Claude Code fundador faz 7 julgamentos importantes na conferência Sequoia

Organizar: Ah Ying

Compartilhamento de Boris Cherny, fundador do Claude Code, na conferência Sequoia, foi extremamente informativo, muitas opiniões eu ouvi pela primeira vez de forma completa. Esse cara realmente tem uma compreensão bastante precisa de IA.

Vou compartilhar meu próprio resumo.

01 Código não é mais escasso

Para muitas situações de desenvolvimento mainstream, escrever código manualmente já começou a se tornar uma atividade de baixa eficiência.

Antes, para entregar uma funcionalidade, o engenheiro se sentava, pensava em como implementar, e depois digitava linha por linha o código. Nesse processo, o maior valor do engenheiro era: saber se consegue escrever, se escreve bem, se escreve rápido.

Agora, a forma de trabalhar mudou.

Para a mesma funcionalidade, o trabalho do engenheiro é mais como: primeiro esclarecer os requisitos, dividir a tarefa em várias partes e passar para um Agente, definir um padrão de aceitação, e então verificar se o resultado do Agente está correto, se não, ajustar o prompt e fazer ele rodar novamente.

A IA já consegue resolver a maior parte das tarefas de codificação. Claro, não é 100%, ainda há muitos grandes e complexos repositórios de código, linguagens pouco comuns ou ambientes especiais, onde o desempenho dos modelos atuais ainda não é suficiente.

De modo geral, o valor do engenheiro mudou de saber escrever código para saber dividir tarefas, comunicar claramente os objetivos, verificar resultados, gerenciar o Agente.

Essa mudança é muito parecida com a Revolução Industrial.

Antes da Revolução Industrial, um ferreiro fazia tudo: forjar, polir, montar, tudo sozinho. Ferreiros habilidosos naturalmente eram valiosos.

Depois, surgiu a linha de montagem. Cada trabalhador era responsável por uma etapa, e a produção total aumentou dezenas ou centenas de vezes em relação à era manual.

Naquela época, o papel mais valioso na fábrica não era mais o artesão que fazia a melhor peça, mas quem sabia projetar, gerenciar e fazer a linha de produção funcionar bem.

Os trabalhadores não desapareceram, mas seus papéis mudaram.

A engenharia de software está passando por uma mudança semelhante. O código em si não é mais escasso. Saber programar está se tornando uma habilidade básica, como usar PowerPoint.

O que realmente é escasso é a capacidade de transformar requisitos vagos em tarefas claras, escolher a melhor solução entre várias propostas do Agente, fazer uma equipe de IA colaborar para completar uma tarefa.

Muitos engenheiros mais antigos inicialmente têm dificuldade em aceitar isso. Escrever código manualmente era a razão de muitos terem se apaixonado por essa profissão nas últimas décadas.

Deixar isso para a máquina não é só uma mudança na forma de trabalhar, é uma reinvenção da identidade.

Mas a tendência é a tendência.

02 Como a imprensa de Gutenberg

Codificação está se tornando uma habilidade básica, assim como a invenção da imprensa na Europa do século XV.

Antes da invenção da imprensa, apenas cerca de 10% da população europeia era alfabetizada. Essas pessoas geralmente eram contratadas por nobres analfabetos, para ler e escrever para eles.

Depois, com a imprensa, em 50 anos, o número de livros publicados na Europa ultrapassou toda a produção dos mil anos anteriores, e o preço dos livros caiu cerca de 100 vezes. Com o passar de alguns séculos, o sistema educacional e a economia se ajustaram, e a taxa de alfabetização global subiu para cerca de 70% hoje.

Boris acredita que o impacto da IA na software é uma revolução acelerada da imprensa. Em poucas décadas, o software se democratizará completamente, tornando-se algo acessível a qualquer pessoa.

No final, fazer software será tão natural quanto enviar mensagens de texto.

03 Quais habilidades são mais importantes?

Quando a barreira para escrever código for reduzida ao mínimo com IA, o que realmente diferencia uma pessoa será seu senso de produto, sua compreensão verdadeira de um campo específico.

