A promessa visual

Durante décadas, a evolução das interfaces digitais seguiu uma direção clara: tornar o computador cada vez mais parecido com o mundo físico.

O DOS era pura lógica. Puro texto, sem corpo. Você digitava um comando e o sistema respondia. Havia algo brutalmente honesto nisso, mas era inacessível para a maioria das pessoas, o idioma da máquina precisava de educação para o uso.

A GUI (interface gráfica) mudou tudo. Com o mouse, a tela ganhou profundidade. Surgiram janelas, ícones, pastas, menus. O computador passou a imitar uma mesa de trabalho. E o gesto fundamental de interação era o clique; uma forma de tato mediado. Você apontava, tocava, arrastava. A tela virou uma superfície tátil-visual.

O touchscreen levou essa lógica ao extremo literal: o dedo substituiu o mouse. O tato mediado virou tato direto. A metáfora desapareceu. Você realmente tocava os objetos digitais.

Essa progressão foi uma conquista genuína. Ela democratizou o acesso à computação de uma forma que nenhuma tecnologia anterior havia conseguido. A interação era muito mais intuitiva. Para o problema que existia, tornar computadores compreensíveis para humanos sem treinamento técnico, o paradigma visual foi a resposta certa.

Marshall McLuhan descreveria esse movimento como a consolidação do espaço visual na computação: um ambiente organizado em perspectiva, hierarquias, layouts geométricos. Linear, sequencial, guiado pelo olho.

E funcionou. Por um bom tempo.

A reversão

McLuhan também formulou uma das leis mais perturbadoras sobre tecnologia: toda mídia, levada ao extremo, reverte no seu propósito original.

A estrada foi criada para aproximar. Levada ao extremo, criou o engarrafamento que paralisa cidades. A televisão foi criada para informar. Levada ao extremo, criou o ruído que desinforma. A interface gráfica foi criada para simplificar. Levada ao extremo, criou o painel de avião que ninguém mais consegue entender ou operar.

Abra o Google Analytics. O menu do Word. O painel do Cloudflare. O que você vê não é uma interface: é uma enciclopédia de menus, abas, submenus, configurações enterradas em três níveis de navegação. Você não usa essas ferramentas. Você sobrevive a elas.

A GUI acumulou décadas de features visuais sem princípio de composição. Cada nova funcionalidade virou um botão. Cada botão precisou de um menu. Cada menu gerou uma hierarquia. O resultado é um inferno cognitiva para o usuário médio que só quer fazer as coisas.

O paradoxo é cruel: a interface que nasceu para mostrar, hoje esconde. A ferramenta que nasceu para simplificar, hoje é o principal obstáculo entre o usuário e o que ele quer fazer.

Isso não é falha de design. É a dinâmica que denuncia que: o paradigma Visual First chegou ao seu ponto de reversão.

E foi exatamente nesse momento que um novo ator entrou no ambiente de desenvolvimento.

A virada acústica

Enquanto interfaces gráficas atingiam sua complexidade máxima, duas forças começaram a agir em direção oposta.

A primeira foi a chegada dos coding agents: sistemas capazes de interpretar intenção, executar ações, observar resultados e ajustar comportamento de forma autônoma. A segunda foi a ascensão da voz como interface primária: você fala com sua TV, com seu carro, com assistentes de IA. A Alexa. O ChatGPT por voz. O Claude Code com comando de voz integrado e mais recentemente com o OpenClaw (agente de uso pessoal que voce pode interagir pelo Whatsapp).

Nenhuma dessas tendências é coincidência. Elas convergem porque apontam para o mesmo movimento: a transição do espaço visual para o espaço acústico.

McLuhan nunca descreveu esses espaços em termos absolutos, mas em graus. Toda tecnologia se posiciona numa escala entre o visual e o acústico. O visual é mais organizado, hierárquico, orientado pelo olho. O acústico é mais relacional, contextual, orientado pelo diálogo.

Na computação, essa escala existe com clareza:

GUI → API pura → CLI →  Voz

← mais visual mais acústico →

APIs são precisas mas opacas para humanos. GUIs são visíveis mas inacessíveis para agentes. A voz é o polo acústico puro: linguagem natural, sem sintaxe formal, sem estrutura visual.

A CLI (Command Line Interface) ocupa uma posição interessante nessa escala: ela tem semântica legível por humanos (git commit, docker run, npm install) sem ser linguagem natural, apesar de se apresentar por meio de verbos frequentemente. Um agente entende. Um desenvolvedor entende, usuários de terminal do Windows ou Linux também. A intenção está expressa de forma direta. Isso a torna o ponto de encontro atual entre o que máquinas conseguem executar com precisão e o que humanos conseguem inspecionar e compreender e até usar.

