AI-translated from English; not yet reviewed by a fluent editor.

# A IA pode escrever o código. Quem vai aprender a consertá-lo?

> Uma tarefa de programação pode ser concluída antes que seu autor entenda o sistema. Dois experimentos apontam uma questão prática para as equipes: como os desenvolvedores iniciantes vão aprender a explicar, diagnosticar e adaptar o trabalho feito com ajuda de IA?

By BIG CHANGE Editorial

Published: 2026-09-22T16:40:55.934Z
Updated: 2026-09-22T16:40:55.934Z
Canonical: https://bigchange.ai/blog/ai-coding-skills-learning-apprenticeship

![An automated arm assembles abstract interlocking modules while a junior developer studies orange pathways inside an opened module.](https://bigchange.ai/api/media/file/ai-coding-learning-apprenticeship-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE. Automation can deliver a finished implementation before a newcomer has traced how it works. This conceptual scene represents the need to build understanding alongside AI-assisted output; it is not a product interface, study result or forecast of inevitable deskilling.

Um desenvolvedor iniciante pode pedir a um assistente de IA que use uma biblioteca desconhecida, receber código funcional e seguir em frente. O recurso talvez esteja pronto antes que o desenvolvedor entenda por que funciona. Isso importa na próxima falha do código, mudança de requisito ou decisão sobre a segurança da correção sugerida pelo assistente.

O engenheiro de software Alexandru Nedelcu levantou essa preocupação em um [ensaio de 22 de setembro](https://alexn.org/blog/2026/09/22/ai-has-no-wisdom-and-neither-will-you). Ele argumenta que desenvolvedores formam seu discernimento lendo código, tomando decisões e lidando com os erros. Sua previsão de que algumas empresas anunciarão políticas contra IA é uma opinião, não uma mudança observada no setor. Um experimento separado, publicado em janeiro, apresenta a questão da aprendizagem de forma mais restrita e testável: o que os programadores entenderam logo após concluir uma tarefa com ajuda de IA? [O relato da pesquisa da Anthropic](https://www.anthropic.com/research/AI-assistance-coding-skills)

## A grande mudança

- **O que mudou:** A IA facilita a entrega de software pronto sem que a pessoa tenha percorrido sua lógica. Ela pode fornecer uma implementação antes que alguém em início de carreira pratique as decisões necessárias para explicá-la ou corrigi-la.
- **Por que isso importa:** Gestores podem aumentar a produção hoje e, ao mesmo tempo, enfraquecer o caminho pelo qual profissionais iniciantes se tornam as pessoas capazes de diagnosticar as falhas de amanhã. O risco é maior quando a tarefa envolve conceitos desconhecidos; a ajuda em trabalhos familiares ainda pode ser valiosa.
- **O que observar:** As equipes podem começar a tratar a aprendizagem como parte da entrega, reservando tempo para explicar, diagnosticar e adaptar o trabalho feito com ajuda de IA. Nesse caso, exercícios de contratação e produtos de programação podem valorizar o entendimento demonstrado junto com a velocidade.

## Concluir uma tarefa e aprender uma habilidade são resultados diferentes

Em [um estudo randomizado com 52 programadores](https://arxiv.org/abs/2601.20245), os participantes usaram uma biblioteca Python desconhecida, chamada Trio, para concluir duas tarefas de programação. Metade tinha acesso a um assistente de IA no ambiente de programação; a outra metade, não. Todos sabiam que fariam um teste depois. Pouco após o trabalho, o teste avaliou conceitos, leitura de código e depuração.

