Por que reduzir IA no fluxo de código às vezes ganha

Por que este material importa

Este texto reorganiza a transcrição ligada a `menos-ia-no-fluxo-codigo` (tema: menos ia) em leitura operacional — o que muda no produto ou no processo esta semana.

Eu comecei a reduzir a quantidade de AIs que eu uso no meu fluxo de código dia a dia. E o que me fez até começar a pensar e refletir sobre a minha usagem de AIs no meu fluxo de código é esse um livro de pesquisa que saiu que mediu apenas como mais produtivos são os desenvolvedores que usam essas ferramentas de código de AIs. Eu achei que era um papel muito interessante que me fez refletir sobre meus hábitos de codificação com AI, então talvez tenha algo útil aqui que você possa começar a refletir sobre sua usagem de AI no seu fluxo de codificação dia a dia.

A abertura do material deixa a restrição explícita: Eu comecei a reduzir a quantidade de AIs que eu uso no meu fluxo de código dia a dia. E o que me fez até começar a pensar e refletir sobre a minha usagem de AIs no meu fluxo de código é esse um livro de pesquisa que saiu que mediu apenas como mais produtivos são os desenvolvedores que usam essas ferramentas de código de AIs. Eu achei que era um papel muito interessante que me fez refletir sobre meus hábitos de codificação com AI, então talvez tenha algo útil aqui que você possa começar a refletir sobre sua usagem de AI no seu fluxo de codificação dia a dia.

Contexto real do problema

O ponto de partida não é teoria genérica — é uma restrição concreta: Então, neste vídeo, eu vou fazer uma resumão rápida sobre o que o papel de pesquisa disse e quais são as minhas reflexões e pensamentos sobre o papel e como eu ajustei meu fluxo de codificação de AI dia a dia. Mas antes de entrar nessa parte do vídeo, vamos dar uma breve pausa e ouvir uma mensagem do sponsor deste vídeo. E enquanto eu estou começando a usar menos AI em uma base de codificação dia a dia, uma parte do meu meu processo de dev que eu estou aumentando o uso de é o processo de reportagem e triagem de bug.

Desdobrando o mecanismo sem teatro: Se você é um desenvolvedor assistindo a isso, você provavelmente esbem acostumado com o seguinte cenário de oh, alguém reporta um bug em uma peça de software que você construiu e então você pergunta a eles, ok, quais são os passos de reprodução para criar esse bug novamente? E eles dizem, hum, eu não sei, deixe-me ver.

Se você não consegue resumir a restrição em uma frase, ainda não extraiu o problema — só a vibe do vídeo.

O que muda na prática

A mudança útil não é 'usar a ferramenta X'. É alterar o fluxo: E então, leva muito tempo descobrir como reproduzir o bug e às vezes é apenas um bug que um usuário vê que você não sempre vai conseguir reproduzir consistentemente e então o ciclo se repetirá por horas. E eu aposto que alguns de vocês estão ativamente em uma dessas sessões de debugagem agora e você esrealmente tentando... e se fascinasse assistindo esse vídeo no YouTube.

Traduza para o seu time com evidência do próprio cenário mostrado: Sim, desculpe, não quis te dizer isso. Mas agora há uma ferramenta chamada Jam.dev que automaticamente captura todos os detalhes de reprodução do bug, incluindo requerimentos de rede, logos de console, detalhes de OS, para que quando alguém captura um bug, você tenha todos os detalhes necessários para reproduzir o bug sem ter que passar por esse perigo de procurar e descobrir...

Checklist curto: 1) Dono da decisão. 2) Métrica de 7 dias. 3) Rollback se piorar. 4) Doc de uma página no repo.

Armadilhas e falsas vitórias

O material também mostra (às vezes sem nomear) onde o time se engana: É muito simples de usar, tudo que você precisa fazer é, quando você se torna um bug específico, você clica na extensão de Chrome do Jam e ele captura um replay instantâneo de tudo o que aconteceu para ativar essa bug e a AI automaticamente pega toda a informação e escreve um reporte de bug muito detalhado para que você possa descobrir imediatamente o que esquebrado e você pode reproduzir a errada sozinho. Ou você pode pastar o Jam em seu agente de código para que ele veja exatamente o que você vê sem imprimir por horas, apenas conectando usando o MCP do Jam.

