ESTUDOS AUTODIDATAS EM 2026: A LINHA TÊNUE ENTRE A EFICIÊNCIA E A FALTA DE FUNDAMENTOS COM IA

INTRODUÇÃO

Antes da Inteligência Artificial (IA) se tornar um assunto bastante conhecido na área de Tecnologia da Informação (TI), os autodidatas da área de TI buscavam formas através de vídeos disponibilizados no Youtube ou outras fontes como blogs, plataformas de cursos, livros técnicos e comunidades.

Esta abordagem de estudar, no entanto, consumia muito tempo, sendo uma dessas formas é tentar buscar ajuda em comunidades para solucionar um determinado problema levava tempo para obter respostas, fadando a esperar por dias ou até meses para obtê-las. Além disso, alguns desses autodidatas podem não ter condições financeiras para pagar materiais de estudos como livros ou pagar acessos de plataformas de estudos ou até mesmos estes materiais não estão disponíveis com o idioma português brasileiro, obrigando-os a aprender um novo idioma para acessar o conteúdo.

Com o avanço tecnológico e a popularização da IA, ela é utilizada para diversas áreas, principalmente para estudos na área de TI. Ela pode fornecer vários benefícios, sendo algumas delas: tutoria de programação, debugging e explicações de erro e personalização de aprendizado. No entanto, caso não seja utilizado corretamente, ao invés de fornecer ajuda, pode causar atrofia cognitiva, além de não ter aquela experiência necessária que se obtém através de tentativa e erro.

Neste artigo, exploraremos os pontos positivos e negativos dessa ferramenta, além de detalhar como utilizá-la de forma consciente para que ela seja um acelerador, e não um obstáculo, na formação de um profissional de TI.

O LADO POSITIVO: A IA COMO CATALISADORA DO CONHECIMENTO

Esta seção apresenta alguns dos benefícios ao utilizar a IA para estudar assuntos de TI, sendo eles a tutoria em programação, debugging e explicações de erros e, por fim, a personalização de aprendizado.

Tutoria em Programação

Quando você decide estudar algum conteúdo relacionado a Computação, por exemplo, mas chegou a um determinado ponto que está tendo dificuldade que não consegue resolvê-lo. Tentou procurar uma forma de solucioná-lo através de comunidades como postar esta dificuldade na Stack Overflow, esperando por um tempo indeterminado ou procurou outros materiais para tentar resolvê-lo só para saber que deve pagar para acessá-lo, sendo que nem possui recursos financeiros para obtê-los. Tais limitações deixam o estudante frustrado por não conseguir solucionar um determinado problema que encontrou no percurso do seu aprendizado autodidata.

No entanto, utilizar a IA como o seu tutor em programação é um dos benefícios que os autodidatas podem usar. Pois pode perguntar para ela, ou até mesmo pedir para explicar, um determinado assunto em que deseja estudar ou compreender um problema que encontrou nos estudos.

Algum tempo atrás, enfrentei um desafio clássico em um projeto pessoal utilizando Spring Boot: a famigerada exceção LazyInitializationException. O problema ocorria ao tentar listar uma entidade principal ('Post') que continha uma lista de entidades secundárias ('Comments'). O sistema buscava o post, mas no momento de carregar os comentários para o usuário, o Hibernate lançava o erro, pois a sessão com o banco de dados já havia sido encerrada.

Após horas de buscas infrutíferas em fóruns que sugeriam configurações complexas e obsoletas, além de outras documentações que não tinham no idioma português brasileiro, recorri à Inteligência Artificial. Em poucos segundos, ela não apenas sugeriu a anotação @Transactional na camada de Service, como também explicou que essa anotação mantém a sessão do banco ativa durante toda a execução do método. Essa “aula instantânea” permitiu que eu compreendesse o ciclo de vida das transações no JPA, algo que economizou dias de frustração e transformou um erro técnico em uma oportunidade real de aprendizado.

Se a IA atua como um tutor que explica conceitos, sua capacidade de atuar como um “parceiro de depuração” (debugging) é o que salva o tempo prático do desenvolvedor autodidata.

Debugging e Explicações de erro

Há momentos em que ocorrem erros de execução ou são exibidos resultados diferentes do que estava esperando após muito tempo programando. Isto é normal, pois podemos deixar até um erro bobo de sintaxe ou de lógica depois de horas desenvolvendo uma determinada funcionalidade, pois a mente se cansa, fazendo com que um erro seja confundido com a “forma correta” do código. Às vezes, podemos gastar muito tempo tentando encontrar tal problema no código que, ocasionalmente, pode passar despercebido.

No projeto de desenvolvimento de banco de sementes da AFINK, o qual foi ofertado na UFPB, testei uma funcionalidade que retornava as sementes atuais já cadastradas. No entanto, ela sempre exibia uma quantidade maior do que devia, evidenciando um problema de lógica. Ao solicitar que a IA explicasse o motivo do erro, foi identificado que a regra de negócio de filtragem estava incompleta, visto que a lógica não distinguia as sementes ativas das desativadas. Além disso, ela serviu como Code Reviewer, pois além de mostrar como fazer o código funcionar, me sugeriu uma refatoração que, além de funcional, seguia as boas práticas de mercado.

Além de corrigir o que está errado, a Inteligência Artificial permite que o estudante construa o seu próprio caminho de conhecimento, adaptando o conteúdo ao seu nível atual e objetivos de carreira.

Personalização de Aprendizado

Diferente de um curso em vídeo ou de um livro técnico, que seguem uma estrutura linear e muitas vezes rígida, a Inteligência Artificial permite que o autodidata adapte o conteúdo ao seu próprio ritmo e nível de compreensão. No aprendizado tradicional, se um conceito não fica claro em uma aula, o estudante muitas vezes precisa recorrer a diversas outras fontes externas para tentar entender a mesma teoria sob outra perspectiva.

