> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/pt-br/2025/w30-full-stack-development-in-the-ai-wave.md).

# W30-Desenvolvimento full stack na onda da IA

Mantenho um otimismo cauteloso sobre full stack.

A ideia é antiga. Desenvolvedores independentes, na prática, podem ser considerados full stack. Mas essa abordagem nunca se tornou dominante na China. As grandes empresas preferem profundidade técnica, e muitos entrevistadores desprezam o generalista que faz um pouco de tudo. Hoje, o valor do full stack está sendo reavaliado. Acho que devemos encarar essa mudança com otimismo cauteloso.

Quase todas as tecnologias desta onda de IA generativa estão no topo do Hype Cycle, incluindo Vibe Coding e Software Engineering. Tecnologias nesse ponto costumam vir acompanhadas de expectativas exageradas e implantações pouco realistas.

Vibe Coding e Software Engineering são coisas diferentes. Em Vibe Coding, a IA é boa em gerar protótipos descartáveis, permitindo construir rapidamente um produto funcional e validar o design e a aceitação dos usuários. Como é só um protótipo, não há preocupação com manutenção futura ou qualidade duradoura do código. Em Software Engineering, escrever código é apenas parte do trabalho cotidiano de entrega. Pesquisas de organizações como a METR mostram ganhos de eficiência muito limitados para desenvolvedores experientes usando ferramentas de IA.

Dominar os fundamentos permite fazer 99% das coisas. Eles continuam importantes. Ao participar de uma investigação na semana passada, senti claramente as lacunas da equipe em redes básicas, como Nginx e HTTP, e no middleware da empresa, a camada PaaS. Quando o sistema funciona, todos acham simples. Quando falha, começa uma busca às cegas em todas as direções. Sem bases sólidas, nem ferramentas inteligentes avançadas permitem construir sistemas confiáveis.

Construir confiança entre engenheiros e IA exige tempo e uma compreensão correta dos limites da ferramenta. Há três fronteiras a descobrir na prática: quando confiar na IA e incluí-la na tarefa; quando deixar que ela produza primeiro e o engenheiro apenas revise; e quando desligá-la e resolver o problema com atenção humana.

Essas fronteiras, claro, mudam rápido. A inteligência continua avançando, e devemos manter o otimismo sobre o impacto positivo no desenvolvimento de negócios nos próximos três a cinco anos. Na semana passada, a OpenAI anunciou que um LLM ainda não divulgado alcançou pela primeira vez nível de medalha de ouro na Olimpíada Internacional de Matemática, IMO. Antes disso, apenas um modelo do Google DeepMind especialmente otimizado para matemática havia chegado ao nível de prata.