A IA tende a tornar o bom programador mais relevante, e não substituí-lo, à medida que o software se torna cada vez mais presente em tudo.
Se você abrir hoje o LinkedIn ou o Twitter, a sensação é quase sempre a mesma: a programação morreu, a IA vai escrever todo o código, o programador virou obsoleto e, a partir de agora, basta uma boa ideia, um prompt bem escrito e algum crédito disponível para que sistemas inteiros surjam quase por geração espontânea.
Para quem está chegando agora na área, esse discurso pode até soar convincente. Para quem já viveu alguns ciclos tecnológicos, ele soa familiar.
Ao longo das últimas décadas, surgiram inúmeras tecnologias anunciadas como definitivas e incontestáveis, enquanto linguagens consolidadas eram tratadas como ultrapassadas ou fadadas ao desaparecimento.
O PHP morreria em dez anos, o Java estaria em queda irreversível e agora, em 2026, chegou a vez do próprio programador ser apontado como dispensável.
A realidade costuma ser menos dramática.
PHP continua sustentando a maior parte da web, java segue extremamente presente em grandes empresas e projetos críticos. E o que se vê no dia a dia é que os profissionais estão, na verdade, adotando a IA com bastante entusiasmo, mas sem entregar completamente o volante.
O que sobrevive ao tempo tende a continuar sobrevivendo
A reflexão proposta aqui parte justamente desse ponto: e se, ao contrário do discurso dominante, o avanço da tecnologia, incluindo a IA, tornar o bom programador ainda mais relevante?
Essa ideia não surge do otimismo ingênuo, mas de observar como tecnologias, conceitos e práticas realmente se comportam ao longo do tempo.
Efeito Lindy
Um dos conceitos que ajuda a olhar para isso com mais calma é o chamado efeito Lindy, que sugere que ideias, tecnologias e práticas que já sobreviveram por muito tempo tendem a continuar existindo por um período proporcional à sua idade.
Linguagens como SQL e Java atravessaram diversas ondas de automação, abstração e simplificação sem perder relevância, porque o ato de estruturar lógica para resolver problemas é, em si, um conceito não perecível.
Já a IA generativa, da forma como a utilizamos hoje, é extremamente recente. Ainda imatura em muitos aspectos. Ainda distante de ter provado sua durabilidade no longo prazo.
Isso não a torna inútil, mas torna perigoso confiar nela como fundação.
Lei de Gall e os sistemas complexos
Outro ponto essencial dessa discussão aparece na lei de Gall, que afirma que sistemas complexos que funcionam invariavelmente evoluíram a partir de sistemas simples que também funcionavam.
Sistemas complexos criados do zero raramente sobrevivem ao contato com o mundo real.
Eles não passaram pelo processo natural de adaptação, erros, correções e amadurecimento; não enfrentaram restrições reais. Não sofreram as consequências das próprias decisões.
A IA é excelente para gerar código, acelerar tarefas repetitivas e remover trabalho braçal. Mas ela não possui memória evolutiva, não entende contexto organizacional, não lida com restrições políticas ou orçamentárias e não carrega o histórico de decisões técnicas ao longo do tempo.
E é justamente nesse espaço que o programador humano continua sendo indispensável.
Complexidade gerada não é o mesmo que complexidade amadurecida.
O Paradoxo de Jevons – Quando eficiência não reduz trabalho, ela cria mais
Há ainda um terceiro conceito que ajuda a desmontar a ideia de que tornar algo mais eficiente necessariamente reduz seu uso: o paradoxo de Jevons.
Quando a produção de algo se torna mais barata e eficiente, o consumo total tende a aumentar, não a diminuir. Aplicando isso ao nosso contexto, quando produzir código fica mais rápido e acessível, o mundo não pede menos software, ele pede mais.
Quanto mais código mais rápido, mais código legado mais rápido.
E, inevitavelmente, mais necessidade de pessoas capazes de manter, evoluir e impedir que tudo isso colapse sob o próprio peso.
Se a IA produz código dez vezes mais rápido, isso significa que criamos código legado dez vezes mais rápido também.
Quem realmente não será substituído
Diante disso, a pergunta deixa de ser se o programador será substituído e passa a ser qual tipo de programador continuará relevante.
Não se trata do mero codificador que transforma requisitos simples em operações triviais. Trata-se de quem entende profundamente os fundamentos, compreende o problema real, sabe usar a IA como ferramenta e não como muleta, e consegue guiar a evolução de sistemas de forma sustentável.
É muito mais plausível que esse profissional seja substituído por outro programador mais preparado do que por uma IA operando sozinha.
Engenharia de software continua sendo, acima de tudo, uma disciplina sobre lógica, responsabilidade e tomada de decisão. Protocolos, APIs, fundamentos de arquitetura e princípios básicos seguem sendo ativos que o tempo tende a valorizar, não a descartar.
Tecnologias mudam. Ferramentas evoluem.
Mas a necessidade de pessoas capazes de pensar, estruturar e sustentar sistemas complexos permanece.
Talvez agora, mais evidente do que nunca.
