Como comecei a usar IA no desenvolvimento sem depender dela para programar
Se você programa ou está começando na área, provavelmente já fez isso: abriu o ChatGPT, pediu um código, copiou, colou na IDE e ficou feliz porque funcionou.
Eu acho que todo mundo que utiliza IA para programar já teve essa vontade de resolver tudo em poucos segundos. Afinal, é muito mais rápido pedir uma solução pronta do que passar um tempo tentando entender como resolver o problema.
Mas tem um detalhe que comecei a perceber: conseguir fazer um código funcionar não significa necessariamente que você entendeu o que fez.
Às vezes, a IA entrega uma solução aparentemente perfeita, mas, quando precisamos mudar alguma coisa, aparece aquela dificuldade. Você não sabe exatamente por que determinada função foi utilizada, o que aquele trecho faz ou como resolver um erro sem pedir ajuda novamente.
E, para quem está aprendendo programação, isso pode atrapalhar bastante.
Não acho que o problema seja utilizar IA. Pelo contrário, acredito que ela pode ajudar muito no desenvolvimento. A questão é como utilizamos essa ferramenta.
Por isso, comecei a pensar em algumas maneiras de aproveitar melhor a IA sem deixar de desenvolver meu próprio raciocínio. Separei três práticas que considero importantes.
1. Nem sempre peça o código logo de cara
Quando estamos com um problema, é tentador pedir logo: "ChatGPT, faz esse código para mim".
Só que existe uma diferença entre receber uma solução e aprender a chegar até ela.
Hoje, acho muito mais interessante começar perguntando quais caminhos existem para resolver determinado problema. Assim, consigo entender as possibilidades antes de escolher uma delas.
Depois, gosto da ideia de apresentar como eu tentaria resolver aquilo e pedir para a IA apontar possíveis erros na minha lógica.
Por exemplo, imagine que você esteja criando um sistema de cadastro de funcionários em Python.
Em vez de pedir o sistema inteiro, você pode começar perguntando quais validações seriam necessárias, quais erros poderiam acontecer e como organizar essa funcionalidade.
A partir daí, você vai construindo a solução aos poucos.
Isso também ajuda a perceber quando você realmente entendeu alguma coisa ou quando está apenas repetindo um código que recebeu.
Para mim, a IA é muito mais útil quando me ajuda a pensar do que quando simplesmente pensa por mim.
2. Explique o que você está construindo
Outro ponto que faz diferença é o contexto.
Se você pedir para uma IA criar uma função sem explicar nada sobre o projeto, ela vai tentar encontrar uma solução com as informações disponíveis. O problema é que essa solução pode não combinar com o restante do seu código.
Imagine que você esteja desenvolvendo um sistema de RH que cadastra funcionários e salva as informações em um banco de dados.
Não basta pedir uma função de cadastro. É importante explicar quais dados serão recebidos, quais campos são obrigatórios, quais validações precisam ser feitas e como essas informações serão utilizadas depois.
Você pode até mostrar um trecho do código que já existe para que a IA entenda melhor como o projeto está organizado.
Também vale informar a versão do Python ou das bibliotecas utilizadas, principalmente quando estiver trabalhando com recursos específicos.
Quanto mais claro você for sobre o problema, maiores serão as chances de receber uma sugestão que faça sentido para o seu projeto.
Mas isso não significa que você precisa enviar todos os arquivos ou compartilhar informações confidenciais. O ideal é fornecer apenas o contexto necessário, sem expor senhas, tokens ou dados sensíveis.
No fim, percebi que fazer boas perguntas é uma habilidade importante para aproveitar melhor essas ferramentas.
3. Não confie no código só porque ele funcionou
Essa é uma parte que considero essencial.
A IA pode gerar um código que funciona em um cenário e falha completamente em outro. Por isso, executar o programa uma vez e ver que tudo deu certo não deveria ser o fim do processo.
Vamos voltar ao exemplo do cadastro de funcionários.
A função pode aceitar um salário válido, mas o que acontece se alguém informar um valor negativo? E se o campo estiver vazio? E se o e-mail estiver em um formato inválido?
Essas são situações que precisamos considerar.
Uma maneira de trabalhar isso é pedir à IA que sugira testes para diferentes cenários utilizando o pytest, por exemplo. Depois, você pode analisar esses testes, executá-los e verificar se realmente fazem sentido.
O mais importante é não assumir que os testes também estão corretos só porque foram gerados pela IA.
Se um teste não verifica o comportamento que deveria verificar, ele pode passar e ainda assim deixar um problema escondido.
Por isso, gosto da ideia de utilizar a IA como apoio durante a revisão, mas continuar responsável por conferir o resultado.
Afinal, se o código faz parte do seu projeto, é importante que você saiba o que ele está fazendo e consiga explicar suas decisões.
No final, tudo depende de como você utiliza a ferramenta
A inteligência artificial facilita muita coisa. Podemos tirar dúvidas, entender conceitos, encontrar erros e experimentar soluções que talvez demorássemos mais tempo para descobrir sozinhos.
Mas existe uma diferença entre utilizar tudo isso para evoluir e utilizar apenas para terminar uma tarefa o mais rápido possível.
Principalmente para quem está começando, acredito que vale a pena dedicar alguns minutos para entender um código, mesmo quando a IA poderia entregar tudo pronto em segundos.
Não precisamos deixar de usar essas ferramentas para aprender programação de verdade. Podemos justamente utilizá-las como parte desse aprendizado.
O importante é não perder a curiosidade de entender por que as coisas funcionam.
No fim das contas, a IA consegue gerar o código, mas é você quem precisa entender o que está construindo.
E você, como costuma utilizar IA para programar? Pede o código pronto ou prefere construir a solução aos poucos, entendendo cada etapa?
Quero saber como outras pessoas estão lidando com isso também