Falsas vitórias comuns: demo bonita sem dados, integração 'pronta' sem observabilidade, e automação que esconde erro em vez de surfacing.

Para `menos-ia-no-fluxo-codigo`, a pergunta de corte é: o usuário consegue completar a tarefa sem você na call? Se não, ainda é protótipo.

Plano para a próxima semana

Se travar, volte ao trecho-âncora: E o que me fez até começar a pensar e refletir sobre a minha usagem de AIs no meu fluxo de código é esse um livro de pesquisa que saiu que mediu apenas como mais produtivos são os desenvolvedores que usam essas ferramentas de código de AIs. Eu achei que era um papel muito interessante que me fez refletir sobre meus hábitos de codificação com AI, então talvez tenha algo útil aqui que você possa começar a refletir sobre sua usagem de AI no seu fluxo de codificação dia a dia.

Internalize com links vivos do ecossistema CrazyStack: /blog, /curso-cursor-avancado-configuracoes-pro, /curso-claude-code-9-dicas-profissionais, /programa-crazystack e /checklist-independencia-cursor.

Detalhes do material de origem

Trechos reorganizados do material (leitura operacional): Eu achei que era um papel muito interessante que me fez refletir sobre meus hábitos de codificação com AI, então talvez tenha algo útil aqui que você possa começar a refletir sobre sua usagem de AI no seu fluxo de codificação dia a dia. Então, neste vídeo, eu vou fazer uma resumão rápida sobre o que o papel de pesquisa disse e quais são as minhas reflexões e pensamentos sobre o papel e como eu ajustei meu fluxo de codificação de AI dia a dia. Mas antes de entrar nessa parte do vídeo, vamos dar uma breve pausa e ouvir uma mensagem do sponsor deste vídeo.

Implicações para produto e engenharia: E enquanto eu estou começando a usar menos AI em uma base de codificação dia a dia, uma parte do meu meu processo de dev que eu estou aumentando o uso de é o processo de reportagem e triagem de bug. Se você é um desenvolvedor assistindo a isso, você provavelmente esbem acostumado com o seguinte cenário de oh, alguém reporta um bug em uma peça de software que você construiu e então você pergunta a eles, ok, quais são os passos de reprodução para criar esse bug novamente? E eles dizem, hum, eu não sei, deixe-me ver.

O que levar para a próxima sprint: E eu aposto que alguns de vocês estão ativamente em uma dessas sessões de debugagem agora e você esrealmente tentando... e se fascinasse assistindo esse vídeo no YouTube. Sim, desculpe, não quis te dizer isso.

Mais evidência do áudio original, sem inventar cena: Pare de gastar tempo coletando detalhes de reprodução e comece a usar o Jam e acelerar o processo de triagem e reportagem de bug. Como eu mencionei no começo deste vídeo, houve um artigo de pesquisa que tentou medir o quanto mais produtivos são os desenvolvedores quando usam esses recursos de codificação de AI. Eu incluirei um link para o artigo de pesquisa na descrição deste vídeo porque eu provavelmente vou botar muitos detalhes, mas me guardem, não me queimem muito nos comentários porque o ponto de vista de todo isso...

Último bloco de evidência do transcript: vídeo não é realmente para entrar nos detalhes de quão cientificamente rigorosos este estudo real era, mas é mais ou menos algo para te fazer pensar sobre a sua usagem de código de AI dia a dia, ok? A montagem de experimentos deste artigo de pesquisa foi bastante simples, eles basicamente tiveram um grupo de desenvolvedores de open source, de pessoas que ativamente contribuem a produtos de open source, então desenvolvedores bastante experientes é o que eles estão tentando conseguir e eles essencialmente separaram esse grupo de pessoas em dois bucketes separados, algumas pessoas que podem resolver um bug usando as ferramentas de código de AI e depois outro grupo de… Eu acho que há um grande descanso em termos de quão bem eles se sentem e quão produtivos eles se sentem em termos de resolver o bug, em vez do tempo que eles realmente gastaram para resolver esse bug.

Quando a transcrição é densa, o ganho editorial está em transformar a restrição em checklist e critério de corte — sem inventar fatos ausentes do áudio.