TLDR;

Eu uso IA para acelerar tarefas repetitivas e gerar funções isoladas (como handlers e repositórios), enquanto escrevo manualmente migrações, lógica de negócio e testes unitários. A IA não resolveu a programação: ela é uma ferramenta que auxilia, mas eu mantenho a propriedade do código e tomo as decisões de arquitetura e modelagem. Meu fluxo inclui Neovim + tmux com janelas do Claude Code, onde descrevo os arquivos/serviços ao modelo para implementar endpoints ou ajudar a localizar bugs.

Resumo

Num cenário em rápida mudança com IA, o autor — engenheiro de software profissional — relata sua experiência prática: experimentou copilotos, ChatGPT, Codex e codificação agentiva, mas prefere uma abordagem híbrida. Ele escreve a lógica principal (migrações, modelos, testes unitários) e mantém propriedade do código; usa IA (atualmente Claude Code) para acelerar tarefas repetitivas como handlers HTTP, padrões de repositório e funções isoladas, pedindo que o modelo siga a estrutura existente. Usa Neovim, tmux e janelas de código para integrar ferramentas. Para depuração, agrupa os arquivos relevantes e solicita à IA que ajude a localizar condições de corrida ou bugs, mantendo o processo de triagem humano. Apesar do hype e de tuítes que anunciam o fim da programação, ele defende aprender fundamentos de IA para entender LLMs, janelas de contexto e predições; recomenda o curso “How AI Works” da Brilliant, que oferece lições práticas e 30 dias grátis mais desconto. Em suma, ele argumenta que IA é ótima para produtividade e revisão, mas não substitui pensar sobre arquitetura, interfaces e propriedade do software — o equilíbrio entre automação e controle humano é essencial. Ele recomenda manter revisões manuais, testes rigorosos e adaptar processos da equipe para integrar a IA com segurança.