citadas no texto reforçam essa preocupação. Em um estudo da Universidade da Pensilvânia com 1.000 estudantes aprendendo matemática, usuários de um LLM sem salvaguardas tiveram desempenho 17% inferior ao de estudantes que usaram apenas um livro-texto, embora acreditassem estar indo bem. Quando o sistema foi configurado como tutor, orientando os alunos a resolverem os problemas de forma independente, o grupo GPT Tutor teve desempenho 127% superior na prática assistida, mas obteve resultado semelhante ao grupo do livro no teste. Um estudo da Anthropic sobre a formação de habilidades de programação chegou a uma conclusão semelhante: esforço cognitivo e até ficar dolorosamente travado podem ser importantes para a maestria.

Uso pedagógico e risco para a profissão

O texto não rejeita a IA. Sistemas usados como parceiros socráticos, documentação interativa ou geradores de tutoriais podem estimular pensamento reflexivo, crítico e independente, desde que o trabalho cognitivo permaneça com a pessoa. A recomendação é evitar a geração pura de código durante a aprendizagem e verificar conceitos e soluções com documentação oficial, colegas, pesquisa e experimentação.

A distinção decisiva é entre “dívida cognitiva”, quando alguém abdica de julgamento e decisões, e “descarregamento cognitivo”, quando delega tarefas mecânicas ou tediosas. Se empresas priorizarem geração de código e obrigarem seu uso em todas as tarefas, poderão deixar de formar profissionais capazes de compreender e manter o software produzido. A programação envolve lógica, matemática, planejamento, comunicação, pensamento crítico e criatividade; reconhecer padrões não substitui adaptação e resolução de problemas inéditos. A conclusão é que a produtividade deve ser equilibrada com uma formação deliberada e mais lenta: a IA pode apoiar o aprendizado, mas não substitui a participação ativa necessária para desenvolver expertise.