Locale: pt-BR
Nota: Este texto não afirma que programar com IA seja uma dependência clínica comprovada. A comparação é com algumas estruturas estudadas em jogos de azar e produtos digitais, principalmente recompensa incerta e repetição rápida.[3] Isso não prova o mesmo mecanismo causal para programação com IA.
1. Resumo: programar com IA pode parecer um caça-níquel produtivo
Você pede uma correção. Espera alguns segundos. Falha. Muda o pedido. Agora quase funciona. Roda os testes. Quebra outra coisa. Tenta de novo. Tudo verde.
Esse último “passou” é forte.
Só que, ao contrário de uma aposta comum, uma rodada boa pode deixar código, testes, pesquisa, documentação ou uma função inteira.
Tem ritmo de entretenimento e resultado de trabalho.
Alguém juntou uma fábrica de software com um caça-níquel.
2. “Talvez a próxima funcione” aparece a cada poucos minutos
Pesquisas sobre jogos de azar discutem há décadas o papel da incerteza da recompensa: não saber quando a recompensa virá pode fortalecer a repetição do comportamento.[3]
A programação com IA tem uma aparência parecida.
O mesmo tipo de pedido pode:
- resolver tudo de primeira
- chegar a 80%
- quebrar outro arquivo
- entender tudo errado
- encontrar a causa antes de você
Você não sabe o resultado quando aperta Enter.
E a resposta chega em segundos ou minutos.
Não é preciso esperar até amanhã pelo próximo episódio.
Pequenos cliffhangers chegam na velocidade de uma máquina de café.
3. Até a falha costuma deixar alguma coisa
Aqui está uma diferença importante em relação ao jogo.
Uma tentativa ruim nem sempre vira zero.
Fica um log. Surge uma hipótese. Sobra um patch parcial. Nasce um teste novo. Pelo menos um caminho foi eliminado.
Por isso, depois de três horas sem resolver, é fácil pensar:
“mas avançamos”
em vez de:
“perdi três horas”.
É um RPG que dá experiência mesmo quando você perde.
E às vezes também derruba código de produção.
4. O desperdício real é o loop de falha do próprio agente
Nem toda tentativa fracassada ensina algo.
Um agente autônomo pode entrar em:
executar → falhar → corrigir na mesma direção → falhar → repetir quase o mesmo comando → falhar → dizer “vou tentar outra abordagem” → fazer quase a mesma coisa
Uma pessoa olha e diz: “para de cavar esse buraco”.
A IA é dedicada.
Então continua cavando.
E queimando a cota com muita dedicação.
O que falta não é persistência, mas freios:
- parar depois de duas ou três falhas equivalentes
- não repetir se o erro não mudou
- resumir a causa antes da próxima tentativa
- criar ponto de retorno antes de mudanças grandes
- avisar quando o consumo dispara
Agente não precisa de palestra motivacional. Precisa de stop-loss.
5. Mesmo assim, isso não é jogo de azar no sentido econômico
Programar com IA não é apostar dinheiro para tentar recuperar dinheiro por sorte.
Quando funciona bem, gera produção.
Um estudo do NBER de 2026 com mais de 500 mil desenvolvedores do GitHub encontrou grandes aumentos na atividade de programação após a adoção de ferramentas de IA, mas efeitos bem menores quando se olha para projetos e lançamentos reais.[4]
Ou seja:
mais código não significa automaticamente mais valor entregue.
O agente pode rodar cem vezes. Os commits podem explodir. A cota pode acabar.
Se nada chega ao usuário, a fábrica só está girando rápido.
Quando uma função realmente vai ao ar, passa nos testes e é usada, aí existe utilidade concreta.
O ponto estranho da programação com IA é que feedback de entretenimento e produtividade real aparecem na mesma tela.
6. Por que uma assinatura cara parece tão justificável
Gastar muito por mês em jogo parece claramente gasto de lazer.
Com IA, a conta mental muda.
Ela pode poupar horas. Ensinar conceitos. Escrever código. Pesquisar. Criar documentos. Montar aplicativos.
A mensalidade começa a parecer custo de ferramenta.
E, para piorar para o bolso, realmente é uma ferramenta.
Lazer, trabalho, aprendizado e criação vêm na mesma fatura.
Por isso um plano caro é fácil de justificar:
“economizou horas”. “terminou uma função”. “sem isso eu teria pesquisado tudo sozinho”.
7. “É útil” não quer dizer “qualquer gasto compensa”
Ainda vale fazer uma conta simples.
Se você passa dez horas com IA numa tarefa que antes levava cinco, talvez tenha encontrado um hobby novo, não uma melhoria de produtividade.
Tudo bem se for hobby.
O problema é chamar de trabalho quando boa parte do tempo virou plateia para o agente.
Métricas melhores:
- quanto levaria sem IA
- quantos resultados concluídos aumentaram
- se caiu o tempo de revisão humana
- quanta cota morreu em loops
- quais partes poderiam usar modelos mais baratos
- se aumentaram entregas reais, não só código
“Usei muito” não é resultado.
Morar na academia também não cria músculo sozinho.
8. Por que “uma melhoria por dia ou reset total” parece tão bom
Em outubro de 2026, o responsável da OpenAI por Codex e ChatGPT Work anunciou publicamente um desafio de 28 dias: a cada dia, a equipe entregaria uma melhoria clara e relevante para a maioria dos usuários ou faria um reset completo.[1]
Pouco antes, ele havia dito que o foco seria simplificação, mais eficiência e uso, grandes recursos e novos modelos.[2]
Um rastreador comunitário não oficial interpreta o período como 5 de outubro a 1º de novembro no horário do Pacífico.[5]
Normalmente, “um recurso novo por dia” parece melhor.
Para quem realmente esgota a cota, às vezes é o contrário:
um recurso novo < cota totalmente restaurada.
O valor de uma IA forte não está apenas na inteligência, mas em quantas tentativas úteis ainda cabem.
Depois de um loop idiota consumir boa parte da cota, um reset pode ser muito mais bonito que um botão novo.
9. Não precisa tirar a diversão. Só precisa cortar repetição sem valor
Programar com IA ser divertido não é defeito.
Transformar trabalho chato em “vou tentar só mais uma vez” é uma vantagem enorme.
O problema é quando:
“mais uma vez”
vira:
“o agente repetiu o mesmo erro vinte vezes sozinho”.
A meta não é deixar a experiência sem graça.
Tentativa útil deve ser rápida. Repetição inútil deve morrer cedo.
No fim, a métrica não é quantas vezes a roda girou.
É:
o que realmente ficou pronto.