O grupo com IA teve média de 50%, contra 67% no grupo que trabalhou sem IA: uma diferença de 17 pontos percentuais, não uma queda relativa de 17%. A maior diferença apareceu nas questões de depuração. Em média, o grupo com IA terminou cerca de dois minutos mais rápido, mas essa diferença de tempo não foi estatisticamente significativa. São resultados de um contato breve com uma única biblioteca e de um teste imediato, não uma medição de carreiras de desenvolvedores ou da qualidade de um sistema em produção. [Resultados e limites apontados pelos pesquisadores](https://www.anthropic.com/research/AI-assistance-coding-skills)

Os pesquisadores também observaram como os participantes usavam o assistente. Alguns delegaram em grande parte a escrita e a depuração do código; outros pediram explicações ou trabalharam os conceitos por conta própria. Os padrões de maior envolvimento tenderam a obter pontuações melhores, mas esses grupos pequenos foram identificados depois do experimento. A randomização definiu quem teria acesso à IA, não uma forma específica de conversar com ela. Pedir uma explicação pode ajudar alguém a aprender, mas o estudo não prova que um prompt ou fluxo de trabalho evite a lacuna de aprendizagem. [A análise das interações no artigo](https://arxiv.org/html/2601.20245v2)

Um erro costuma ser o momento em que alguém iniciante aprende o que uma biblioteca pressupõe. Se o assistente assumir tanto a implementação inicial quanto o reparo, o desenvolvedor talvez encontre menos dessas suposições. Essa é uma explicação possível para a diferença em depuração.

## A velocidade também conta, e a tarefa muda a resposta

Em outras condições, a assistência de IA também acelerou a programação. Em [um experimento controlado com o GitHub Copilot](https://arxiv.org/abs/2302.06590), 95 profissionais autônomos foram designados para criar um servidor HTTP em JavaScript. Entre os que concluíram a tarefa, o grupo com Copilot levou em média cerca de 71 minutos, contra 161 minutos no grupo de controle, uma redução de 55,8% no tempo de conclusão. Os pesquisadores não testaram o que esses programadores aprenderam depois. A tarefa era uma implementação delimitada, não uma introdução a uma biblioteca desconhecida seguida de um teste de compreensão.

Os dois resultados podem ajudar gestores. Se um desenvolvedor experiente usa IA para eliminar trabalho repetitivo, a economia de tempo pode ser real. Quando o objetivo é aprender um sistema novo, a produção mais rápida e o entendimento mais sólido precisam ser verificados separadamente. Uma proibição geral de IA descartaria possíveis ganhos sem responder como as pessoas aprendem a supervisionar o trabalho.

O ensaio de Nedelcu vai além do experimento. Ele argumenta que a facilidade de manutenção só se revela ao longo de meses ou anos e que a experiência cresce quando se assume a responsabilidade pelos erros. O estudo não mede a facilidade de manutenção no longo prazo nem mostra que usuários de IA deixem completamente de aprender. A provocação útil dele é organizacional: se uma equipe delega cada vez mais o trabalho de prática, onde os futuros responsáveis pela solução de problemas vão adquirir essa experiência? [O ensaio de Nedelcu](https://alexn.org/blog/2026/09/22/ai-has-no-wisdom-and-neither-will-you)

## Dê ao aprendiz algo a demonstrar depois que o código funciona

Uma resposta prática é passar uma tarefa com ajuda de IA a alguém iniciante e, depois, pedir uma breve verificação independente antes de considerar que houve aprendizagem. Este é um exercício que propomos, não uma intervenção testada por qualquer um dos estudos:

1. **Explique:** Sem pedir ajuda ao assistente, descreva por que a parte desconhecida do código funciona, o que ela pressupõe e o que poderia fazê-la falhar. Um engenheiro sênior pode fazer uma pergunta complementar ligada à alteração real.
2. **Diagnostique:** Introduza uma falha pequena e realista em um ramo de teste seguro. Peça ao aprendiz que encontre a causa e diga qual observação descartou uma correção errada, mas tentadora. O objetivo é avaliar o raciocínio, não a memorização de um comando.
3. **Adapte:** Altere um requisito e peça ao aprendiz que revise a implementação e os testes. Ele pode usar IA, mas deve conseguir justificar o novo comportamento e indicar o que ainda precisa verificar.