Por exemplo, duas pessoas precisam criar um produto voltado para médicos. Um é um engenheiro que escreve código rapidamente, outro é alguém que trabalhou na área de informação hospitalar por alguns anos.

Antes, a probabilidade de o engenheiro entregar algo melhor era maior, porque ele conseguia transformar a ideia em realidade.

Agora, qualquer um pode transformar uma ideia em algo funcional. Nesse momento, quem realmente entende do fluxo de trabalho diário do hospital é mais valioso. Porque sabe quais funcionalidades os médicos realmente usam, e quais parecem fazer sentido, mas não são úteis na prática.

Ou seja, após a IA nivelar a barreira de execução, a diferença de julgamento se amplia.

Isso muda diretamente o significado de "generalista".

Antigamente, quando falávamos de um engenheiro generalista, geralmente era alguém que sabia fazer iOS, Web e backend. Essa espécie de generalista ainda era um full-stack dentro da engenharia.

No futuro, o generalista será um full-stack interdisciplinar.

Alguém que entende de produto, design e engenharia ao mesmo tempo. Ou alguém que domina produto, ciência de dados e engenharia. Essas combinações eram quase impossíveis antes, pois cada uma exigia anos de treinamento especializado.

Mas agora, a IA reduz a barreira de execução de cada área, permitindo que uma pessoa atravesse várias disciplinas, mantendo profundidade de especialização.

A equipe do Claude Code funciona assim. Gerentes de engenharia, PMs, designers, cientistas de dados, financeiro, pesquisa de usuário, todos escrevendo código.

Designers podem criar protótipos de interação para mostrar ao time, sem depender apenas de criar imagens para os engenheiros implementarem.

Financeiros podem montar suas próprias ferramentas de análise, rodar modelos financeiros complexos sem precisar esperar pelo BI. Pesquisadores de usuário começam a manipular dados por conta própria, sem depender da equipe de dados.

Cada um mantém sua profundidade de especialização. Mas, com IA, escrever código virou uma linguagem comum a todos.

04 A quebra da barreira do SaaS

Nos últimos anos, algumas verdades do setor de SaaS eram quase consideradas axiomas.

Primeiro, o custo de troca. Uma vez que uma empresa usa seu sistema, ela acumula anos ou até décadas de dados, configurações, campos, relações de permissão.

Migrar para outro sistema, simplesmente transferir esses dados e configurações, já é uma dor de cabeça enorme.

Segundo, o lock-in de fluxo de trabalho. As operações diárias, colaboração entre departamentos, aprovações, tudo gira em torno do SaaS.

Trocar de sistema não é só migrar dados, é recomeçar toda a memória muscular construída ao longo dos anos.

Juntos, esses fatores formaram a maior barreira do SaaS. Mas, com modelos poderosos, a lógica começa a mudar.

No que diz respeito ao custo de troca, antes, migrar de um SaaS para outro levava meses de trabalho para alinhar campos e estruturas de dados.

Hoje, basta passar as APIs e estruturas de dados para o modelo, que ele mesmo faz o mapeamento, encontrando a melhor solução. O que levava meses, agora pode ser feito em poucos dias.

Sobre o lock-in de fluxo de trabalho, a novidade é ainda mais interessante. Antes, o lock-in vinha da complexidade e dependência de processos internos.

Mas modelos como o Opus 4.7 são capazes de entender, dividir e reconstruir processos complexos em novos ambientes. E, às vezes, a versão reconstruída até fica melhor que a original.

Assim, a barreira construída por dados e processos está se dissolvendo.

Para quem trabalha com SaaS, isso pode parecer uma má notícia. Mas, para os clientes e equipes que querem criar a próxima geração de SaaS, é uma oportunidade real.

05 O melhor momento para empreender

Nos próximos 10 anos, as startups que realmente vão revolucionar setores podem ser até 10 vezes mais numerosas do que nos últimos 10 anos.

O motivo é simples.

