Notas

O escopo do trabalho de engenharia está mudando (acho que não é novidade). Nos últimos meses eu tenho acompanhado essa mudança em conversas com pessoas que usam agentes no dia a dia e também nos modelos publicados por Addy Osmani (Google), Boris Cherny (Anthropic), Peter Steinberger (OpenAI), etc. Cada um organiza o assunto de um jeito. Quando coloquei esses materiais lado a lado apareceu uma mudança parecida: a IA mudando a forma de trabalhar. Organizei essa mudança em quatro estágios: - AI AS COPILOT: a IA sugere código e a pessoa implementa. - AI IMPLEMENTS: a pessoa define a tarefa e o agente devolve código, testes ou um PR. - ENGINEER LOOPS: a pessoa desenha o loop que executa, testa, revisa, corrige e tenta de novo. - ENGINEER THE AGENT SYSTEM: a pessoa define ambiente, políticas, verificação, orquestração e exceções. Quanto mais execução o agente assume, mais o trabalho humano se concentra no sistema ao redor: contexto, arquitetura, limites, observabilidade, condições de parada e recuperação. Os checks mecânicos passam a viver dentro do workflow. As pessoas continuam responsáveis por objetivo, julgamento, risco, coerência e pela decisão final de aceitar a entrega. Em qual estágio você acha que está hoje e em qual estágio sua empresa está?

As vezes a melhor decisão é adiar o que vc está tentando Em maio, o Findli (experimento de jogo estilo "onde está o wally") travou em uma capacidade que parecia simples de descrever, mas ainda não funcionava de forma confiável: colocar o mesmo personagem dentro de uma cena cheia, controlar escala e posição, fazer ele parecer parte daquele ambiente e ainda saber exatamente onde o jogador deveria clicar (gabarito). Eu tentei diversos modelos, approaches e evals sem sucesso até que chegou a hora de decidir parar. Escrevi o teste/critérios que me fariam voltar: - o personagem precisava continuar reconhecível; - encaixar na cena sem parecer colado; - aparecer na escala e na posição especificadas; - e devolver coordenadas confiáveis para a interação. Então pausei o produto. Três meses depois, o GPT Image 2 passou no teste e consegui colocar o Findli no ar. A pausa não foi abandono. Foi uma decisão de produto baseada na curva de capacidade. Quando um produto depende de uma tecnologia que muda rápido, “esperar melhorar” é vago demais. O mais útil é definir antes: 1. qual capacidade está faltando; 2. qual teste prova que ela chegou; 3. com que frequência vale reavaliar; Assim você não continua queimando energia em algo bloqueado e não perde o timing certo de voltar. Nem todo produto pausado deveria ser abandonado. Alguns só precisam de uma condição explícita de reinício. Qual capacidade de IA faria você retomar hoje um produto que deixou na gaveta?

Impressionante os lugares novos que IA te leva. Nas últimas semanas vi diversos projetos que chamaram atenção: pessoas usando three.js pra coisas que antes pediam estúdio e time. Um app de anatomia onde você gira um coração na mão e olha por dentro. Teve também o Floor796: um andar de prédio inteiro com centenas de pessoas fazendo coisas ao mesmo tempo (fui olhar de perto e descobri que aquele nem usa 3D, é pixel art desenhada à mão durante anos). Resolvi fazer um teste rápido sem saber muita coisa. Meu teste: uma rua de carnaval com trio elétrico andando, 500 pessoas dançando, tudo rodando no navegador do celular. Isso abre porta pra muita coisa além de jogo: - APRENDIZADO: ver um órgão, uma máquina ou um processo por dentro em vez de ler sobre ele. - SIMULAÇÃO: multidão, trânsito, fila de espera, evacuação, qualquer coisa que só faz sentido quando você vê o comportamento junto. - REPRESENTAÇÃO: o que hoje mora num slide estático e ninguém entende de primeira. Impressionante que com a barreira cada vez menor todos temos oportunidade de construir e aprender coisas novas. Time to build...