TLDR;

IA na codificação não te torna menos técnico porque a habilidade técnica migra para níveis mais altos — design, decisões ambíguas, arquitetura e revisão crítica das saídas da IA. Para manter e demonstrar técnica, foque em tomar decisões de design, gerenciar trade-offs, criar fluxos de trabalho e revisar/dirigir as gerações da IA. Ainda são técnicas tarefas como escolher entre arquiteturas determinísticas ou baseadas em agentes, configurar memória e automação de PRs/revisões e decidir quando automatizar correções.

Resumo

A conversa gira em torno da sensação de depender demais da IA para planejar e implementar funcionalidades e se isso reduz a profundidade técnica pessoal; a resposta é que não há problema em usar a IA para soluções óbvias, mas o diferencial técnico passa a ser a tomada de decisões em níveis mais altos de abstração quando questões são ambíguas. Como exemplo, foi discutido um sistema de automação de conteúdo que pode ser desenhado como um grafo determinístico (fluxos explícitos para thumbnails) ou como um sistema baseado em chat que escolhe skills dinamicamente — cada opção tem trade-offs de complexidade e facilidade de implementação. O ponto central é que hoje o trabalho técnico importante envolve projetar a arquitetura, os fluxos, a gestão de memória dos agentes e como automatizar processos (por exemplo, quantas rodadas de modelos revisarão PRs), além de revisar e direcionar corretamente a IA via prompts. Há também desafios práticos: modelos tendem a over-engineer, é preciso ajustar formatos de PR, definir padrões de qualidade para colaboradores e criar pipelines de revisão automatizada que rotulem issues como “auto-fix”, “no-op” ou “ask me”, permitindo merges automáticos quando apropriado. Em suma, a IA muda o foco do “codar” para o “decidir, revisar e orquestrar”.