A pergunta parece quase ingênua agora.
Se a IA pode gerar aplicativos, corrigir bugs, escrever funções, revisar pull requests, explicar bases de código desconhecidas e trabalhar em arquivos por horas seguidas, por que alguém ainda deveria aprender a codificar?
É uma pergunta compreensível. O mundo do software passou o ano passado observando os agentes de codificação passarem de demonstrações impressionantes para fluxos de trabalho diários. Os desenvolvedores não estão mais pedindo ajuda aos chatbots com sintaxe. Eles estão delegando tarefas, comparando resultados, supervisionando agentes e acordando com o código que foi escrito enquanto estavam longe do teclado.
Ao mesmo tempo, a codificação não é mais apenas uma conversa do desenvolvedor. Os fundadores usam ferramentas de IA para criar protótipos de produtos antes de contratar equipes técnicas. Os gerentes de produto os utilizam para testar ideias. Os designers os usam para tornar as interfaces interativas. Os operadores os utilizam para automatizar fluxos de trabalho internos. A capacidade de criar software está se espalhando para além das pessoas que tradicionalmente se autodenominavam engenheiros de software.
Portanto, a melhor questão pode não ser se as pessoas ainda deveriam aprender a programar.
É o que “aprender a programar” significa agora.
A resposta antiga era principalmente sobre sintaxe, estruturas e a disciplina de construção de software linha por linha. Isso ainda importa. Mas a IA está mudando o centro de gravidade. O valor está caminhando para o julgamento: saber o que construir, como descrevê-lo, de que contexto o sistema precisa, se o resultado é bom e onde os riscos estão escondidos.
Em outras palavras, o futuro da codificação pode envolver menos digitação.
Mas isso exigirá mais compreensão.
Codificação Vibe para trabalho real
Essa transformação ficou visível no SXSW deste ano, durante uma sessão com Bolt.new e Anthropic. A conversa não foi sobre a versão fantasiosa da codificação de IA, onde uma pessoa escreve uma frase e um produto perfeito aparece. Era sobre algo mais maduro: como as ferramentas de codificação de agentes estão passando de protótipos divertidos para fluxos de trabalho reais de empresas.
Bolt se tornou um dos exemplos mais claros da nova onda de codificação de IA porque fez com que a criação de software parecesse imediata. Um usuário pode descrever um aplicativo e ver rapidamente algo funcionando na tela. Essa experiência ajudou a popularizar a linguagem da “codificação vibratória”, uma frase que capta tanto a magia quanto o perigo do momento.
Mas no SXSW, CEO da Bolt, Eric Simons descreveu um caso de uso mais estruturado. O valor do Bolt, disse ele, geralmente é a “prototipagem rápida”. Não substitui a base de código de produção. Não permitir que cada funcionário envie diretamente aos clientes. Em vez disso, oferece às equipes uma maneira de explorar a aparência, o comportamento e o comportamento de um recurso antes que o tempo de engenharia seja comprometido.
Essa distinção é importante.
Em muitas empresas, o gargalo não é apenas escrever código. É alinhamento. Equipes de produto, designers, executivos e clientes muitas vezes precisam ver e tocar em uma ideia antes de decidirem se vale a pena construí-la. As ferramentas de IA tornam essa exploração mais rápida. Mas a oportunidade mais séria é conectar esses protótipos aos sistemas que uma empresa já utiliza.
Simons descreveu um fluxo de trabalho onde Bolt pode trabalhar com o sistema de design real, componentes de UI e formas de API de uma empresa, de modo que um protótipo não seja apenas uma maquete descartável. Uma vez estabelecida a experiência, um agente de codificação como Claude Code pode ajudar a traduzir esse trabalho em algo mais próximo do ambiente de produção.
A parte importante é a transferência. Não engenheiros podem moldar ideias em uma caixa de areia. Os engenheiros ainda protegem o sistema de produção. Entre os dois, o agente se torna uma ponte.
Essa é uma história muito diferente de “A IA substitui os desenvolvedores”. Está mais próximo disso: a IA muda quem participa do trabalho de software e muda para que os desenvolvedores são necessários.
O contexto está se tornando a nova habilidade
É também por isso que a conversa foi além da engenharia imediata.
Há alguns anos, muitos dos conselhos sobre ferramentas de IA focavam em prompts: como formular instruções, como estruturar solicitações, como extrair melhores respostas do modelo. Essa habilidade ainda tem algum valor, mas está se tornando menos central à medida que os modelos melhoram.
O padrão mais forte agora é o contexto.
O porta-voz da Anthropic descreveu “Habilidades” como uma forma de fornecer aos agentes conhecimentos úteis que eles podem recorrer quando necessário. Em vez de forçar todas as instruções em um prompt perfeito, as equipes podem dar aos agentes acesso aos documentos, regras, exemplos e fluxos de trabalho corretos.
Para as empresas, é aí que começa o verdadeiro trabalho. Um agente de codificação útil não precisa apenas de uma solicitação. Ela precisa compreender o ambiente em torno da solicitação: o sistema de design, a base de código, a cultura de testes, as expectativas de segurança, a lógica do produto e as convenções que tornam o software de uma empresa diferente do de outra.
Alguém precisa saber qual contexto é importante.
Alguém precisa saber se o agente está usando o componente certo, respeitando a restrição certa ou tomando uma decisão que criará problemas mais tarde.
