Recentemente, aqui na Sinqia, adquirimos licenças do GitHub Copilot para todas as pessoas da Engenharia envolvidas em questões mais técnicas. Dessa forma, todas as pessoas com atividades relacionadas a Software Development, Solution Architect, Cloud, Data, DevOps, SRE, QA e Automation receberam uma licença do GitHub Copilot, especificamente do GitHub Copilot Enterprise. Pontualmente, alguns líderes e pessoas de fora da Engenharia também foram contemplados, totalizando mais de 300 licenças concedidas.
Hoje, a IA Generativa é uma ferramenta que deve ser integrada ao dia a dia dos times de Engenharia de forma correta. E qual seria essa forma correta? Treinando essas pessoas, seja para o GitHub Copilot, seja para um chat com conhecimento de negócios. Não importa, uma boa base de como escrever bons prompts e o entendimento da extensão do “conhecimento” da IA são essenciais para o uso correto e eficiente.
“Mas Armando, você falou de ‘Engineering Experience’, mas pelo visto as pessoas fora desses papéis citados ficaram de fora. Certo?”
Para o uso exclusivamente do GitHub Copilot, sim, mas para poder usar IA Generativa, não! Temos várias frentes desenvolvendo soluções para apoiar as pessoas não atendidas diretamente pelo GitHub Copilot, incluindo áreas corporativas e nossos clientes. Incentivamos todos a trazerem ideias para que possamos juntos entender como podemos levar a IA Generativa para todas as pessoas da Sinqia e para seus clientes de maneira eficiente e não somente por levar.
Mas voltando ao título, logo que liberamos as licenças, notei que não tivemos a aderência esperada. Algumas pessoas que mexem com sistemas legados, que a IDE não atende, eu até entendi. Algumas pessoas que não usam uma IDE no dia a dia (infra, SRE, etc.) e não viam como aplicar o uso do GitHub Copilot, eu também entendo. Mas muitos devs que usam IDEs compatíveis e tecnologias atuais não aderiram, e isso me causou estranheza. Fui atrás de saber o que estava acontecendo e, para minha surpresa, algumas dessas pessoas abriram o coração e me falaram que estavam com vergonha de usar o GitHub Copilot e depois ter que admitir que o utilizavam no dia a dia. Outras falaram que não queriam ficar dependentes da ferramenta, pois isso poderia deixá-las com menos conhecimento da tecnologia. Vou contar como tratei cada caso.
Para as pessoas que mexem com sistemas legados, que a IDE não atende, sugeri fazer um teste com o VS Code. Não para mudar a IDE do dia a dia, mas para usá-lo em uma atividade pontual, seja um código novo ou uma correção de bug.
Para as pessoas que não usam uma IDE no dia a dia (infra, SRE, etc.) e não viam como aplicar o uso do GitHub Copilot, sugeri utilizar o Copilot para automatizar tarefas repetitivas. O Copilot sugere padrões de código recorrentes, liberando a pessoa para focar em aspectos mais complexos e criativos do dia a dia.
Independentemente do caso, sempre digo para utilizarem o GitHub Copilot ou qualquer IA Generativa com senso crítico.
Para os devs, além dos pontos abaixo, trouxe algo mais tangível:
- Consistência no código: as sugestões garantem um estilo de codificação consistente, facilitando a manutenção e a legibilidade do código.
- Adesão a padrões de codificação: o Copilot incentiva a adoção de melhores práticas, promovendo um código mais limpo e sustentável.
- Documentação e comentários: além do código, o Copilot auxilia na geração de documentação e comentários, melhorando a compreensão e a colaboração no projeto.
Então, trouxe a seguinte questão para eles:
Hoje pode ser meio estranho entender como era o mundo sem computador. Certo? Acreditem ou não, quando eu estava no início da minha adolescência:
- As pessoas precisavam escrever tudo no papel usando máquinas de datilografia, guardavam esses papéis em grandes salas e faziam todo o controle manualmente. Não havia máquinas para pesquisar ou indexar; humanos realizavam essas tarefas manualmente todos os dias.
- Existia uma coisa chamada “cheque” que valia dinheiro, mas levava dias para verificar se aquele dinheiro realmente valia. Essa verificação era feita manualmente por humanos.
- As transações bancárias eram feitas principalmente em agências, onde os clientes precisavam esperar em filas para realizar depósitos, saques e transferências. Os extratos bancários eram impressos e enviados por correio. Todo o processo de “batimento” dos dados de crédito e débito dos clientes podia levar dias.
- A comunicação à distância era feita principalmente por cartas, que levavam dias ou semanas para chegar ao destino. O telefone existia, mas era caro e não estava disponível para todos. As mensagens eram muitas vezes passadas pessoalmente ou através de recados deixados em locais públicos.
- A pesquisa acadêmica e escolar dependia de livros e enciclopédias físicas. Os estudantes e pesquisadores precisavam ir a bibliotecas e consultar catálogos de fichas para saber onde estavam os livros e artigos. A busca por informações era um processo lento e trabalhoso.