Com a IA, essa dinâmica torna-se instantânea. É possível solicitar que um conceito complexo – como a diferença entre Interfaces e Classes Abstratas – seja explicado através de analogias personalizadas, seja comparando com componentes de um computador ou até situações do cotidiano. Essa capacidade de “traduzir” o tecnicismo para uma linguagem que faça sentido individualmente para o estudante é o que torna o aprendizado muito mais intuitivo. Além disso, a ferramenta permite focar exatamente no que é necessário no momento, evitando o desperdício de tempo com introduções básicas de assuntos que o aluno já domina, tornando a jornada de estudo muito mais eficiente e direta ao ponto.

Contudo, toda essa facilidade e velocidade no acesso à informação trazem consigo um risco invisível: a dependência excessiva, que pode comprometer a formação da base lógica do futuro desenvolvedor.

O LADO NEGATIVO: AS ARMADILHAS DA DEPENDÊNCIA

Esta seção explora quais efeitos colaterais a IA pode trazer caso o autodidata não a use de forma responsável, levando à atrofia cognitiva e à falta de experiência prática fundamental.

Atrofia Cognitiva

A IA pode nos ajudar a solucionar problemas na hora da programação, desde apontando erros que foram cometidos até sugerindo melhorias no código. No entanto, se não for utilizada para sanar dúvidas em relação ao código de programação, focando apenas em copiar e colar, então a sua mente não vai conseguir desenvolver o senso crítico para criar códigos e, muito menos, conseguir compreendê-lo. Esta situação acontece porque o raciocínio está “congelado”, pois a mente humana se acostumou com a facilidade de encontrar respostas fáceis, apenas focando em ver o código executando sem se importar com a limpeza ou com a lógica do mesmo.

Não estou relatando fatos infundados, pois eu sei como é esta situação: utilizei a inteligência artificial para desenvolver uma atividade da disciplina Análise e Projetos de Sistemas, a qual pedia para desenvolver um código que executasse um jogo chamado Batalha Naval. Foi utilizada a linguagem de programação Java para desenvolvê-lo. No entanto, ao invés de utilizar a IA para retirar dúvidas e me dar dicas, a usei para desenvolver esta tarefa. Devido a esta escolha, não consegui entender o código produzido, visto que o mesmo ficou poluído, não tendo a oportunidade de treinar a Lógica de Programação e Orientação a Objetos.

Se utilizá-la desta forma, o estudante ignora o que programadores plenos e seniores levaram anos para construir: a experiência prática fundamental, que nasce justamente da insistência em criar e refinar soluções para problemas reais.

Falta de Experiência Prática Fundamental

A verdadeira experiência na área de TI não é adquirida apenas quando o código “compila” ou a rota da API retorna um “status 200”. Ela é construída no processo de depuração, na leitura de documentações densas e na compreensão de como cada peça do sistema se encaixa. Quando o estudante utiliza a IA como um atalho constante, ele ignora o que chamamos de “sofrimento produtivo” — o esforço necessário para entender o porquê de um erro acontecer.

Sem esse esforço, o desenvolvedor deixa de criar um repertório técnico sólido. Na prática, isso significa que, diante de um problema complexo onde a IA não possui a resposta pronta ou fornece uma solução alucinada, o profissional fica paralisado. A vivência de “bater a cabeça” no código é o que prepara o programador para o mercado de trabalho real, onde a capacidade de investigação e a resiliência valem tanto quanto o conhecimento da sintaxe.

Mas se for utilizada de forma correta, ao invés fazê-la produzir códigos para a pessoa, por exemplo, conseguirá alavancar a sua produtividade em suas atividades de programador.

IA Como Copiloto, Não Piloto

Se utilizarmos a IA de forma consciente e didática, os riscos mencionados podem ser minimizados. Para isso, o estudante deve ser o piloto do seu próprio aprendizado ao utilizar IA, e não ao contrário. O segredo reside em tratar a ferramenta como um acelerador de produtividade, mantendo o controle da lógica e a tomada de decisão sempre nas mãos do desenvolvedor.

Na tabela abaixo, serão mostrados alguns exemplos entre um prompt incorreto e um prompt correto na ferramenta:

Ao utilizar prompts baseados na coluna Abordagem Correta em uma das IAs conhecidas – ChatGPT, Gemini, Claude, Llama, ... –, o desenvolvedor fortalece seu senso crítico na programação. Essa postura permite raciocinar sobre a solução através das orientações oferecidas pela ferramenta, transformando a dúvida em conhecimento real, em vez de apenas um código copiado.

CONCLUSÃO

Fica claro que a utilização da IA é inevitável, pois possui uma alta demanda em sua utilização, principalmente na área de TI. Dependendo de como é utilizada, o estudante pode alavancar a sua carreira profissional ou se afundar na mediocridade.

Será difícil resistir ao atalho fácil e nos forçarmos a pensar criticamente durante os estudos? Certamente. Mas é justamente através desse esforço que obtemos a experiência necessária para resolver problemas complexos. É esse "sofrimento produtivo" que desenvolve a capacidade de analisar nossos próprios códigos, identificar erros de sintaxe ou de lógica e garantir a qualidade e a limpeza do que entregamos.

Após explorar os benefícios e malefícios do uso da IA, além de saber algumas dicas de como desenvolver o prompt de forma correta, eu deixo a seguinte pergunta: Você está preparado para utilizar a IA nos seus estudos de programação?