Painel Codificação para o Futuro

하이라이트

• Os agentes de IA funcionam como amplificadores de habilidades, elevando o piso do que pessoas com menos experiência conseguem fazer e multiplicando a capacidade de engenheiros sênior

• Modelos de código aberto estão crescendo rapidamente em adoção, passando de 5% no início do ano para aproximadamente 10-20% de uso em pipelines de produção

• O desenvolvimento agnóstico de agentes cria uma bimodalidade interessante: engenheiros juniores são mais receptivos mas menos experientes em delegação, enquanto sênior delegam bem mas resistem a mudar seus fluxos de trabalho

• Agentes não funcionam melhor localmente ou em nuvem, mas sim onde os recursos que precisam acessar estão localizados, convergindo para capacidade de rodar em qualquer ambiente

• A qualidade do resultado de agentes de IA depende fundamentalmente da clareza e especificidade das instruções e diretrizes fornecidas pelo usuário

• No próximo ano, espera-se que agentes consigam executar 100-200 passos consecutivos com confiabilidade acima de 90%, e descobrir proativamente as fontes de contexto necessárias

타임라인

1. 00:00 - 01:15

   Introdução ao Painel e Apresentação dos Participantes

   O painel inicia com uma apresentação descontraída sobre o futuro da IA em programação. O moderador apresenta os três especialistas principais: Matan da Factory, um representante do OpenAI, e um representante do Vercel/v0. Matan explica que a Factory trabalha em agentes de desenvolvimento de software de ponta a ponta chamados 'droids', que cuidam não apenas da programação, mas de todo o ciclo de vida do desenvolvimento, incluindo documentação, testes e revisão de código. Essa abordagem permite que engenheiros se concentrem nas partes mais interessantes do trabalho enquanto os agentes cuidam das tarefas repetitivas.

2. 01:15 - 02:10

   Evolução dos Produtos e Capacidades de Agentes

   O representante do OpenAI detalha o progresso dos produtos de codificação ao longo do ano: inicialmente lançaram seu primeiro agente de programação, seguido do Codex CLI trazendo modelos de raciocínio para os computadores locais dos usuários. Depois veio o Codex Cloud permitindo distribuição em nuvem, e recentemente unificaram essas experiências com o lançamento do dev day SDK. O representante destaca que estão expandindo o uso de agentes para tarefas genéricas além da programação, como o agente try que executa código em segundo plano. Esse progresso mostra uma trajetória de expansão das capacidades e acessibilidade dos agentes de IA.

3. 02:10 - 02:36

   v0 e Programação Orientada por Visualização

   O representante do Vercel explica o objetivo do v0: permitir que desenvolvedores façam programação web agnóstica orientada por visualização. Em vez de ter um editor de código aberto, um IDE e um preview da aplicação rodando simultaneamente, o v0 funciona com um agente rodando e permitindo interação via prompts diretos contra a aplicação em execução. Isso representa uma mudança fundamental na experiência do desenvolvedor, consolidando múltiplas ferramentas em uma interface única e mais intuitiva. Essa abordagem reflete a visão de como a experiência de desenvolvimento evoluirá no futuro, com agentes e visualização integrados.

4. 02:36 - 06:21

   Debate: Local versus Nuvem para Execução de Agentes

   Os participantes discutem profundamente sobre onde agentes devem executar - localmente ou na nuvem. O consenso é que não é uma questão binária, mas depende de onde os recursos que o agente precisa acessar estão localizados. Se a tarefa envolve o sistema de arquivos local, faz sentido executar localmente. Se envolve repositórios GitHub ou recursos em nuvem, execução em nuvem é apropriada. A análise técnica apresenta três componentes: o loop do agente, as chamadas de ferramenta, e os recursos sobre os quais agem. No curto prazo, agentes remotos são úteis para tarefas menores delegáveis com confiança, enquanto agentes locais permitem monitoramento ativo de tarefas complexas. O objetivo final é que agentes funcionem de forma agnóstica, rodando em qualquer lugar conforme necessário.