- O entretenimento em casa era limitado a rádios e televisões com poucos canais. Não havia streaming, e os filmes só podiam ser assistidos em cinemas. Jogos de tabuleiro e atividades ao ar livre eram comuns para diversão.
- Tirar fotos envolvia câmeras com filmes que precisavam ser revelados em laboratórios fotográficos. As pessoas tinham que esperar dias para ver os resultados das fotos tiradas.
- Planejar uma viagem exigia consultas a guias impressos e agências de viagens. As reservas de voos e hotéis eram feitas por telefone ou pessoalmente, e os itinerários eram anotados manualmente.
A resistência à adoção da IA Generativa hoje se parece muito com a hesitação inicial que eu vi em relação aos computadores. No final da década de 1980, os computadores ainda eram vistos com desconfiança, considerados ferramentas complexas e ameaçadoras para o emprego. Lembro que minha mãe ficou bem feliz quando decidi seguir pela área tecnológica. Hoje, a IA Generativa desperta receios semelhantes, com as pessoas temendo que suas habilidades não sejam necessárias ou que percam o controle sobre o processo criativo. É por isso que insisto tanto que história não é chata e deve ser estudada, porque a experiência passada nos ensinou que a adaptação é fundamental. Aqueles que decidiram esperar até que a tecnologia dos computadores se tornasse mais fácil ou acessível viram depois que aqueles que se dedicaram a aprender e crescer com ela, desenvolvendo novas habilidades, estavam tão à frente que se tornou um desafio alcançá-los. A lição é clara: a IA Generativa não é uma ameaça, mas uma ferramenta poderosa que, se utilizada corretamente, pode impulsionar a produtividade e a inovação. A chave está em aprender a trabalhar em conjunto com a IA, aproveitando seus pontos fortes e compensando suas limitações.
Mesmo com todas essas mudanças e inovações tecnológicas, as pessoas não foram dispensadas. Sim, houve casos, mas quem estava disposto a crescer apenas precisou se adequar à nova realidade. As novas tecnologias trouxeram mudanças significativas na forma como trabalhamos, mas também abriram oportunidades para o desenvolvimento de novas habilidades e funções.
E é bom ficar bem claro que, embora este texto se concentre na experiência de engenharia de software, a IA Generativa tem total potencial para impactar diversas áreas, como marketing, jurídico, vendas ou atendimento ao cliente, trazendo benefícios dessa tecnologia para todas as pessoas direta ou indiretamente.
E em todo esse ínterim, as lideranças desempenham um papel crucial na promoção da adoção de novas tecnologias, como a IA Generativa. Aqui na Sinqia, incentivamos uma cultura de aprendizado e adaptação, mas as lideranças devem ir além de simplesmente fornecer acesso às ferramentas. É essencial fomentar um ambiente seguro para a experimentação, onde os erros são vistos como oportunidades de aprendizado. Oferecer treinamentos e workshops sobre a tecnologia, incentivar a colaboração e o compartilhamento de conhecimento, e celebrar os sucessos da equipe são práticas obrigatórias. Além disso, lideranças devem liderar pelo exemplo, utilizando a IA Generativa em suas próprias atividades. Ao criar um ambiente positivo e encorajador, as lideranças inspiram suas equipes a abraçar a IA Generativa como uma aliada, impulsionando a inovação e o crescimento da empresa.
Mas obviamente nem tudo são flores. Assim como a introdução dos computadores trouxe desafios como a pirataria de software e o acesso desigual à tecnologia, a IA Generativa também apresenta seus próprios riscos. A capacidade da IA de gerar conteúdo “autônomo” levanta preocupações sobre as tão faladas “fake news”. A questão dos vieses nos algoritmos também é um problema, já que a IA pode perpetuar e aumentar preconceitos existentes na sociedade. Além disso, a coleta e o uso de dados para treinar modelos de IA Generativa exigem atenção redobrada à privacidade e à segurança, para evitar o uso indevido dessas informações. É crucial que trabalhemos para desenvolver mecanismos de controle e regulação que garantam o uso ético e responsável da IA Generativa, assim como foram criadas leis e normas para lidar com os desafios da era da informática.
Por ter passado pela jornada dos computadores pessoais no Brasil, posso falar que a jornada da IA Generativa também está sendo marcada por uma mistura de entusiasmo e apreensão. A resistência inicial é natural, mas a história nos mostra que a adaptação e o aprendizado são cruciais para colher os frutos da inovação. A IA Generativa, como qualquer ferramenta, tem o potencial de ser utilizada da forma correta ou não. Precisamos garantir que seu desenvolvimento e aplicação sejam guiados com responsabilidade. Só assim teremos um futuro com mais produtividade, qualidade de vida, criatividade e progresso para todos. A chave está em não temer a mudança, mas sim, em aprender a navegar por ela, sempre transformando desafios em oportunidades.
