Referências para ir além: IA Generativa

A Programaria Sprint sobre IA Generativa foi mais que uma imersão: foi um convite à ação, combinando aprendizado técnico com debates críticos e inadiáveis. Deixamos de lado o hype para mergulhar no que realmente importa: como a IA Generativa está transformando o desenvolvimento de software e quais são as nossas responsabilidades nesse processo.

Este artigo é um guia para continuar essa jornada. Aqui, transformamos os principais aprendizados do evento em um roteiro prático, com pontos de reflexão, sugestões de ação e uma curadoria de conteúdos para você ir além.

Vem ler tudinho e continuar seu mergulho sobre o tema de IA Generativa, focando em transitar pelas lentes “o quê”, o “como” e, principalmente, o “porquê” de cada pilar!

Dominando as ferramentas com olhar crítico

Este pilar focou em como podemos usar as novas ferramentas de IA de forma eficaz e responsável no dia a dia do desenvolvimento.

• Roteiro prático: A lição fundamental é tratar assistentes de IA como um par de programação, e não como uma fonte de verdade absoluta. A eficácia do seu uso depende diretamente da sua habilidade de dar instruções certeiras (prompting) e de sua capacidade de fazer uma revisão crítica (code review) do código gerado.
• Pontos de reflexão:
  • Estou usando a ferramenta para aumentar minha capacidade criativa ou para substituir meu raciocínio crítico?
  • Qual o trade-off entre a velocidade que ganho e a qualidade, segurança e manutenibilidade do código gerado?
  • Eu realmente entendo o que cada linha de código sugerida pela IA faz?
• Sugestões de ação:
  • Invista em prompting: Dedique tempo para aprender e praticar como escrever prompts eficazes. Pense nisso como uma nova skill
  • Adote a “revisão obrigatória”: Crie o hábito de nunca aceitar um código gerado por IA sem antes revisá-lo, entendê-lo e adaptá-lo ao seu projeto.
  • Experimente e compare: Teste diferentes ferramentas (Cursor, Copilot e outros) e modelos (GPT, Gemini, Llama) para entender seus pontos fortes e fracos em diferentes contextos.
• Curadoria para ir além:
  • Artigo: https://hub.asimov.academy/blog/ia-para-programacao-conheca-as-ferramentas-mais-populares/
  • Artigo: https://www.tabnews.com.br/ghostnetrn/8-ferramentas-de-ia-para-devs
  • Vídeo: https://www.youtube.com/watch?v=5LT5f9qi0No

Da teoria à construção consciente

Aqui, o foco foi sair do campo de usuária para o de construtora, aprendendo a integrar modelos de linguagem em nossas próprias aplicações e agentes.

• Roteiro prático: Para construir com IA, é preciso desmistificar o processo. Comece entendendo como consumir APIs de LLMs, explore técnicas como few-shot para customizar respostas e planeje o ciclo de vida da aplicação, incluindo sua implantação, monitoramento e a criação de agentes com autonomia definida.
• Pontos de reflexão:
  • Ao criar um agente, como medimos o que é realmente autonomia de um agente?
  • Como podemos garantir que nossa aplicação seja segura e confiável quando uma parte dela é não-determinística?
  • Qual problema real do usuário esta aplicação de IA resolve, ou estamos apenas usando IA pelo hype?
• Sugestões de ação:
  • Comece pequeno: Crie um projeto pessoal simples que consuma uma API de LLM. Pode ser um classificador de sentimentos ou um gerador de e-mails.
  • Explore frameworks: Estude ferramentas como ADK, LangChain ou LlamaIndex, que facilitam a construção de aplicações complexas com LLMs.
  • Pense em produção: Mesmo em um projeto de estudo, desenhe um plano básico de como você monitoraria o desempenho e o custo do seu modelo no mundo real.
• Curadoria para ir além:
  • Pessoa para seguir: https://www.linkedin.com/in/ninadahora
    
  • Pessoa para seguir:https://www.linkedin.com/in/kizzyterra/
  • Podcasts: https://open.spotify.com/show/3kvAh5rfmjVGxSCdUqIEFn
  • Vídeo: https://www.youtube.com/watch?v=ht7eK12vZhg

Analisando o futuro da profissão dev

Este debate abordou a questão que não quer calar: a profissão de desenvolvimento vai acabar? A resposta foi um sonoro “não”, mas com a certeza de que ela está em profunda transformação.

