Acabou de acontecer! O cofundador da OpenAI, Karpathy, entra em alvoroço: 'Engenharia de proxy' aumenta a eficiência dos programadores em mais de 10 vezes, a última barreira da humanidade é apenas a estética? 99% do código será reescrito!

Em 29 de abril, o grande nome no campo da IA, Andrej Karpathy, falou algumas verdades numa reunião fechada. Este rapaz foi quem criou o Autopilot da Tesla e tem uma posição de destaque na OpenAI. Ele afirmou claramente que, desde dezembro do ano passado, o fluxo de trabalho centrado em agentes de IA já é realmente utilizável; isto não é um conceito, é um avanço tecnológico substancial. Ele disse que muitas pessoas ainda têm a impressão de que a IA é só o ChatGPT, mas é preciso reavaliar — as coisas já mudaram de forma fundamental.

Karpathy propôs um conceito totalmente novo: 「engenharia de agentes」 (agentic engineering), para distinguir do 「programação de vibe」 (vibe coding), que ele nomeou no ano passado. Este último é uma forma de elevar o limite inferior do desenvolvimento de todos, enquanto o primeiro é uma continuação e aceleração dos padrões de qualidade de software profissional. Ele afirmou que grande parte do código e aplicações existentes, sob a nova paradigma, “não deveriam existir”. E que os processos de recrutamento, ferramentas de desenvolvimento e infraestrutura atuais ainda são feitos para humanos, não para agentes.

A arquitetura computacional de base está passando por uma transferência de poder. Dezembro do ano passado foi um ponto de virada crucial; Karpathy admitiu que, diante dos modelos mais recentes de IA, ele ficou profundamente impressionado — os blocos de código gerados pelo sistema estão cada vez mais perfeitos, e ele já não consegue lembrar quando foi a última vez que modificou algo manualmente. Ele confia cada vez mais no sistema, e nunca se sentiu tão atrasado como programador. Isto não é uma otimização, é uma mudança de paradigma.

Estamos nos despedindo do 「software 1.0 (escrever código)」 e do 「software 2.0 (organizar conjuntos de dados para treinar redes neurais)」, e entrando oficialmente no 「software 3.0」. Nesta nova era, os grandes modelos de linguagem são uma nova forma de computador. Programar virou escrever prompts, e a janela de contexto é a alavanca que você usa para controlar esse interpretador. Karpathy prevê que, no futuro, as redes neurais serão o processo principal, enquanto a CPU se tornará um co-processador. As redes neurais assumirão a maior parte do trabalho pesado. Isso significa que a estratégia de “poder de cálculo inteligente” se consolidará ainda mais.

Tudo precisa ser reescrito. Atualmente, a estrutura da internet, as documentações das bibliotecas ainda são “feitas para humanos”, o que incomoda bastante Karpathy. Ele disse: “Por que ainda me dizem o que fazer? Eu não quero fazer nada. De que texto devo copiar e colar para o meu agente de IA?” O grande futuro está na construção de uma infraestrutura 「prioritariamente de agentes」. O sistema será desmontado em sensores que percebem o mundo e atuadores que transformam o mundo, e as estruturas de dados devem ser projetadas para serem altamente legíveis por grandes modelos de linguagem, com agentes de máquina representando indivíduos e organizações interagindo na nuvem.

Nessa futura altamente automatizada, a escassez central do ser humano voltará a ser a estética, o julgamento e a compreensão empresarial mais profunda. Karpathy citou uma frase que ele repete para si mesmo: “Você pode terceirizar seu pensamento, mas não pode terceirizar sua compreensão.”

Sobre a explosão de produtividade, Karpathy diferencia claramente 「programação de vibe」 e 「engenharia de agentes」. A primeira eleva o limite inferior, a segunda mantém o limite superior da qualidade do software profissional. A engenharia de agentes não é só uma aceleração, ela exige que os desenvolvedores coordenem esses “agentes de IA que são um pouco propensos a erros, têm alguma aleatoriedade, mas são extremamente poderosos”, avançando a toda velocidade sem sacrificar a qualidade. Antes, falava-se muito em “engenheiros 10x”, mas 10x já não é suficiente para descrever a velocidade de avanço. Para ele, os profissionais que se destacam nesse campo têm uma produção que ultrapassa em muito esse valor.

Diante dessa explosão de produtividade, a estrutura organizacional e a lógica de recrutamento das empresas precisam ser reformuladas. Ele recomenda que as empresas abandonem as tradicionais entrevistas de resolução de problemas com algoritmos e passem a avaliar como os candidatos utilizam múltiplos agentes de IA para colaborar na construção de grandes projetos, além de resistir a ataques de outros agentes de IA.

Para empreendedores e investidores, Karpathy oferece uma estrutura prática de avaliação: a verificabilidade. Atualmente, as capacidades da IA apresentam um padrão “serrilhado” muito estranho — os modelos mais avançados hoje podem reconstruir um repositório de 100 mil linhas de código ou encontrar vulnerabilidades zero-day, mas ao mesmo tempo dizem que você deve caminhar 50 metros até uma lavadora de carros. Isso é uma loucura. Essa disparidade ocorre porque os laboratórios de ponta concentram recursos massivos de aprendizagem por reforço em áreas como “matemática” e “código”, onde os resultados são mais fáceis de verificar. Portanto, enquanto estiverem em cenários comerciais com resultados verificáveis, a IA pode mostrar seu enorme potencial. Ainda há muitos ambientes de aprendizagem por reforço verificáveis de alto valor, mas pouco explorados por laboratórios líderes, o que representa uma enorme oportunidade para startups ajustarem e monetizarem esses sistemas.