A rápida adoção de assistentes de código baseados em IA está criando um paradoxo no desenvolvimento de expertise. Para usar esses sistemas de maneira responsável e produtiva, é preciso experiência — mas quanto mais dependemos deles, menos espaço existe para que a expertise se forme. O resultado é uma geração de desenvolvedores confiantes, mas potencialmente incapazes de sustentar essa confiança com entendimento real.
O paradoxo do especialista-orquestrador
Segundo análise de Lars Faye, a linha entre quem se beneficia dos assistentes de código e quem é prejudicado está diretamente ligada à experiência prévia. Profissionais veteranos, com anos de prática antes da ascensão dos LLMs, conseguem usar IA como acelerador: avaliam, corrigem e direcionam as sugestões, evitando armadilhas. Já os novatos, pressionados pelo discurso de que “quem não usa IA ficará para trás”, são lançados a um cenário em que precisam de competências que ainda não tiveram tempo de desenvolver. Fonte: Lars Faye
A exigência de “pensamento de ordem superior” para extrair o melhor dessas ferramentas contradiz o próprio apelo da IA: eliminar a fricção do aprendizado. Mas é justamente essa fricção — o processo de errar, refletir, debugar e reescrever — que consolida os fundamentos da expertise. O resultado é o surgimento do “novato especialista”: alguém que aparenta dominar a tecnologia, mas cuja base conceitual é rasa.
Estudo: confiança sem compreensão
O risco de uma geração de desenvolvedores com falsa confiança foi documentado em estudo citado pela JetBrains, “The Widening Gap: The Benefits and Harms of Generative AI for Novice Programmers”. O trabalho analisou comportamentos de alunos em sessões de programação assistida por IA, medindo o impacto da ferramenta sobre o aprendizado efetivo.
O resultado foi contraintuitivo: participantes que mais recorreram à IA pularam etapas essenciais de planejamento e raciocínio, terminando as tarefas com uma “ilusão de competência” e pouca compreensão real do que haviam produzido. Os melhores desempenhos vieram justamente daqueles que mitigaram ou ignoraram as sugestões da IA — desenvolvendo, segundo o estudo, uma “expertise negativa”: saber quando rejeitar recomendações erradas do modelo. Fonte: JetBrains
O ciclo de aprendizagem se inverte: quanto mais experiência prévia, mais valor a IA agrega. Quanto menos conhecimento, maior o risco de ser levado a conclusões superficiais, sem perceber o que está sendo deixado de lado.
O modelo de aprendizado invertido
Interagir com LLMs para aprender programação se transforma em um processo de “aprendizado invertido”. O usuário, sem saber o que precisa perguntar, depende da IA para guiar o caminho — mas a IA só responde bem a quem já sabe direcioná-la. O resultado é um ciclo em que o aprendiz acredita estar avançando, mas carece de fundamentos para avaliar ou auditar o que foi gerado.
O estudo da JetBrains mostra exemplos em que até alunos com bom preparo foram seduzidos por respostas rápidas do Copilot, pulando etapas do raciocínio e, no fim, ficando perdidos quando a complexidade aumentou. O problema não está na ferramenta em si, mas no modo como ela altera o processo de formação de habilidades ao remover obstáculos essenciais para o aprendizado duradouro.
Por que isso importa
O discurso dominante é que o profissional que não adotar IA ficará obsoleto. Mas, sem estratégias claras para formar expertise em um ambiente mediado por assistentes, o risco é criar uma força de trabalho com confiança inflada e competência superficial. Para empresas, isso pode significar código menos robusto e maior dependência de poucos especialistas experientes. Para desenvolvedores, há o perigo de estagnação profissional: sem passar pela fricção do aprendizado, o salto de júnior para pleno e sênior se torna artificial — e frágil.
Considerações finais
A integração de IA no desenvolvimento de software é inevitável, mas o modo de adoção importa. Ferramentas que aceleram o trabalho dos experientes podem, para os novatos, se tornar muletas que impedem a formação de expertise genuína. O desafio, para empresas e para a educação técnica, é criar ambientes em que a IA seja auxílio — não substituto — da aprendizagem real.