Hoje já é amanhã

No fim de semana participei de um workshop. Em poucas horas construímos um sistema que, alguns anos atrás, teria consumido meses de trabalho de uma equipe inteira.

Antes de 2023, quando alguém dizia "Quero um sistema", começava uma peregrinação: reuniões, analistas, arquitetos, UX, programadores, testadores, documentação, cronogramas, meses de trabalho. O cliente muitas vezes só via alguma coisa funcionando seis meses depois.

Hoje, depois das LLMs, a conversa começa diferente.

A velocidade não está em escrever código. Está em reduzir drasticamente o tempo entre a ideia e a primeira versão funcional.

A IA não automatizou apenas a programação. Ela automatizou grande parte da Engenharia de Software. A lógica de desenvolvimento mudou radicalmente.

Há um gap entre o que aprendemos até 2023 e a velocidade com que as coisas andam em 2026.

A era da IA — a mais disruptiva de todas

Existe um vazio de conhecimento entre o profissional formado até 2023 e as ferramentas disponíveis hoje. Não porque essas pessoas sejam menos capazes, mas porque a velocidade da mudança foi inédita.

Durante décadas aprendíamos uma nova tecnologia a cada cinco ou dez anos. Agora, novas ferramentas surgem a cada semana. Quem interrompe o aprendizado por pouco tempo tem a impressão de ter caído de um trem em alta velocidade.

Há poucos anos, construir um sistema como o Business-OS, que fizemos num fim de semana, exigiria uma equipe composta por:

Hoje, uma pessoa com uma boa visão de negócio, domínio do problema e capacidade de dialogar com a IA consegue produzir um primeiro produto funcional em poucos dias. Isso não elimina essas profissões, mas muda profundamente o papel de cada uma delas.

A mudança de paradigma

Durante décadas acreditamos que o conhecimento técnico era o principal diferencial de um profissional da tecnologia. Hoje esse conhecimento ainda é valioso, mas já não é suficiente. O diferencial passa a ser a capacidade de formular boas perguntas, estruturar problemas complexos, validar respostas e aprender continuamente.

• A IA escreve código. Ela não define propósito.
• Ela organiza informações. Não escolhe prioridades.
• Ela acelera a execução. Não substitui a curiosidade nem a disposição para aprender.

O profissional do futuro não será aquele que sabe fazer tudo. Será aquele que sabe estruturar problemas para que humanos e IAs resolvam juntos. Essa é uma mudança de paradigma.

Projetando soluções

Até pouco tempo, o conhecimento técnico era o ativo principal. Você precisava conhecer a sintaxe da linguagem, os frameworks, os algoritmos, os comandos. Hoje, esse conhecimento continua importante, mas deixou de ser o primeiro degrau. Antes de programar, é preciso pensar o sistema.

A profissão deixou de ser "programar" e passou a ser "projetar soluções".

No workshop do fim de semana, quando escrevemos o primeiro prompt para criar o nosso Business-OS, pedimos à IA que fizesse um CRUD — a espinha dorsal de todo sistema de gestão de conteúdo. Definimos:

• a visão do produto;
• o propósito;
• os usuários;
• a arquitetura;
• o modelo de armazenamento;
• a interface;
• as tecnologias;
• a forma de trabalho (múltiplos agentes).

Ou seja, fizemos o trabalho de um Product Manager, de um Arquiteto de Software e de um Analista de Negócios antes que a primeira linha de código existisse. Esse é o novo perfil.

Competências para surfar essa onda

1. Aprender a pensar em sistemas

A IA programa. Ela não descobre qual sistema deve existir.

É preciso aprender:

• modelagem de processos;
• pensamento sistêmico;
• arquitetura da informação;
• decomposição de problemas.

Isso vale para um médico, um advogado, um contador ou um engenheiro.

2. Aprender Engenharia de Software (mesmo sem querer ser programador)

Pode parecer contraditório, mas é justamente porque a IA escreve código que o ser humano precisa compreender como um sistema é concebido.

Não precisa decorar sintaxe. Precisa entender conceitos como:

• requisitos;
• arquitetura;
• APIs;
• banco de dados;
• autenticação;
• componentes;
• testes;
• versionamento.

Sem isso, a pessoa não sabe orientar a IA.

3. Aprender Design de Produto

Essa área explodiu de importância.

Hoje é necessário saber:

• jornada do usuário;
• experiência do usuário;
• wireframes;
• protótipos;
• design systems.

Porque a IA pode desenhar uma interface. Mas alguém precisa decidir qual experiência faz sentido.

4. Aprender IA

Não apenas usar ChatGPT ou o Claude.

Mas entender:

• contexto;
• memória;
• embeddings;
• agentes;
• MCP;
• RAG;
• workflows;
• ferramentas;
• limites dos modelos.

Quem entende esses conceitos conversa com a IA em outro nível.

5. Aprender a escrever

Talvez essa seja a competência mais subestimada. Quanto melhor alguém consegue explicar um problema, melhor a IA responde.

Não é sobre "prompt engineering" como coleção de truques — é sobre clareza de pensamento. Quem escreve bem, normalmente, pensa de forma organizada.

6. Aprender continuamente

A meia-vida do conhecimento diminuiu. Durante boa parte da sua carreira, uma tecnologia importante podia permanecer dominante por uma década; hoje, ferramentas, bibliotecas e modelos evoluem em meses.

A habilidade crítica deixa de ser "dominar uma tecnologia" e passa a ser "aprender tecnologias novas repetidamente".

