prototipação em alto nível • Low Code e No Code - Ferramentas para gerar aplicações • Copilots - Assistentes dentro ou próximo de ambientes de desenvolvimento
como era cloud no inicio. Quem entrava de cabeça era criticado, agora é a normal e estamos revertendo para um novo nível de uso de datacenter. • Early Adopters… O trabalho em grupo ainda é complexo. • E o pessoal de segurança ? (lembra quando tinha o dono das regras de firewall e agora temos uma linha no Terraform) • Desenvolvimento é chamado de undifferentiated code… undifferentiated infra, undifferentiated lifting
que acontece hoje com product management, desenvolvedores, QA, agilistas aconteceu com engenheiros de rede, segurança, gerente de projetos… • A velocidade vem do entendimento do objetivo • Todos deveriam estar usando ferramentas • Poucos vão ficar empolgados (fora seu CEO programador das antigas) • Desenvolvimento com AI ainda não é dono de todo life cycle das aplicações (deploy, ops, customer experience etc).
Protótipos, zero-to-one e MVPs • Para alguns, é o primeiro passo para programar • Para a maioria é um investimento como Gopro's, iPods e Teslas: aspiracional
código gerado ou direção com clareza ? • Teatro de métricas e o sapatenis espiritual • O stress cognitivo de entender tudo - quando você não criou nada. • O mesmo peso existe em times grandes, mas com nomes e artefatos mais lentos: microserviços, monorepos etc • Fazer o difícil é mais natural do que fazer o simples • NIH ^1000
código gerado ? • Direção e Clareza ? • Teatro de métricas e o sapatenis espiritual • O stress cognitivo de entender tudo - quando você não criou nada. • O mesmo peso existe em times grandes, mas com nomes e artefatos mais lentos: microserviços, monorepos etc • Fazer o difícil é mais natural do que fazer o simples • NIH ^1000
AI diferentes para escrever a especificação e gerar código • Usar AI com personas (desenvolvedor, QA, designer, reviewer) em paralelo. • Compartilhar a especificação com o time, criar software em pedaços fáceis de entender • Cuidado com Frameworks antigos • Claude-swarm (gestor de time com papéis distintos) • Open Spec, Github Specs • A especificação é o artefato mais importante
autônomos (como cron jobs modernos) que executam ações em série ou isoladas, com ou sem humanos. • RAG (Retrieval-Augmented Generation): técnica que enriquece respostas de LLMs com dados externos indexados (ex: legislação local), respeitando o limite da janela de tokens. • MCP (Model Context Protocol): padrão aberto da Anthropic para conectar ferramentas e modelos. Já amplamente adotado por plataformas como GitHub e Figma.
risco de segurança • Alucinação e grandes reescritas • Modelos têm data limite de treinamento - não conhecem a última versão de tudo • Loops por janela de token limitada, falta de contexto e memória
funciona. • Crie dois arquivos: memory.md e changelog.md, instrua o modelo a usa-los. • Faça cada rodada em um branch novo de GIT, só troque a cada feature nova que funciona. • Sempre instrua o agente a planejar, racionalizar e executar • Combine modelos • Verifique dependencias por pacotes de malware (supply chain risk) • Pergunte ao modelo "what is still missing" e "clean up unused code and document it" sempre.
de serviços compartilhados) já fazem automações • AI é o próximo analytics • Copy & Paste em 4D - os riscos de segurança, importando código alheio • Vibe Coding - os riscos de marca de produtos mal acabados (redes sociais, fintechs) • Aceleração de riscos em 10x, aceleração de ganhos em 10x
em time de analytics (BA, BI, Product Analytics, Data Analytics) de operadores para habilitadores • Modelos cada vez mais especificos, mas ainda dependem de RAG
gleicon
hattori
ditccsugii
sansan33
salaboy
joyfrommasara
shomaekawa
findy_eventslides
taichinakamura
ornew
oikon48
dip_tech
marcelosomers
caitiem20
soudai
carmenintech
bkeepers
sergeychernyshev
csswizardry
orderedlist
scottboms
bryan
rocio
marktimemedia
