Tenho acompanhado com atenção a discussão sobre um cenário em que IA escreve “quase todo o código”. E quanto mais leio relatos de empresas, pesquisas e vivencio experiências práticas, mais me parece que estamos entrando numa transformação profunda da engenharia de software, mas não exatamente da forma simplista que parte do mercado tenta vender.

A narrativa dominante costuma soar quase binária: ou o desenvolvedor será substituído, ou virará apenas um operador de prompts. Só que a realidade parece muito mais complexa.

O que está mudando rapidamente não é apenas a velocidade de geração de código. Está mudando o próprio centro de gravidade da profissão.

Durante décadas, grande parte do valor percebido do engenheiro esteve associada à capacidade de escrever código manualmente, dominar sintaxe, conhecer frameworks e implementar funcionalidades. Agora, modelos como Claude, GPT e Gemini conseguem gerar volumes enormes de código em segundos, muitas vezes suficientemente bons para prototipação, automação e até partes de sistemas em produção.

Mas isso não elimina engenharia. Apenas desloca onde ela realmente importa.  Porque escrever código nunca foi a parte mais difícil do desenvolvimento de software. O difícil sempre foi entender contexto, lidar com ambiguidade, negociar tradeoffs, garantir confiabilidade, manter sistemas vivos ao longo de anos e impedir que a complexidade saia do controle.

E é exatamente aí que o engenheiro continua mantendo o controle. Quanto mais a IA acelera implementação, mais importantes ficam arquitetura, modelagem de domínio, definição de contexto, observabilidade, testes, governança, segurança, integração e gestão de complexidade.

A IA consegue gerar código. Mas ela ainda não compreende profundamente o sistema sociotécnico onde aquele código existe.

Existe inclusive um efeito curioso acontecendo. Muitos engenheiros relatam que deixaram de “digitar código” para passar a supervisionar sistemas que geram código. O trabalho começa a migrar de executor para orquestrador.

Na prática, o papel do engenheiro passa a envolver cada vez mais definir direção, revisar criticamente, validar consistência, integrar componentes, controlar risco, garantir qualidade e tomar decisões sob ambiguidade.

Só que isso cria novos e enormes desafios. O primeiro é a erosão da compreensão profunda dos sistemas. Quando agentes produzem milhares de linhas rapidamente, cresce o risco de times operarem plataformas que ninguém entende completamente. Revisões ficam superficiais. Dependências aumentam. Abstrações ruins se multiplicam. Débito técnico cresce silenciosamente.

Outro ponto importante é que IA amplifica maturidade prévia. Times disciplinados tendem a melhorar muito. Times caóticos aceleram caos em escala industrial.

Também existe um impacto importante sobre profissionais juniores. Parte relevante da formação de um engenheiro sempre veio da fricção de implementar, depurar, errar e aprender manualmente. Quando isso é terceirizado cedo demais para copilotos, surge o risco de formar desenvolvedores capazes de gerar software sem necessariamente compreender engenharia de software.

E uma das transformações mais profundas que ainda discutimos pouco é como formar engenheiros de software num mundo em que boa parte da implementação passa a ser automatizada?

Porque aprender engenharia nunca foi apenas chegar na resposta correta. Grande parte do aprendizado sempre aconteceu justamente no processo prático de decompor problemas, enfrentar limitações, entender falhas, lidar com bugs, navegar código legado e desenvolver intuição arquitetural ao longo do tempo.

Se a IA elimina cedo demais essa fricção, existe o risco de acelerar produção de software enquanto reduzimos a construção de repertório técnico profundo. Isso provavelmente exigirá mudanças importantes na própria formação profissional.

Talvez o foco deixe de ser tanto memorizar sintaxe e passe muito mais para pensamento sistêmico, arquitetura, engenharia de contexto, validação crítica, governança, segurança, observabilidade, análise de tradeoffs, colaboração interdisciplinar e capacidade de supervisionar sistemas probabilísticos.

O engenheiro do futuro talvez precise entender menos “como escrever cada linha” e muito mais “como garantir que sistemas complexos continuem compreensíveis, seguros e sustentáveis”.

Na minha opinião, o maior erro atual é imaginar que “mais código produzido” significa automaticamente “mais software entregue”. Em muitos ambientes, o gargalo já começou a mudar com menos tempo escrevendo código e mais tempo validando, revisando, testando, integrando e controlando comportamento imprevisível dos agentes.

No fundo, a profissão não desaparece. Ela sobe de nível de abstração.

O engenheiro continua essencial justamente onde IA ainda é mais frágil, que é entendimento contextual, julgamento, responsabilidade, visão sistêmica, priorização e alinhamento entre tecnologia e negócio.  Quanto mais a IA automatiza geração de código, mais valiosa passa a ser a capacidade humana de entender sistemas complexos.