O que aprendi programando com a IA

Há um mês eu não sabia o que era um banco vetorial. Não fazia ideia do que significa gerar embeddings, nem por que um assistente de inteligência artificial precisa disso.

Hoje esses termos já fazem parte do meu vocabulário de trabalho. Estou construindo, com apoio de IA, um assistente baseado nos meus próprios frameworks de mentoria executiva.

Não conto isso pela novidade técnica. Conto porque o processo em si revelou algo mais importante do que qualquer ferramenta nova: o obstáculo real para um executivo criar algo com IA raramente é técnico, é psicológico.

Historicamente, o executivo tratou o desenvolvimento de software como território de especialista. Se precisava de um sistema, contratava quem sabia fazer.

Essa divisão fazia sentido quando programar exigia anos de formação e experiência específica. Com ferramentas de IA que escrevem código junto com você, essa fronteira mudou radicalmente, mas o hábito mental de delegar isso permanece o mesmo.

Na prática, o que fiz foi sentar com uma dessas ferramentas, o Claude Code, e ir construindo passo a passo, corrigindo erro atrás de erro. Alguns eram simples, um caminho de instalação que faltava configurar. Outros exigiram investigar por que um comportamento esperado não acontecia, testar hipótese, descartar, testar de novo.

Nenhum exigiu que eu entendesse a lógica interna do código. Só exigiram que eu aceitasse não entender tudo de imediato, e seguisse adiante mesmo assim.

Executivo experiente costuma evitar terreno onde não domina o vocabulário, porque associa isso a perda de autoridade. Construir com IA funciona ao contrário: quanto mais rápido você aceita que basta fazer as perguntas certas, mais rápido chega ao resultado.

No desenvolvimento que fiz, a IA não decidiu que dados sensíveis de clientes precisavam passar por um processo de despersonalização antes de alimentar a base de conhecimento do assistente, quem decidiu fui eu.

A IA também não decidiu recusar uma plataforma pronta, mais barata e mais simples de configurar, porque ela limitava o controle sobre a qualidade da resposta final. Essa comparação entre custo e diferenciação real do produto foi minha.

Para a parte tecnicamente difícil, hoje, tem uma IA competente ao seu lado para resolver junto. A parte que continua exigindo experiência de liderança e critério não desapareceu, apenas mudou de lugar: migrou do como fazer para o que priorizar, o que proteger e o que vale a pena construir primeiro.

Compartilho alguns princípios que aprendi nesta jornada:

🔹 Escolha um problema real que você sente no dia a dia, não um projeto de vitrine para mostrar que "está usando IA".

🔹 Não gaste demasiado tempo escolhendo a plataforma de IA, a maioria delas hoje tem competência (e tokens) de sobra para seus experimentos.

🔹 Nas primeiras travadas, resista ao impulso de parar ou desistir por completo. Respira fundo, tenta novamente. É exatamente aí que o aprendizado real acontece.

🔹 Peça para a IA explicar o porquê, e não apenas o como. Isso revela se a decisão dela faz sentido para o seu contexto, algo que só você consegue julgar.

🔹 Antes de aceitar qualquer sugestão que envolva dados, custo ou dependência de terceiros, pare e pergunte: eu aprovaria isso se fosse minha equipe de TI trazendo essa proposta?

🔹 Escreva, ao final de cada sessão, um log das decisões que você tomou e por quê. Sem isso, depois de poucos dias o raciocínio e o aprendizado se perdem.

Nada disso exige aprender a programar de verdade. Exige aceitar operar por um tempo num território onde você não domina todos os termos, mas ainda assim consegue julgar o que importa.

A pergunta que a maioria dos executivos está fazendo hoje sobre IA está errada. Não é se vale a pena aprender a programar, é se você está realmente disposto a abrir uma IA ainda nesta semana e descobrir, na prática, que você consegue desenvolver algo novo do zero.