Pequenas equipes podem criar produtos de nível ou superiores aos das grandes empresas usando IA. Por outro lado, grandes corporações, para realmente adotarem IA, acabam carregando passivos.

Por quê?

Uma empresa com mais de dez anos já desenvolveu processos, funções, rotinas, treinamentos, KPIs. Essas coisas eram ativos, barreiras.

Mas, para integrar IA de verdade, tudo precisa ser refeito: processos precisam ser reestruturados, funcionários treinados novamente, e cada passo enfrenta resistência interna, envolvendo múltiplos departamentos e aprovações.

Por outro lado, uma startup de três pessoas já começa com IA como base padrão. Sem bagagem histórica, sem rotinas enraizadas, sem necessidade de convencer ninguém. Se discutirem hoje, amanhã já têm um demo, e depois de amanhã podem lançar para os usuários.

Essa velocidade é algo que a IA potencializa. Antes, startups já tinham vantagem de velocidade sobre grandes empresas. Mas a IA amplia essa vantagem exponencialmente.

Por quê?

Porque quanto mais forte a IA, maior o impacto que um indivíduo pode gerar em um curto espaço de tempo. Uma equipe pequena que domina IA pode produzir hoje o equivalente ao que dez pessoas produziam antes, e amanhã, o que trinta pessoas produziam.

Por outro lado, a estrutura das grandes empresas não fica mais leve, pelo contrário, ao tentar absorver IA, ela fica mais pesada. Quanto mais forte a IA, maior a diferença de velocidade entre uma equipe ágil e uma organização pesada.

Isso é o que Boris chama de ativos negativos. Não é que as grandes empresas não tenham dinheiro, pessoas ou vontade. É que os músculos que elas construíram para lucrar no passado hoje estão travando a adoção do verdadeiro valor da IA.

06 MCP não vai morrer

MCP não vai morrer.

Depois que Skill virou tendência, muita gente acha que MCP não é mais necessário. O fundador do OpenClaw tem uma opinião parecida.

Mas Boris discorda. Ele acredita que o MCP será a camada de conexão de software na era da IA.

No passado, a conexão de software na internet era feita via API.

Mas o problema das APIs é que elas são feitas para engenheiros. Para usar uma API, é preciso ler documentação, solicitar tokens, escrever código, alinhar campos, tratar exceções. Em resumo, API é feita para desenvolvedores humanos.

O MCP é diferente. Ele permite que o modelo se conecte diretamente, interpretando e usando a API sem precisar de um programador para traduzir.

Por isso, Boris chama a API de Human Developer Interface, e o MCP de Model Interface Protocol. Um é para humanos, o outro para modelos.

Isso é muito parecido com o que aconteceu na era da internet móvel. Antes, todos os serviços eram API-ificados. Agora, na era da IA, todos os serviços serão MCP-ificados.

07 O uso de computador ainda é importante

Muita gente hoje discute se o uso de computador ainda faz sentido.

A justificativa é que consome tokens, é lento, instável. Parece mais um demo de habilidade técnica, longe de algo prático.

Mas Boris enxerga de uma forma diferente.

Ele valoriza que o uso de computador resolve um dos maiores obstáculos na implementação de IA: no mundo real, muitos sistemas não têm API nem MCP.

Especialmente no setor empresarial.

Quem entra numa empresa sabe que muitos sistemas centrais são antigos. ERP, OA, sistemas financeiros, aprovações internas, backend de supply chain, sistemas customizados. Muitos não têm interface aberta, documentação, automação. Estão lá, sendo operados manualmente por funcionários todos os dias.

Por que não fazer uma API para eles?

Porque é difícil. Os fornecedores desses sistemas podem já não existir mais. Os departamentos de TI não têm motivação ou orçamento para refazer tudo.

E os setores de negócio não podem parar por meses ou anos. Esses sistemas nunca vão esperar uma API perfeita para se modernizar.

No curto prazo, os grandes modelos ainda vão focar em melhorar sua capacidade de usar computadores.