Bootcamp "CAIXA - Inteligência Artificial na Prática": o que eu aprendi / IA Aliada

Concluir um bootcamp é mais do que colecionar um certificado — é ganhar vocabulário, clareza e confiança para aplicar o que foi estudado. Recentemente finalizei o bootcamp “CAIXA – Inteligência Artificial na Prática”, com 28 horas de carga horária, e decidi registrar aqui os principais insights e como pretendo transformar esse aprendizado em prática.

A ideia deste artigo é simples: compartilhar o que faz sentido para quem, como eu, está no dia a dia de desenvolvimento (Node.js/TypeScript/React/React Native) e quer usar IA como copiloto, sem cair na armadilha do “piloto automático”.

Por que esse bootcamp fez sentido pra mim

Eu trabalho (e estudo) construindo sistemas completos: backend, frontend, banco e produção. Nessa rotina, IA aparece com frequência — seja para destravar um bug, acelerar uma refatoração ou estruturar melhor uma solução.

O bootcamp reforçou uma visão que eu considero essencial:

IA não é só “gerar texto” — é uma ferramenta para ampliar raciocínio, produtividade e qualidade, desde que usada com critério.

IA como aliada do desenvolvedor: onde ela realmente ajuda

Muita gente pensa em IA apenas como algo “do futuro”. Mas a verdade é que ela já ajuda muito em tarefas comuns — e algumas delas viram um diferencial enorme para quem está buscando evolução como dev júnior.

Debug mais rápido (com método)

Quando um bug aparece, é fácil “atirar para todo lado”. Com IA, dá pra acelerar o processo se você fornecer contexto:

• logs relevantes,
• comportamento esperado vs. atual,
• trecho mínimo de código,
• passos para reproduzir.

A IA pode sugerir hipóteses e caminhos de investigação, e você valida com testes e logs. O ganho aqui é tempo e foco.

Melhorar código sem perder a mão

Refatorar é uma das atividades mais valiosas (e mais negligenciadas). IA ajuda com:

• sugestão de nomes melhores,
• organização de camadas (controller/service/repository),
• remoção de duplicações,
• padrões de tratamento de erro,
• consistência de tipagem no TypeScript.

O ponto importante: você continua responsável por revisar e garantir que aquilo está correto.

Criar testes e cobrir casos de borda

Escrever testes do zero pode ser chato no início. IA ajuda a:

• sugerir cenários críticos,
• gerar esqueleto de testes,
• lembrar casos de borda (ex.: nulo, vazio, paginação, permissões).

Mesmo que você ajuste depois, isso acelera muito o “arranque” da cobertura.

Documentação que não fica para trás

Documentar API e fluxos costuma ficar para “depois”. IA ajuda a transformar:

• rotas,
• payloads,
• regras de negócio,

… em documentação clara (README, docs de endpoints, exemplos). Isso faz diferença quando você trabalha em equipe — e também em entrevistas.

O que eu levo de aprendizado (em linguagem de dev)

Mais do que conceitos soltos, eu gosto de traduzir aprendizado para ações:

• Contexto é rei: quanto melhor o input, melhor o output.
• IA é ótima para rascunho e revisão: não para assumir a autoria final sem checagem.
• A melhor abordagem é iterativa: perguntar → validar → ajustar → consolidar.
• Qualidade não é só “rodou”: envolve legibilidade, testes, segurança e consistência.

Um jeito prático de usar IA no dia a dia (sem virar dependência)

Se eu tivesse que resumir em um “workflow” simples:

1. Defino o problema (em 2–3 frases)
2. Levo evidências (logs, exemplos, constraints)
3. Peço opções (2–3 caminhos com trade-offs)
4. Escolho e implemento
5. Valido (testes, logs, revisão)
6. Documento (deixar rastro do porquê)

Isso evita dois extremos:

• confiar demais e aceitar código errado,
• ou rejeitar IA e perder produtividade.

Próximos passos: como vou transformar o certificado em portfólio

Certificação é ótima, mas o que convence recrutador e mercado é prova prática. Meu plano agora é criar/organizar projetos que demonstrem uso real de IA como apoio no desenvolvimento, por exemplo:

• API Node.js + TypeScript + Prisma
• validação de entrada,
• autenticação e autorização,
• paginação e filtros,
• logs e tratamento de erros.
• Frontend React
• busca performática (sem carregar listas gigantes),
• estados claros de loading/erro,
• UX simples e objetiva.
• React Native
• permissões (câmera/localização),
• upload de arquivos,
• experiência de “campo” bem guiada.

E sempre com um README que explique:

• o problema,
• as decisões,
• os trade-offs,
• e o que foi aprendido.

Finalizar o bootcamp “CAIXA – Inteligência Artificial na Prática” foi um passo importante para consolidar a ideia de que IA não é um fim — é um meio.

Para quem desenvolve, usar IA bem é:

• produzir mais,
• com mais qualidade,
• aprendendo mais rápido,
• e mantendo o senso crítico.

Se você também está estudando IA e desenvolvimento, me chama para trocar ideias. Vou gostar de compartilhar aprendizados e referências.

#InteligenciaArtificial #IA #DesenvolvimentoDeSoftware #AprendizadoContinuo #DIO #NodeJS #React #TypeScript