Neste artigo
Cansei de ver gente tratando Inteligência Artificial como se existisse, de fato, uma inteligência ali dentro. Eu sou desenvolvedor, uso IA todo dia pra programar, e justamente por isso resolvi escrever este texto: quanto mais perto você chega de como um modelo de linguagem funciona, menos mágica sobra.
Não estou dizendo que a ferramenta é ruim. Pelo contrário. Mas entender que não existe uma “mente” do outro lado muda completamente a forma como você usa, confia e se posiciona diante dela. Se você ainda não caiu nessa ficha, talvez seja um pequeno choque. Foi pra mim.
Resumo rápido
- Um LLM não “entende” nada: ele prevê a próxima palavra mais provável, com base em padrões estatísticos aprendidos de trilhões de exemplos.
- Bender e Gebru chamaram isso de “papagaio estocástico” num paper de 2021 que virou referência na área.
- Frederick Brooks já explicava, em 1986, por que a parte difícil do software (a “complexidade essencial”) nunca foi escrever sintaxe — é entender o problema do cliente. A IA resolve a primeira parte, não a segunda.
- Por isso a IA muda a rotina do dev (menos digitação, mais revisão), mas não substitui quem se responsabiliza pelo sistema.
O mito da consciência estatística
Tirando o marketing, IA generativa é lógica e estatística de alta performance. O modelo aprende padrões de linguagem e responde prevendo qual é a próxima palavra mais provável dentro de um contexto. É aproximação pura: ele entrega o que a matemática “acha” que estaria certo, com base em trilhões de exemplos anteriores.
E como essa previsão vem de probabilidade, não de compreensão, ela erra. Às vezes erra com uma confiança impressionante. Por isso eu não aceito resposta de IA sem revisar, seja texto, seja código. Não é desconfiança gratuita: é saber o que a ferramenta é.
O melhor termo pra descrever isso não é meu. É de duas pesquisadoras sérias, Emily Bender e Timnit Gebru, no paper “On the Dangers of Stochastic Parrots” (FAccT 2021, ACM), hoje uma das referências mais citadas da área. Um papagaio repete frases com perfeição sem saber o que elas significam: ele só reproduz o que ouviu com frequência. O LLM faz algo parecido, numa escala absurda. Ele faz a gente acreditar que existe uma consciência ali, quando o que existe é um cálculo de probabilidade muito rápido rodando por trás.
Complexidade essencial vs. cópia da forma
Essa distinção também não é nova. Frederick Brooks, um dos pais da engenharia de software, já separava dois tipos de dificuldade em 1986: a “complexidade acidental” (sintaxe, a forma de escrever o código) e a “complexidade essencial” (entender de verdade o problema que precisa ser resolvido). Na minha leitura, a IA é excelente na primeira e continua incapaz na segunda.
Um exemplo hipotético deixa isso claro: peça pra uma IA gerar uma função de desconto progressivo pra um e-commerce e ela entrega algo sintaticamente correto em segundos. Mas ela não sabe que, naquela empresa específica, descontos acima de 30% precisam de aprovação manual por causa de uma fraude que aconteceu dois anos atrás. Essa regra não está em nenhum manual de sintaxe. Está na cabeça de quem viveu o problema. A IA cuida da superfície, da estética do código; o desenvolvedor cuida da razão de negócio por trás dele.
Por que o desenvolvedor não vai ser substituído
Deixando claro: a IA aumenta, e muito, a produtividade. Ela faz coisas impressionantes, economiza horas e simplifica um monte de processo chato. O que eu não compro é o discurso de que ela vai substituir desenvolvedores.
“Substituir” é uma palavra forte demais, e eu não acho que a realidade vai ser essa. O que eu vejo é outra coisa: quem souber direcionar bem a ferramenta vai sair na frente, e o nosso papel vai pender cada vez mais pra revisar e validar código do que pra escrever tudo do zero. Inclusive, eu detalhei como eu reviso PR gerado por IA sem virar borracha, porque essa revisão virou parte central do trabalho.
E eu não acredito em substituição total porque, como falei, a IA não entende o que está fazendo. Sempre vai precisar existir alguém que dê a direção e, principalmente, que se responsabilize pela segurança e pela infraestrutura do sistema. Um algoritmo não responde por um erro crítico em produção nem por um vazamento de dados; um engenheiro de software responde. É exatamente esse tipo de decisão que fica mais cara, e não mais barata, na era da IA.
Se quiser ver o outro lado dessa moeda, quando o código gerado sem esse olhar humano vira problema de longo prazo, vale ler IA e dívida técnica: o que relatos reais mostram.
Perguntas frequentes
A IA vai substituir programadores juniores primeiro? É o medo mais comum, mas a IA ainda erra justamente nas tarefas “simples” que dependem de contexto de negócio, o tipo de coisa que um júnior aprende observando o time, não só escrevendo sintaxe.
Papagaio estocástico ainda é uma crítica válida em 2026? Sim. O termo descreve o mecanismo (previsão estatística da próxima palavra), não a qualidade do modelo. Continua tecnicamente correto mesmo com modelos muito mais capazes que os de 2021.
Se a IA não “entende”, por que ela parece tão boa conversando? Porque o volume de exemplos que ela viu é gigantesco. Ela imita o padrão de uma conversa competente com muita precisão, o que é bem diferente de ter uma representação interna do que está sendo discutido.
Conclusão
IA é a ferramenta mais poderosa da nossa geração, mas continua sendo isso: uma ferramenta. É o nosso novo compilador, o assistente mais rápido que já tivemos. A inteligência de verdade, aquela que junta ética, contexto, criatividade e responsabilidade, continua sendo humana. E, na minha opinião, vai continuar assim por muito tempo.
Leia também: Se o modelo só prevê a próxima palavra, ele também não sabe o quanto está certo. Eu explico isso na prática em por que você não deve pedir um score de confiança a um LLM.
A conversa continua
Comentários encerrados.