TLDR;

Porque a IA facilita gerar muito código rapidamente sem automatizar o entendimento e julgamento necessários para manter e depurar sistemas, criando dívida técnica e surpresas em produção. O papel do desenvolvedor não desaparece; passa a exigir mais habilidade em arquitetura, desempenho, concorrência e decisão sobre quando não usar IA. A solução é usar agentes para tarefas repetitivas, revisar e entender ativamente as mudanças geradas, manter humanos próximos ao sistema e controlar escopo e custos das execuções de IA.

Resumo

Por décadas o maior gargalo no desenvolvimento de software foi escrever código; com a chegada de IA isso mudou: agentes autônomos passaram a completar trechos, funções, testes, refatorações e até criar APIs, acelerando muito a produção. O problema é que, ao facilitar a geração de código, aumentou-se o volume e permaneceu a necessidade de compreendê‑lo: mudanças em vários arquivos, novas abstrações e dependências podem passar sem que humanos entendam as decisões, tornando difícil diagnosticar incidentes em produção ou avaliar suposições implícitas. Revisar milhares de linhas geradas é mais custoso e complexo do que gerá‑las, e agentes que tentam resolver tarefas consumindo muitos ciclos podem sair caros. Ainda assim, usados com critério, agentes são excelentes para tarefas repetitivas, testes e exploração de código desconhecido. A mudança principal é que a habilidade escassa deslocou‑se: não basta digitar código rapidamente; agora vale projetar sistemas, raciocinar sobre concorrência, rede, cache e falhas, reconhecer quando não usar IA e exercer julgamento sobre arquiteturas e trade‑offs. O chamado é aproveitar a IA para acelerar o trabalho chato, mas manter engenheiros próximos ao sistema para que entendam, decidam e controlem o software que se gera. Só assim evitaremos sistemas incompreensíveis, custos desnecessários e falhas graves no futuro.