5. 06:21 - 09:23

   Qualidade de Código Gerado e Questão do 'Lixo'

   O painel aborda a preocupação sobre agentes gerarem código de baixa qualidade. O argumento central é que a qualidade depende fundamentalmente da orientação fornecida. Um desenvolvedor que simplesmente diz 'construa um app' provavelmente receberá algo genérico de baixa qualidade. Porém, desenvolvedores que são metódicos sobre especificações, fornecendo ferramentas e testes para verificar requisitos, conseguem resultados bem estruturados. É análogo a contratar um engenheiro junior e dar-lhe instruções claras versus vagas. O painel também discute como agentes funcionam como amplificadores: elevam o piso para iniciantes (pessoas que não conseguiriam fazer nada conseguem fazer algo) e multiplicam a capacidade de especialistas (um engenheiro sênior que escreve 5 mil linhas por dia consegue escrever 50 mil com agentes).

6. 09:23 - 12:05

   Adopção de Agentes em Empresas e Diferentes Perfis de Desenvolvedores

   Os participantes revelam uma bimodalidade interessante na adoção de desenvolvimento agnóstico: engenheiros juniores são mais receptivos e começam a construir com agentes naturalmente, mas carecem de experiência em delegação eficaz. Engenheiros sênior têm muita experiência delegando (pois gerenciam times) e são excelentes em escrever especificações claras, mas resistem a mudar sua forma de trabalhar. Um padrão emergente em empresas é engenheiros sênior criarem tickets bem especificados, que engenheiros juniores entregam a agentes para execução. O painel destaca a importância de distinção terminológica: 'elevar o piso' e 'abaixar o piso' significam a mesma coisa - dar às pessoas mais recursos de acordo com seu nível de habilidade. Também mencionam que agentes são ferramentas e amplificadores de ofício, não substituições.

7. 12:05 - 20:16

   Importância de Modelos Abertos e Estratégia de Modelos

   Há uma discussão aprofundada sobre modelos de código aberto versus fechado. Os participantes foram inicialmente céticos sobre modelos abertos no início do ano, mas observaram adoção dramática crescente desde então. Um fator-chave é que modelos abertos como GLM e Qwen estão performando impressionantemente bem, especialmente considerando fine-tuning para casos de uso específicos. OpenAI e Vercel usam diferentes estratégias: OpenAI mantém modelos closed-source para raciocínio de ponta de lança em problemas abertos, mas usa modelos abertos para tarefas niche bem definidas com fine-tuning. Vercel igualmente se move para modelos abertos quando há uma função objetivo clara. O uso de modelos abertos cresceu de aproximadamente 5% no início do ano para 10-20% atualmente. O painel observa que modelos closed-source estão investindo mais em modelos pequenos (Haiku, GPT-4 Mini, Gemini Flash) que competem diretamente com modelos abertos fine-tunados.

8. 20:16 - 23:56

   Futuro dos Agentes: Capacidade, Confiabilidade e Autonomia

   Os panelistas discutem o que agentes ainda não conseguem fazer bem mas farão no próximo ano. OpenAI observa que o modelo o1 um ano atrás deixava muito a desejar em tarefas de segurança, mas hoje conseguem delegar tarefas bem definidas de 2 parágrafos que retornam prontas em 30 minutos a várias horas. A evolução deve trazer colaboradores ideais com quem se quer trabalhar, capazes de abordar não apenas codificação, mas arquitetura, troubleshooting, debugging e documentação. Vercel destaca dois avanços esperados: primeiro, aumentar o número de passos que agentes conseguem executar confiávelmente (de 1-3 passos um ano atrás para 5-20 hoje, esperando 100-200 no próximo ano com confiabilidade acima de 90%). Segundo, agentes descobrindo proativamente as fontes de contexto necessárias em vez de exigir que usuários configurem manualmente. A conclusão é que agentes conseguem fazer essencialmente tudo hoje, mas a confiabilidade, proatividade e a capacidade de encontrar contexto por conta própria são os differentiators que evoluirão.