Onde adquirir essa nova expertise

Muita gente procura um curso. Mas estamos numa fase em que os melhores cursos ainda estão sendo escritos. O conhecimento está disperso — hoje aprendemos em vários lugares ao mesmo tempo.

Documentação oficial

Sempre comece por ela: Next.js, React, Supabase, OpenAI, Anthropic, Vercel, shadcn/ui. Costuma ser a fonte mais confiável e atualizada.

Construindo projetos

É como aprender um idioma: você pode estudar gramática por anos, mas só aprende quando conversa. Com IA é igual — você aprende fazendo.

Código aberto

Hoje milhares de projetos estão no GitHub. Você pode estudar arquitetura, organização, componentes e padrões. É como visitar o ateliê de grandes artistas.

Papers e blogs técnicos

Nem tudo nasce em cursos — muitas ideias surgem primeiro em artigos técnicos. Vale acompanhar:

• OpenAI;
• Anthropic;
• Google DeepMind;
• Microsoft Research;
• Vercel;
• Hugging Face.

Na própria IA

Este talvez seja o maior diferencial: a IA deixou de ser apenas uma ferramenta de execução — ela também é um professor particular. Você pode perguntar:

Esse ciclo de aprendizado era muito difícil de reproduzir antes.

Competências que ainda não têm nome

Talvez estejamos formando um novo tipo de profissional. Até pouco tempo, havia o especialista de negócio, o desenvolvedor e o analista de sistemas. Agora está surgindo alguém que consegue traduzir problemas do mundo real para um ecossistema de IAs e ferramentas digitais.

Esse profissional precisa compreender o negócio profundamente, conhecer princípios de arquitetura de software, comunicar-se com clareza e validar criticamente o que a IA produz. Ele não é apenas um usuário nem apenas um programador; atua como um orquestrador entre pessoas, processos e inteligência artificial.

Acredito que ainda estamos procurando um nome para essa função. Alguns a chamam de AI Product Builder, outros de AI Systems Designer ou AI Orchestrator. Independentemente do rótulo, a essência é a mesma: não basta saber codificar — é preciso saber conceber, estruturar e governar sistemas em parceria com a IA.

Quem parar de aprender ficará em desvantagem. Mas essa não é uma corrida perdida: nunca houve um momento em que fosse tão possível recuperar terreno. As mesmas IAs que aceleraram a mudança são também as melhores professoras para quem decidiu voltar a aprender.

As profissões no futuro — tendências

No século XX, a identidade profissional era construída pelo diploma:

Diploma → Profissão → Carreira

No século XXI, ela pode passar a ser construída pelas competências demonstradas:

Competências → Projetos realizados → Reputação → Novas oportunidades

Esse será talvez um dos efeitos mais profundos da IA: ela não elimina a necessidade de conhecimento — ela desloca o valor do acúmulo de informações para a capacidade de integrá-las e aplicá-las.

E isso talvez obrigue as universidades a fazerem a maior transformação desde a criação dos cursos modernos, no século XIX. Não será apenas uma mudança curricular. Será uma mudança na própria ideia do que significa "formar" um profissional.

Cursos e profissões continuarão a existir; o que vai mudar é a arquitetura da formação. Hoje a universidade entrega um pacote fechado: você faz cinco anos de Economia e sai economista. Talvez, num futuro próximo, economistas continuem sendo formados, mas suplementados por uma combinação de competências — por exemplo: Economia + IA Generativa + Ciência de Dados + Design de Produto + Engenharia de Software + Psicologia Cognitiva.

Há muitos séculos o ensino é organizado por disciplinas. Mas o mercado e a sociedade buscam profissionais para resolver problemas reais. Por exemplo: "Como reduzir o desperdício de alimentos?" Isso envolve Agronomia, Economia, Estatística, Logística, IA, Ciência de Dados, Psicologia do Consumidor e Engenharia de Produção. Qual curso forma esse profissional? Nenhum.

Nexialismo, competências e conexões

O "diploma" está cedendo lugar às "competências". Hoje o conhecimento é praticamente abundante. Talvez no futuro não aprendamos mais conteúdos, e sim conexões — seremos capacitados a integrar conhecimentos diferentes. E o profissional valioso será aquele capaz de conectar áreas que antes estavam separadas.

Esse é o conceito do Nexialismo. O termo surgiu de um personagem — Elliott Grosvenor — que o praticava. A. E. van Vogt, autor do romance de ficção científica A Nave Estelar Beagle, publicado na década de 1950, inventou essa disciplina fictícia como resposta à extrema especialização. O nexialista não sabe tudo. Ele sabe conectar. Ele conversa com o físico, o biólogo, o linguista, o psicólogo... e ajuda a criar uma solução que nenhum deles encontraria sozinho.

O que em 1950 era ficção, em 2026 parece uma descrição atual. O sistema que criamos no fim de semana, o Business-OS, é uma criação nexialista.

E não muito longe, nas terras de Minas Gerais, Guimarães Rosa publicou em 1956, no clássico da literatura brasileira Grande Sertão: Veredas, uma frase de pura expressão nexialista, na fala do personagem Riobaldo:

Talvez o profissional mais valioso da era da IA não seja o que acumula mais respostas, e sim o que conserva a capacidade de desconfiar, de conectar e de formular perguntas que ninguém mais pensou em fazer. Esse, para mim, é o verdadeiro espírito do nexialista.

Riobaldo sintetiza uma postura diante do conhecimento que devemos praticar sempre: humildade para reconhecer os próprios limites, e curiosidade para investigar o que ainda não se compreende. E nunca esquecer que vivemos em tempos velozes, em que hoje já é amanhã.