Por exemplo, depois que um assistente escrever uma nova operação assíncrona, um revisor pode perguntar o que acontece se ela for cancelada no meio da execução. O desenvolvedor deve conseguir acompanhar o fluxo e testar um requisito alterado. Uma revisão de código pode encontrar um defeito, mas deixar o aprendiz despreparado para lidar com o próximo. A verificação proposta pergunta se o conhecimento acompanha o código entregue.

Isso não precisa transformar cada tarefa rotineira em uma prova. A equipe pode reservar o exercício para bibliotecas desconhecidas, falhas recorrentes ou trabalhos que se espera que um colega iniciante assuma depois. É preciso pagar o tempo e contar com um revisor que conheça o sistema. Se a gestão contabilizar apenas tarefas integradas e tempo economizado, esses custos podem ser os primeiros a desaparecer. Isso agravaria o problema de treinamento mesmo que a produção de hoje aumentasse.

## A questão da aprendizagem profissional chega à contratação e ao design de produtos

Cargos de início de carreira muitas vezes combinam entrega com prática supervisionada. A IA muda esse acordo quando um candidato consegue mostrar um recurso final impressionante sem demonstrar como raciocinou para criá-lo. Empregadores poderiam pedir que candidatos expliquem e modifiquem um pequeno trecho de trabalho, em vez de tratar um repositório bem acabado como prova de habilidade independente. Essa é uma resposta de contratação proposta, não uma evidência de tendência atual. O teste deve avaliar as habilidades realmente necessárias para o cargo, não exigir que todos trabalhem sem ferramentas.

Produtos de programação enfrentam uma escolha relacionada. Um assistente pode otimizar para dar uma resposta rápida ou facilitar a inspeção de pressupostos, permitir perguntas conceituais e testar uma alteração antes de revelar a solução. Os padrões de interação observados no estudo fazem valer a pena experimentar o segundo tipo de design, embora não demonstrem que uma interface específica ensine melhor. Para empregadores, a pergunta correspondente na hora de comprar é se a ferramenta ajuda a equipe a aprender a revisar e alterar o resultado, não apenas quanto código ela gera.

O teste curto não pode prever quem se tornará especialista em cinco anos. Ele mostra por que uma implementação aceita é um substituto fraco para evidências de compreensão em uma tarefa desconhecida. Equipes que querem automação e uma próxima geração competente precisam abrir espaço para a prática e verificar o que as pessoas conseguem fazer quando a resposta muda.

## Sources

- [Alexandru Nedelcu: IA não tem sabedoria, e você também não terá](https://alexn.org/blog/2026/09/22/ai-has-no-wisdom-and-neither-will-you) — O ensaio de Nedelcu argumenta que o discernimento em engenharia se desenvolve com leitura, decisões e responsabilidade por erros. Suas afirmações sobre facilidade de manutenção e sua previsão de políticas contra IA são opiniões, não resultados medidos.
- [Anthropic: como a assistência de IA afeta a formação de habilidades de programação](https://www.anthropic.com/research/AI-assistance-coding-skills) — Os pesquisadores explicam o experimento randomizado Trio com 52 pessoas: 50% contra 67% em um teste imediato, diferença de 17 pontos percentuais; a pequena diferença no tempo para concluir não foi significativa. Os padrões de interação são observacionais e o estudo não mede carreiras no longo prazo.
- [Shen e Tamkin: como a IA afeta a formação de habilidades](https://arxiv.org/abs/2601.20245) — O artigo do estudo detalha a tarefa, os participantes, a randomização e a avaliação. A revisão de fevereiro corrige erros de digitação na tabela. Usamos o estudo para limitar o resultado causal ao acesso à IA e à compreensão imediata, não para recomendar uma técnica de prompting comprovada.
- [Peng et al.: o impacto da IA na produtividade de desenvolvedores](https://arxiv.org/abs/2302.06590) — Em outro estudo controlado com Copilot, profissionais autônomos que implementaram um servidor em JavaScript concluíram a tarefa mais rápido com IA; a redução de 55,8% no tempo considera quem terminou. Esse estudo não avaliou a aprendizagem, e sua tarefa difere do exercício Trio com uma biblioteca desconhecida.