TLDR;

A IA acelerou muitas tarefas, mas não conquistou completamente a programação, pois continua sendo necessário supervisionar, arquitetar e corrigir o código gerado por humanos experientes. Existem relatos e sinais claros de atrofia de habilidades — sobretudo entre juniores que pulam a prática de escrever código — deixando-os incapazes de debugar e entender sistemas complexos sem a IA. A melhor abordagem é tratar IA como ferramenta complementar: manter prática deliberada escrevendo código do zero, exigir revisão arquitetural humana, supervisionar agentes e não medir produtividade por tokens.

Resumo

O debate gira em torno do ensaio de Lars Fay, que critica o emergente paradigma de "agentic coding" — fluxos onde requisitos são definidos, planos gerados e agentes de IA iteram código, afastando o orquestrador do próprio código. Apesar do entusiasmo na indústria (relatos de ganhos "10x" ou "100x"), Fay afirma que essa abordagem é uma armadilha: ela depende de desenvolvedores experientes capazes de detectar problemas arquiteturais no código gerado, habilidades que o uso intensivo de IA tende a corroer. Comunidades como Reddit relatam perda de capacidade técnica, dificuldades para entender sintaxe, depurar e até declínio cognitivo; esse efeito atinge tanto veteranos quanto juniores, que, ao pularem a etapa de escrever código do zero, não desenvolvem a base necessária e enfrentam o "junior year wall". Desenvolvedor com 30 anos corrobora, acrescentando quatro nuances: as ferramentas, quando bem guiadas por especialistas, aceleram o trabalho; porém, esperas e supervisão geram troca de contexto e exaustão; há atrofia de habilidades e perda de trabalho profundo; e a adoção de métricas como contagem de tokens pode virar KPI equivocado, levando a burnout e queda contínua da qualidade do software. O autor conclui que, sem mudanças, esse modelo pode degradar a profissão e exigir práticas de ensino.