O Caminho Feliz

Nos últimos meses, virou comum ouvir o relato entusiasmado de alguém que abriu uma ferramenta de IA, gerou um relatório, um formulário ou uma automação em poucos minutos, e apresentou aquilo como problema resolvido. Na maior parte das vezes, tecnicamente, funcionou mesmo. Não é isso que está em discussão aqui. Uso inteligência artificial todos os dias, desde 2022, quando o ChatGPT foi liberado ao público, sei o quanto ela acelera entregas e permite que pessoas sem formação técnica criem coisas que antes dependiam de uma fila inteira de desenvolvimento. O que me interessa neste texto é o intervalo entre essa primeira vitória e o que vem depois dela, o lugar onde mora quase todo o trabalho real.

Em tecnologia, chamamos de caminho feliz o percurso em que tudo acontece exatamente como esperado. O arquivo está no lugar certo, os dados vêm no formato previsto, a tela carrega sem atraso, o botão não muda de nome e continua no mesmo lugar. No caminho feliz, quase tudo funciona, e é justamente nele que a maioria das demonstrações acontece. Alguém grava alguns cliques numa automação, alimenta um agente com um punhado de documentos, ou pede à IA que monte um relatório em HTML, e o resultado impressiona, sou testemunha disso. Só que raramente alguém imagina o ícone fora do lugar no dia seguinte, o pop-up de alerta inesperado, ou os dados do mês seguinte chegando num formato levemente diferente – ou simplesmente chegando. A pessoa automatizou o processo, ou só gravou a coreografia daquele momento específico?

A mesma pergunta vale para o relatório bonito. A interface resolve como aquilo vai ser exibido, não de onde os dados virão no mês seguinte, quem vai atualizá-los, ou como garantir que o mesmo cálculo produza sempre o mesmo resultado. Às vezes o que estamos comemorando como substituição de uma planilha é só outro arquivo solto, agora em HTML em vez de Excel, muito mais fácil de ser alterado ou adulterado. Mudamos a extensão, não necessariamente o problema de controle e integridade que a planilha sempre teve.

Isso não é uma crítica a quem cria essas soluções. Prefiro contar uma história contra mim mesmo aqui. No começo da minha carreira eu programava em Clipper, e os colegas mais experientes, vindos do mainframe, chamavam aquilo carinhosamente de Flipper. Para eles, uma ferramenta tão acessível não podia ser computação de verdade, era brincadeira de criança ou de programadores sem experiência. Sabemos como aquela disputa terminou. A microinformática não eliminou tudo o que o mainframe sabia fazer, mas redefiniu quem podia criar sistemas e quanto tempo isso levava. Hoje corro o risco de repetir o gesto deles, mas na direção oposta, olhando para quem cria com IA e concluindo que não é trabalho sério porque não exigiu o mesmo caminho que exigiu de mim. Veja bem, não é essa a posição que quero defender.

A posição que defendo é mais estreita, e talvez por isso mais fácil de confundir com resistência. Criar uma primeira versão ficou extraordinariamente mais rápido. Sustentar essa versão, quando os dados mudam, quando alguém além do criador precisa usá-la, quando ela passa a fazer parte de um processo de verdade, continua exigindo a mesma coisa de sempre: entender a necessidade, tratar exceções, controlar acesso, decidir quem responde se algo sai errado. A IA comprimiu o primeiro tipo de tempo. Não comprimiu o segundo.

Existe até um dado que ajuda a explicar por que essa confusão acontece com tanta facilidade. No livro que acabei de ler, Cointeligência, de Ethan Mollick, aparece um estudo com centenas de consultores da BCG, onde profissionais com desempenho abaixo da média melhoraram 43% usando IA em tarefas dentro do que a ferramenta sabia fazer bem, contra 17% dos que já tinham desempenho acima da média. Fora dessa fronteira, quando a ferramenta não tem domínio sobre a tarefa a ser realizada, quem usou IA teve uma probabilidade cerca de 19 pontos percentuais menor de acertar. A mesma ferramenta que nivela também engana melhor quando erra. Isso talvez explique por que uma demonstração de cinco minutos consegue parecer tão definitiva, o resultado fica bom o bastante para ninguém parar e perguntar em que terreno ele foi produzido.

E aqui separo uma coisa que preciso deixar clara, porque já ouvi essa confusão antes. O que estou descrevendo não é negativismo. Negativismo parte da conclusão de que a ideia não vai funcionar e procura motivo para rejeitá-la. Pensamento crítico reconhece que a ideia pode funcionar, e investiga em quais condições, por quanto tempo, com quais riscos. Perguntar quem mantém, quem atualiza, quem assume se algo quebrar, não é torcer contra a solução. É tentar impedir que um sucesso inicial vire uma dependência frágil mais tarde.

O problema real é que essas perguntas custam tempo, e a cultura atual está otimizada para velocidade. Se a interface já apareceu pronta em cinco minutos, qualquer prazo maior começa a soar como incompetência. Mas pensamento crítico não precisa significar meses de reunião. Significa reservar, dentro da própria pressa, o espaço suficiente para as perguntas que separam uma demonstração de uma solução que vai sobreviver ao mês seguinte.

Vale reconhecer também a outra ponta dessa história, porque seria fácil demais este texto terminar como uma defesa envergonhada da TI tradicional. Boa parte do motivo pelo qual as pessoas recorrem à IA para resolver sozinhas suas próprias pendências é a dificuldade de percorrer o caminho oficial. Quando um processo de aprovação exige tantas etapas que custa mais do que resolveria, as pessoas procuram uma saída, e sempre procuraram, muito antes da IA existir, com planilhas, macros e pequenos bancos de dados paralelos. A IA só tornou esse desvio mais acessível. Nesse sentido, o excesso de controle ajuda a criar o comportamento que depois é apontado como falha.

Isso não anula a necessidade de controle, só devolve a pergunta para dentro de casa. Cada etapa de aprovação deveria conseguir responder qual risco está reduzindo, e se o tempo que consome é proporcional a esse risco. Quando ninguém sabe responder isso, provavelmente não é governança, é ritual.

O caminho feliz prova que uma ideia pode funcionar, isso é o começo de uma conversa, não o fim de um desenvolvimento. Já sabemos que vamos usar IA para ir mais rápido, essa parte está decidida. Da próxima vez que alguém mostrar uma solução pronta em cinco minutos, quem vai perguntar o que acontece no mês seguinte, antes de a gente precisar descobrir isso na prática?