• Roteiro prático: O valor da pessoa desenvolvedora está se deslocando da pura escrita de código para a arquitetura de soluções. As habilidades mais importantes passam a ser o pensamento crítico, a capacidade de decompor problemas complexos, a comunicação e a curadoria de tecnologias para resolver problemas de negócio de forma eficaz.
• Pontos de reflexão:
  • Quais das minhas habilidades atuais são potencializadas pela IA e quais podem se tornar menos relevantes?
  • Como posso dedicar mais tempo a entender o “porquê” (o problema de negócio) em vez de focar apenas no “como” (a implementação do código)?
  • Estou preparada para colaborar com uma IA como um membro da equipe, delegando tarefas e focando em estratégia?
• Sugestões de ação:
  • Invista em soft skills: Fortaleça suas habilidades de comunicação, negociação, liderança técnica e pensamento sistêmico.
  • Seja também uma arquiteta de soluções: Posicione-se como a pessoa que entende o problema a fundo e sabe orquestrar diferentes ferramentas (incluindo IA) para construir a melhor solução.
  • Participe do debate: Converse com outras pessoas da área sobre como seus papéis estão mudando e compartilhe aprendizados.
• Curadoria para ir além:
  • Vídeo: https://www.youtube.com/watch?v=IGDhVYiI25s
  • Artigo: https://dev.to/vinicius3w/desenvolvimento-de-software-assistido-por-ia-principios-praticas-e-o-futuro-da-engenharia-de-hg7
  • Artigo: https://martinfowler.com/articles/exploring-gen-ai.html

Encarando o debate urgente: impactos e governança

Este pilar final conectou nosso trabalho técnico às suas consequências no mundo real, abordando ética, vieses, sustentabilidade e a necessidade de regulação.

• Roteiro prático: A tecnologia nunca é neutra. Como criadoras de tecnologia, temos a responsabilidade de questionar o impacto de nossas soluções. Isso significa investigar as fontes de dados, considerar o custo ambiental da computação e pensar ativamente sobre o potencial de mau uso e as implicações éticas do que construímos.
• Pontos de reflexão:
  • De onde vêm os dados que treinam este modelo? Que narrativas e visões de mundo eles perpetuam e quais eles apagam?
  • Qual é o custo ambiental (energético, hídrico) da solução que estou projetando em larga escala?
  • Como esta tecnologia poderia ser usada para fins maliciosos ou para aprofundar desigualdades sociais já existentes?
• Sugestões de ação:
  • Inicie a conversa na sua equipe: Leve a discussão sobre ética, impacto ambiental e vieses para o seu time. Crie um espaço seguro para o debate.
  • Informe-se sobre regulação: Acompanhe as discussões sobre o PL 2338/2023 (Marco Legal da IA no Brasil) para se posicionar de forma informada.
• Curadoria para ir além:
  • Artigo: https://www.gov.br/fazenda/pt-br/assuntos/noticias/2025/junho/regulacao-equilibrada-da-inteligencia-artificial-ajudara-a-fortalecer-o-novo-ciclo-de-desenvolvimento-do-pais
  • Artigo: https://www.unep.org/pt-br/noticias-e-reportagens/reportagem/ia-gera-um-problema-ambiental-veja-o-que-o-mundo-pode-fazer
  • Pessoa para seguir: https://www.linkedin.com/in/diogocortiz/

Até já

E assim, nosso guia chega ao fim. Mas a sua jornada com a Inteligência Artificial Generativa está só começando. Esperamos que você aproveite muito este roteiro, usando as reflexões para aprofundar seu olhar crítico e as sugestões para continuar aprendendo de forma prática.

Que este material seja um ótimo companheiro de estudos e trabalho. Nos vemos na próxima Programaria Sprint!

Este conteúdo faz parte da ProgaMaria Sprint IA Generativa