Para superar a IA, engenheiros precisam vencer os modelos em algo

{ "resumo": "## O fim do engenheiro de reposição\n\nO autor retoma uma ideia que defendeu em 2025: avaliar engenheiros de software pelo "valor sobre a reposição" - não quanto dinheiro geraram, mas quanto gerariam a mais que um engenheiro mediano no mesmo cargo. Na década de 2010, um engenheiro de nível de reposição ainda valia o salário, porque escrever código tinha alto custo fixo. Hoje, escrever código custa cerca de cem dólares por mês, e ele questiona o que um profissional faz que modelos como GPT-5.6-Sol ou Claude Opus 5 não fariam em seu lugar - e por que compensaria pagar dois ou três ordens de magnitude a mais por isso.\n\n## Não negar o avanço dos modelos\n\nEle considera um erro fingir que LLMs não sabem escrever código ou que o código gerado por eles é tão ruim que fará as empresas colapsarem em breve. Também descarta a estratégia de recuar para áreas de "engenharia difícil": no início de 2026, fazer mudanças funcionais em codebases grandes era algo que os modelos não faziam, e hoje fazem. Se os LLMs podem encontrar limites inferiores melhores para a hipótese de Riemann, logo poderão escrever drivers de kernel de alto desempenho ou GPU shaders. Como o alvo é móvel, o autor propõe observar as tarefas em que os modelos não melhoraram com o tempo.\n\n## Familiaridade profunda com o codebase\n\nOs erros dos agentes de código não são mais alucinações simples ou off-by-one, mas erros de ignorância: reimplementar lógica que já existe em um módulo, mudar o sistema errado por não saber onde a funcionalidade fica padronizada, adotar estilo inconsistente com a prática da empresa. Ou erros de paranoia: checks triplicamente redundantes para um valor que na prática é definido uma vez, criar sistemas complexos para eliminar dez milissegundos de dado obsoleto, e construir fallbacks e degradação "graciosa" em código que deveria simplesmente falhar. Esses são os erros que um engenheiro competente sem contexto do sistema cometeria. Enquanto ninguém resolver aprendizado contínuo ou janelas de contexto verdadeiramente massivas, isso é intrínseco ao funcionamento dos agentes.\n\nPara captar esses erros é preciso conhecer o codebase e o sistema - e ter disposição psicológica para discordar com confiança do agente, que costuma ser convincente e insiste em cobrir casos desnecessários. O autor argumenta que não dá para confiar a revisão a outros agentes: o mesmo modelo repete as mesmas suposições, e modelos diferentes tendem aos mesmos tipos de erro de ignorância e paranoia pelos mesmos motivos estruturais. Além disso, IAs modernas foram treinadas com RL para sempre encontrar algumas nitpicks, e ciclos de revisão por IA podem gerar dez mil linhas de "slop" paranoico.\n\n## Comunicação técnica\n\nO segundo espaço é a comunicação. Modelos novos melhoram em código, mas pioram em escrita: GPT-4o introduziu o estilo "slop", e os modelos mais recentes da Anthropic falam "Claudish", uma forma truncada e semibarroca. Duas causas: primeiro, boa escrita não é um domínio verificável - não se pode avaliar automaticamente como matemática ou código, e o RLHF humano inicial produziu justamente a escrita repleta de recursos retóricos. Segundo, os labs estão monomaníacos por capacidade em vez de comunicação; o autor sugere que o estilo estranho dos LLMs é uma semi-tradução literal dos tokens de raciocínio interno, que se tornaram quase incompreensíveis em busca de melhor resolução de problemas. Traduzir Claudish para bom inglês exige tanto habilidade linguística quanto técnica.\n\nEle cita o romance Blindsight, de Peter Watts, para argumentar que comunicação pode ser independente - ou até negativamente correlacionada - com inteligência: um "país de gênios" ainda precisaria de tradutores. Há também a vantagem de ser humano: muitos estão ficando "AI-blind", com um reflexo de ignorar conteúdo gerado por IA, como banners de anúncio.\n\n## Conclusão\n\nO pior caminho é ser um "meat proxy", que só copia pedidos para um agente e submete o resultado - definicionalmente sem agregar valor e com alto risco de demissão. Mesmo sistemas de múltiplos agentes, as chamadas "fábricas de software", ficam em terreno perigoso: quando esses recursos entrarem nas ferramentas corporativas de IA, o profissional será descartável. Melhor que evitar IA é identificar o que ela faz e preencher as lacunas: hoje, familiaridade com os detalhes técnicos do sistema e capacidade de escrever sobre eles com clareza e persuasão.", "hook": "Escrever código agora custa cerca de cem dólares por mês, e um autor que já defendia avaliar engenheiros pelo "valor sobre a reposição" pergunta o que justifica pagar muito mais por um humano. Sua resposta não é negar os modelos, nem recuar para áreas mais difíceis, mas focar no que eles não melhoraram: familiaridade profunda com o sistema e comunicação técnica.", "entities": ["Sean Goedecke", "GPT-5.6-Sol", "Claude Opus 5", "OpenAI", "Anthropic"], "themes": ["trabalho-e-carreiras", "engenharia-com-ia"], "story_key": "engenheiro-vencer-modelos", "reasoning": { "story_key": "Tese canônica do texto: engenheiros precisam vencer os modelos em algo, especificamente familiaridade com o codebase e comunicação técnica.", "themes": { "trabalho-e-carreiras": "Tese central sobre o ofício de engenheiro de software, avaliação por valor sobre reposição, risco de demissão e habilidades duráveis.", "engenharia-com-ia": "O texto discute na prática agentes de código, revisão por IA, fábricas de software e como capturar erros de agentes em codebases." }, "entities": { "Sean Goedecke": "Autor e defensor da tese de valor sobre reposição.", "GPT-5.6-Sol": "Modelo citado como substituto potencial do engenheiro.", "Claude Opus 5": "Modelo citado como substituto potencial e exemplo de estilo 'Claudish'.", "OpenAI": "Sujeito do RLHF inicial e da evolução de estilos de escrita de GPT-4o.", "Anthropic": "Sujeito cujos modelos recentes falam 'Claudish'." }, "excluded": { "Peter Watts": "Apenas autor de referência literária (Blindsight), menção secundária.", "GPT-3.5": "Exemplo secundário de estilo de escrita, não sujeito do fato.", "GPT-4.5": "Menção secundária como exceção de escrita." } } }