A pessoa que entende o sistema se torna mais valiosa, e não menos.
A entrevista de codificação já está mudando
A mesma evolução começa a aparecer nas contratações. Uma das partes mais interessantes da sessão SXSW não foi sobre ferramentas, mas sobre talento.
Simons disse que “algumas das pessoas mais incríveis” que Bolt contratou nos últimos seis meses ou não passaram na antiga entrevista técnica ou só teriam passado depois que a empresa mudasse seu processo. O que os tornou excepcionais, disse ele, foi que eles estavam “usando ferramentas de agência para realizar o trabalho”.
Isso não significa que a entrevista técnica morreu. Isso significa que o sinal está mudando.
Bolt agora pergunta aos candidatos quais ferramentas de IA eles usam e como as usam. A questão não é se alguém pode nomear produtos populares. É se eles realmente os exploraram profundamente o suficiente para construir algo significativo.
Como disse Simons: “Mostre-nos o que você construiu, mostre-nos como funciona. Se for real, tudo bem, essa pessoa pode fazer o trabalho.”
Isso parece muito mais próximo da realidade do trabalho agora. Se as ferramentas de IA fizerem parte do trabalho, avaliar os candidatos como se essas ferramentas não existissem fornece uma imagem incompleta. Mas o oposto também é verdadeiro. Se alguém usa IA sem entender o que ela produziu, isso não é fluência. É dependência.
O lado da conversa da Antrópico manteve essa tensão intacta. A empresa ainda utiliza pelo menos uma entrevista em que os candidatos trabalham sem auxílio de IA, lendo e escrevendo um pouco de Python. Mas o objetivo não é testar truques de sintaxe obscuros. É para ver se alguém consegue compreender padrões, depurar um agente e raciocinar através de um sistema.
Esse pode ser o novo equilíbrio: fluência com os agentes, além de profundidade técnica suficiente para saber quando eles estão errados.
Então, as pessoas ainda deveriam aprender a programar?
Sim. Mas não porque todos precisem se tornar engenheiros de software tradicionais.
Eles deveriam aprender porque o software é cada vez mais a superfície através da qual o trabalho é realizado. Mesmo quando a IA escreve o primeiro rascunho, as pessoas ainda precisam entender o que está sendo criado. Eles precisam saber quando algo é frágil, quando é seguro, quando é escalável e quando parece impressionante apenas em uma demonstração.
Simons esclareceu a questão diretamente. “Escrever software talvez seja um problema menor agora”, disse ele. “Mas e quanto à revisão? Como dimensionamos isso?”
Essa pode ser a versão mais honesta da resposta.
Quanto mais fácil se torna gerar código, mais importante se torna saber se esse código deve existir, se funciona e se é confiável.
É por isso que a alfabetização em codificação não desaparece. Ele muda de forma. Trata-se menos de memorizar sintaxe e mais de compreender sistemas. Menos sobre produzir cada linha e mais sobre direcionar, revisar, testar e melhorar o que os agentes produzem.
O ano em que a codificação agente começa a amadurecer
A indústria já está caminhando nessa direção.
Em junho, AWS adicionou o agente de codificação Codex da OpenAI ao Amazon Bedrock, tornando-o geralmente disponível para clientes corporativos por meio da infraestrutura da AWS e de um modelo de pagamento por token. É um sinal pequeno, mas revelador: a codificação de agentes está se tornando parte das plataformas de nuvem e dos canais de aquisição onde as grandes empresas realmente adotam software.
A Anthropic continuou a impulsionar Claude Code em direção a fluxos de trabalho maiores e mais complexos. A OpenAI posicionou o Codex não apenas como uma ferramenta de codificação, mas como um agente mais amplo para o trabalho do conhecimento. A direção é clara: os agentes estão passando de experimentos paralelos para a estrutura diária de como o trabalho é realizado.
Mas a história mais interessante não é que as ferramentas estejam melhorando. É que as empresas estão começando a projetar em torno deles.
Isso significa novos fluxos de trabalho, novos modelos de preços, novos sinais de contratação, novos hábitos de gestão e novas expectativas para os funcionários. Significa também uma nova divisão: não entre pessoas que sabem programar e pessoas que não sabem, mas entre pessoas que conseguem trabalhar eficazmente com sistemas inteligentes e pessoas que ainda estão à espera que a poeira baixe.
No SXSW, Bolt e Anthropic capturaram aquele momento de transição. A primeira onda de codificação de IA foi eufórica, confusa e experimental. A próxima onda é mais operacional. Trata-se de permissões, contexto, sistemas de design, testes, revisão e transferências seguras para produção.
Como Simons disse perto do final da sessão, as empresas estão começando a adotar essas ferramentas “de maneiras reais, não apenas como brinquedos exploratórios”.
“Este é o ano do amadurecimento”, ele disse.
Isso é menos chamativo do que a promessa de software instantâneo. Mas é muito mais importante.
O futuro da codificação não é simplesmente que as máquinas escrevam mais. Eles irão. O futuro é que mais pessoas poderão participar na criação de software, enquanto as pessoas que entendem profundamente de software serão responsáveis por garantir que ele funcione.
Então sim, você ainda deve aprender a programar.
Não porque o mundo precise que todos digitem todas as linhas à mão. Mas porque o mundo está a ser reconstruído através do software, e as pessoas que entendem como ele funciona estarão mais bem equipadas para orientar os agentes que o reconstruem.