Há também um fator histórico que não pode ser ignorado: décadas de tutoriais, documentações, posts em fóruns e respostas no StackOverflow ensinaram desenvolvedores usando comandos de terminal, onipresentes em todos sistemas operacionais. Esses padrões foram massivamente absorvidos nos datasets de treinamento das LLMs. Modelos de linguagem atuais têm uma capacidade surpreendente de produzir, interpretar e compor comandos CLI; não por acidente, mas porque o terminal já era a forma dominante de descrever procedimentos técnicos em texto.

A CLI nunca saiu. Ela estava em servidores, em pipelines de CI/CD, em infraestrutura. Quem sempre trabalhou nessas camadas sabe disso. O que mudou é que agora ela começa a voltar ao centro, não por nostalgia, mas por necessidade estrutural do novo ambiente que se instala.

O manifesto: Acoustic by Design

Chegamos ao argumento central.

Todo software construído hoje deveria seguir um paradigma CLI First.
Não CLI Only, entenda, interfaces gráficas continuam tendo seu papel, especialmente para usuários finais, já acostumados a esse paradigma. Mas a CLI como cidadã de primeira classe na arquitetura do produto, não como adendo tardio.

Por quê todo software deveria ter uma CLI?

Primeiro: você testa mais cedo. Uma CLI interativa permite validar o software, para além dos testes unitários, em estágio muito inicial; sem servidor levantado, sem interface gráfica pronta, sem complexidades estruturais que virão mais tarde no projeto de software. Humanos podem operar. Agentes podem operar. Scripts podem ser escritos para executar testes end-to-end desde o primeiro dia. Isso reduz o ciclo de feedback de semanas para horas.

Segundo: todo software com CLI é operável por agentes. Isso não é detalhe técnico, é uma decisão arquitetural sobre o futuro do seu produto. Um chatbot que conversa com o usuário e executa ações pode ser construído em cima de qualquer CLI bem projetada. Você não precisa construir uma API separada para automação. A CLI já é a interface de automação.

Terceiro: CLI torna seu software voice-ready. O que um assistente de voz faz por baixo dos panos quando executa uma ação? Invoca uma CLI, uma API, ou alguma combinação das duas. Um software que nasce com CLI bem definida já está preparado para ser controlado por voz, um simples --help bem escrito é contrato mais do que suficiente para quem um agente descubra como usá-la. A Hostinger (empresa que fornece servidores na internet) entendeu isso bem: seu chatbot permite que você diga "cria um CNAME no subdomínio palhano.com" e a operação acontece. Você não clicou em nada. A CLI estava lá, operando por baixo da linguagem natural, ela encontrou a funcionalidade que estava enterrada num mundaréu de menus para você, tão natural como uma conversa.

O GitHub é o caso canônico. Ele oferece CLI (gh pr create, gh repo clone), API e GUI, três camadas coexistindo sem que nenhuma cancele a outra. A GUI não precisou ser sacrificada para a CLI existir. E o resultado é que o GitHub é operável por humanos, por agentes e por interfaces de voz com a mesma naturalidade.

CLIs também envelhecem bem. O git de 2005 ainda é completamente operável em 2025, ainda é integrado em novos workflows, ainda é estendido por agentes. Comandos são contratos estáveis. GUIs são opiniões sobre UX que mudam com tendências de design, com a moda, e envelhecem mal.

O problema do software atual não é que ele tem GUI. É que ele nasce pensado para GUI, nasce mais para o olho do que para o ouvido e tenta adicionar automação depois. Esse retrofit é caro, inconsistente e estruturalmente inferior. Você sente quando uma CLI está traduzindo a GUI em vez de expressar o modelo de domínio diretamente. As abstrações brigam entre si.

Hoje, escrever uma CLI em paralelo com a GUI não exige suor extra do desenvolvedor; coding agents geram essa camada com consistência e baixo custo. CLI First não é mais um luxo de equipes grandes. É uma decisão acessível para qualquer projeto.

Resumindo

Agora a recepção é pelo ouvido. A ação é pela boca.

Essa inversão; do olho para o ouvido, do tato para a voz; não acontece por acidente. Ela acontece porque o paradigma visual chegou ao seu limite, e ao seu ponto de reversão: a interface que veio para mostrar agora esconde, a ferramenta que veio para simplificar agora é o obstáculo.

E ela acontece porque chegamos ao momento em que agentes e humanos precisam compartilhar um mesmo ambiente operacional. Um ambiente que seja legível para ambos. Que seja composável. Que seja estável o suficiente para ser automatizado e simples o suficiente para ser compreendido e também auditado.

O terminal sempre foi esse ambiente. A CLI sempre operou nesse modo.

McLuhan dizia que novas mídias frequentemente reativam formas antigas de percepção. O retorno do acústico na computação confirma essa intuição, mas vai além dela.

Não se trata de reativar o passado. Trata-se de reconhecer que a arquitetura certa para a era dos agentes é aquela que nasce preparada para ser conversada, não apenas clicada.

Acoustic by Design não é uma tendência. É o próximo paradigma de desenvolvimento de software.

E a pergunta que cada equipe deveria fazer ao iniciar um projeto hoje é simples:

O software que estamos produzindo, já sabe conversar?