Pular para o conteúdo

Vibe coding permite que qualquer um escreva software, mas tem lá seus riscos

Banner Aleatório

Chetan Jaiswal

3 minutos de leitura

Seja para assistir a um filme, pagar uma conta online ou enviar um e-mail, há sempre um programa de computador rodando nos bastidores. O processo de criação desses programas é o que chamamos de programação. Até pouco tempo atrás, esse trabalho era feito, em sua maioria, por pessoas. Mas, com os avanços da inteligência artificial generativa, isso está mudando.

Banner Aleatório

Assim como você pode pedir ao ChatGPT para criar uma receita ou escrever um poema no estilo de Lord Byron, hoje já é possível pedir a ferramentas de IA que gerem um código de programação. Andrej Karpathy, cofundador da OpenAI e ex-líder de IA da Tesla, batizou isso de “vibe coding” – algo como programar “no feeling”.

Para quem está começando ou não tem formação técnica, programar com base em ideias soltas – em vez de especificações detalhadas – pode parecer algo mágico. Não é preciso dominar linguagens de programação nem estruturas complexas de dados. Basta descrever o que você quer usando linguagem natural.

COMO FUNCIONA O VIBE CODING

O vibe coding se baseia em padrões técnicos comuns, que sistemas de IA usam para gerar códigos novos a partir dos dados com os quais foram treinados. Qualquer pessoa pode inserir alguns comandos em ferramentas como o GitHub Copilot ou o Cursor Chat e deixar a inteligência artificial fazer o resto. Veja um exemplo de prompt:

Crie uma experiência visual interativa e vibrante que reaja à música, à interação do usuário e a dados em tempo real. A animação deve ter transições suaves, cores vivas e um fluxo envolvente. Ela deve parecer orgânica e responsiva, criando uma experiência imersiva. Use JavaScript ou React e permita fácil personalização para diferentes contextos.”

O problema é que essas ferramentas fazem tudo isso sem compreender de verdade as regras, exceções e exigências específicas de segurança de cada software. Isso está muito longe das práticas rigorosas empregadas no desenvolvimento de sistemas profissionais – que precisam equilibrar requisitos técnicos, desempenho, escalabilidade, segurança e manutenção.

Nesses casos, programadores experientes escrevem, testam e revisam o código cuidadosamente, além de implementar barreiras de proteção antes do lançamento.

Apesar de tornar o processo mais rápido e acessível, o vibe coding também traz riscos. Muitos dos testes e verificações importantes acabam ficando de fora, o que deixa os sistemas mais vulneráveis a ataques cibernéticos e vazamentos de dados.

codigos negros
Créditos: balasoiu/ Freepik/ Daniel Thomas/ Unsplash

E não tem muito como escapar: se você não entende o código que a IA gerou, não vai conseguir consertá-lo quando der algum problema. Pior ainda – como alertam alguns especialistas –, talvez nem perceba que uma falha está acontecendo.

A própria inteligência artificial também não consegue identificar ou resolver esses problemas mais profundos. Ela reconhece o que costuma ser um “código bom”, mas não entende os impactos e riscos que ele pode causar.

POR QUE ISSO IMPORTA

Pode ser que o vibe coding seja só uma moda passageira, mas também é possível que ganhe força entre programadores. Para eles, pode ser uma forma de transformar rapidamente uma ideia em um protótipo funcional. Também pode despertar o interesse de quem está começando ou se interessa por programação, incentivando-os a seguir na área.

Além disso, essa abordagem talvez indique uma mudança maior: a linguagem natural se tornando uma ferramenta legítima na criação de softwares.

com o avanço da IA generativa, ficou muito mais fácil escrever códigos de programação.

Algo parecido aconteceu com os primeiros editores de sites no estilo WYSIWYG (“o que você vê é o que você recebe”) e as plataformas de construção com “arrastar e soltar”, que facilitaram a vida de quem queria lançar um blog ou site sem saber programar.

Por enquanto, não vejo o vibe coding substituindo engenheiros de software ou cientistas da computação. A complexidade e o refinamento exigidos pela programação ainda estão além do que a IA consegue oferecer. E confiar cegamente em um código gerado pode ser perigoso demais.

Mas, à medida que os modelos evoluem – se tornando mais capazes de entender contextos e considerar riscos –, práticas como essa podem fazer com que fique cada vez mais difícil distinguir o que foi feito por humanos do que foi feito por máquinas.

Este artigo foi republicado do “The Conversation” sob licença Creative Commons. Leia o artigo original.


SOBRE O AUTOR

Chetan Jaiswal é professor associado de ciência da computação na Universidade Quinnipiac. saiba mais


Source link

Join the conversation

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *