Como Desenvolver Habilidades de Engenharia de Software na Era da IA
O desenvolvimento de habilidades em engenharia de software exige desaceleração. A IA generativa mudou o cenário do aprendizado profissional, mas ferramentas e inteligência artificial podem acelerar resultados sem necessariamente apoiar o desenvolvimento real de competências. É o que argumenta Chelsea Troy em sua apresentação "Leveling up as a Programmer in the Age of AI" na conferência Craft.
Dois Modos de Trabalho
Existem dois modos distintos na engenharia de software: descobrir como as coisas funcionam e fazer as coisas funcionarem. Quando queremos fazer algo, frequentemente aceleramos. Mas para realmente entender como os sistemas funcionam, precisamos desacelerar. E se o fazer depende do descobrir, então quanto mais rápido tentamos ir, mais presos ficamos. É preciso reduzir a marcha para avançar.
O Incômodo Necessário do Aprendizado
Atividades que promovem aprendizado são, por design, ineficientes. Exigem atenção e engajamento, e frequentemente nos colocam diante de algo em que nos sentimos incompetentes. Como Troy explica:
"Temos que lidar com algo que nos deixa desconfortáveis, e temos que lutar com isso. É essa emoção desconfortável, a confusão, a frustração, que é necessária para construir nossa capacidade cognitiva."
Usar ferramentas como aceleradores de resultados frequentemente não apoia o desenvolvimento de habilidades. Mesmo com IA disponível, precisamos entender como os sistemas que tentamos modificar realmente funcionam.
Repetição Espaçada e Sono de Qualidade
Um conceito importante da neurociência do aprendizado é a repetição espaçada. Reduzido ao essencial, o desenvolvimento de habilidades requer atenção focada intercalada com sono de qualidade. Uma forma de ajudar colegas juniores é espalhar o aprendizado por várias sessões de sono restaurador, para fazer a informação fixar.
Previsão de Resultado: Aprender Pensando
Internalizamos informações melhor quando tentamos adivinhar primeiro. O aprendizado acontece quando ensinamos um cérebro que já está pensando. Troy explica como o conceito de previsão de resultado funciona:
"Enquanto você está aprendendo como algo funciona, pode parar a cada passo e se perguntar: 'O que acho que deveria ser o próximo passo e por quê, dado o que sei agora?' Depois de responder, continue aprendendo para descobrir qual é a resposta real. Ao fazer essa pausa para se questionar, você aumenta drasticamente a probabilidade de internalizar a resposta."
Diversificação de Formatos
As pessoas aprendem melhor quando encontram a mesma informação em múltiplos formatos diferentes, em vez de repetidamente no mesmo formato:
"A razão pela qual as pessoas pensam que são aprendizes cinestésicos é que leram, ouviram ou viram algo primeiro, e depois tentaram fazer e erraram. É a segunda ou às vezes terceira forma em que encontram essa informação que faz ela fixar."
IA Não Muda Como Nosso Cérebro Funciona
A IA generativa mudou o cenário do desenvolvimento de habilidades em engenharia de software. Mas a biologia e psicologia de como resolvemos problemas não mudou tão rapidamente. Para usar ferramentas efetivamente, é útil entender como funcionam, mas é crítico entender como nós funcionamos e continuar treinando a nós mesmos e aos nossos colegas juniores em técnicas e estratégias que funcionam com a forma como realmente aprendemos.
Barreiras Cognitivas em um Mundo Habilitado por IA
Segundo Troy, as barreiras cognitivas ao aprendizado continuam basicamente as mesmas, porque nossa estrutura cognitiva não mudou fundamentalmente. O que mudou é a expectativa de um ritmo cada vez mais acelerado de trabalho, elevando o nível de dificuldade. Frequentemente, aprender um assunto significa desacelerar e lidar com ele. Quando isso se torna impossível para o sucesso profissional, desenvolvedores se veem forçados a tomar atalhos e nunca voltam para completar o aprendizado. Essa é uma barreira sistêmica, e cabe aos gerentes criar proteções ao gerenciar expectativas.
Orientando Desenvolvedores Juniores
Um problema comum hoje é o risco de aprendizes confundirem "trabalho completado" com "objetivo de aprendizado alcançado". Troy exemplifica com sua experiência em sala de aula: não pede aos alunos para escrever um compilador de uma pequena linguagem aritmética porque ela precisa de 25 cópias. Na verdade, os compiladores que os estudantes produzem não têm utilidade prática. Ela pede porque o exercício de projetar o compilador dá aos alunos experiência pessoal com questões de design que discutem o resto do semestre.
Claude pode escrever o compilador, mas isso completamente erra o ponto, porque o ponto nunca foi o compilador. O compilador é um problema fictício para aprender como pensar sobre problemas mais difíceis. Aprendizes, acadêmicos ou profissionais, se beneficiam de refletir sobre como querem mudar como praticantes no curso de seu aprendizado. Essa mudança—não a qualidade do artefato do exercício—é o indicador-chave de desempenho.
Quando pessoas são novas na indústria, podem precisar de orientação de um desenvolvedor mais sênior para determinar que mudança de pensamento um exercício deveria provocar. E para ter sucesso nessa orientação, desenvolvedores sêniores devem desenvolver a capacidade de prestar atenção cuidadosa ao trabalho de um desenvolvedor junior—não suas suposições sobre o que juniores fazem, mas o trabalho real deste desenvolvedor—e responder a esse trabalho com coaching atencioso.










