Crónicas

O programador que sabe código e o programador que sabe pensar

Spread the love







FC-CHRONIC-NEWS · CRÓNICA · TECNOLOGIA · CONHECIMENTO

O programador que sabe código e o programador que sabe pensar

Porque a excelência em software começa muito antes da primeira linha de código

Francisco Gonçalves · FC-Chronic-News · 11 de Outubro de 2026

CONTEXTO

O Future of Jobs Report 2025, do World Economic Forum, oferece um dado revelador:
entre as competências nucleares indicadas pelos empregadores, o pensamento analítico surge com 69%,
o pensamento criativo com 57% e o pensamento sistémico com 42%. A programação aparece com 17%.
A leitura não é que programar deixou de ser importante; é precisamente a inversa: num mundo saturado
de ferramentas, cresce o valor de quem sabe pensar, enquadrar, decidir e transformar conhecimento em solução.
[3]

Ser um excelente programador nunca foi saber escrever muito código. E muito menos memorizar linguagens,
frameworks, bibliotecas, APIs ou plataformas tecnológicas como quem colecciona peças numa montra.
Tudo isso é necessário em determinados momentos. Nada disso, por si só, cria um grande programador.

A linguagem é uma ferramenta. O compilador é uma ferramenta. A framework é uma ferramenta.
A cloud, o sistema operativo, a base de dados e agora a inteligência artificial são ferramentas.
A profissão começa num ponto anterior a todas elas: compreender um problema suficientemente bem
para imaginar uma solução que ainda não existe.

O programador comum aprende a utilizar ferramentas. O grande programador aprende a ver problemas.
O extraordinário consegue ver soluções onde os outros ainda só conseguem ver o problema.

Código é ferramenta, não é pensamento

Há uma ideia persistente, sobretudo quando se observa a profissão de fora, de que o melhor programador
é aquele que domina mais linguagens. Como se conhecer C++, Java, Python, Rust, JavaScript, Go e meia dúzia
de frameworks produzisse automaticamente capacidade de engenharia. Não produz.
Pode produzir velocidade de execução, fluência sintáctica e até código tecnicamente elegante.
Mas um programa pode estar impecavelmente escrito e resolver magnificamente o problema errado.

Frederick Brooks explicou, ainda em 1987, que a dificuldade essencial do software não desaparece com uma
nova ferramenta ou uma nova linguagem. A complexidade fundamental está na própria construção conceptual
do sistema: perceber o domínio, representar as relações certas, distinguir o essencial do acessório e tomar
decisões que sobrevivam ao contacto com a realidade.
[2]

É exactamente por isso que a primeira competência de um bom programador não é escrever uma função.
É formular perguntas. O que pretende realmente o cliente? Qual é a causa e qual é apenas o sintoma?
Que restrições existem? Onde estão os estados impossíveis? Que dependências podem falhar? Qual é o custo
de estar errado? Que parte do problema deve ser automatizada e que parte deve continuar entregue a uma pessoa?

Antes do algoritmo vem o mundo

Um programador não trabalha verdadeiramente sobre código. Trabalha sobre representações do mundo.
Quando cria software hospitalar, aproxima-se da medicina, da fisiologia, da privacidade e da ética.
Quando trabalha em cibersegurança, precisa de compreender redes, criptografia, mas também comportamento humano,
engenharia social e incentivos. Num sistema financeiro, economia, risco e estatística deixam de ser conhecimentos
periféricos. Na indústria, entram física, automação, sensores, tolerâncias e processos reais.

Até a experiência do utilizador exige mais do que desenho de ecrãs: exige psicologia cognitiva, percepção,
atenção, memória de trabalho e compreensão do erro humano. E quando entramos na inteligência artificial,
as fronteiras tornam-se ainda mais porosas: matemática, estatística, linguística, epistemologia,
neurociência, filosofia da mente e ética começam a conversar com o software.

Jeannette Wing popularizou o conceito de computational thinking precisamente como uma forma de pensar
baseada em abstracção, decomposição, representação, prevenção, recuperação e raciocínio algorítmico — uma atitude
intelectual que ultrapassa largamente a escrita de programas.
[1]

Quanto mais áreas um programador consegue compreender, maior é o espaço de soluções que consegue imaginar.

A universidade dá fundamentos; a maturidade não vem num diploma

Uma boa universidade pode ensinar matemática, algoritmos, estruturas de dados, arquitectura, sistemas operativos,
redes, bases de dados, engenharia de software e método científico. Tudo isto é precioso. O erro está em confundir
a conclusão de um currículo com a formação de um solucionador de problemas maduro.

Há competências que não se transferem integralmente numa sala de aula porque dependem de exposição continuada
ao imprevisto: clientes que não sabem explicar o que precisam; sistemas antigos que ninguém documentou;
limitações orçamentais; requisitos contraditórios; falhas em produção; escolhas que parecem óptimas hoje e
desastrosas dois anos depois. Cinco anos de experiência podem produzir um profissional excelente, naturalmente,
mas o calendário, sozinho, não fabrica profundidade. Experiência não é tempo decorrido; é problemas
enfrentados, erros compreendidos e modelos mentais corrigidos.

Com os anos forma-se aquilo a que chamamos intuição técnica. O engenheiro experiente olha para uma arquitectura
e sente que algo não está certo antes de conseguir demonstrar formalmente onde está a falha. Não é misticismo:
é reconhecimento de padrões comprimido por milhares de decisões anteriores. A experiência transforma memória
episódica em heurística.

A IA acaba de tornar esta diferença brutalmente visível

Durante décadas, escrever código era também o gargalo material da profissão. Era necessário traduzir cada ideia
para sintaxe, linha após linha. A inteligência artificial começou a reduzir esse custo. Já consegue gerar
funções, testes, documentação, consultas SQL, interfaces, transformações de dados e estruturas inteiras de
aplicações em segundos.

A consequência não é que o programador deixe de ser necessário. É que o valor se desloca da produção
mecânica de código para a qualidade do raciocínio que o antecede e para a capacidade de validar o que foi produzido.

A investigação recente em engenharia de software descreve precisamente esta transição: mais desenho,
coordenação, avaliação, segurança e responsabilidade humana num ambiente de desenvolvimento aumentado por IA.
[4]

Um estudo publicado na Science em 2026, analisando mais de 30 milhões de commits, estimou que
a IA já escrevia cerca de 29% das funções Python nos Estados Unidos. Mais interessante ainda: os ganhos de
produtividade apareceram sobretudo entre programadores experientes; entre profissionais em início de carreira,
o estudo não encontrou benefício significativo equivalente.
[5]

Isto é quase uma demonstração experimental daquilo que durante anos foi apenas intuição profissional.
Uma ferramenta poderosa amplifica quem já possui modelos mentais sólidos. Quem sabe arquitectura, conhece o
domínio e detecta incoerências utiliza a IA como multiplicador. Quem não compreende profundamente o problema
pode apenas passar a produzir erros — agora a uma velocidade extraordinária.

BOX DE FACTOS

  • 69% dos empregadores inquiridos pelo World Economic Forum consideravam o pensamento analítico uma competência nuclear em 2025; programação: 17%. [3]
  • A literatura recente da ACM sobre engenharia de software na era da IA sublinha que a complexidade conceptual e humana continua central. [4]
  • Um estudo publicado na Science em 2026 encontrou ganhos associados ao uso de IA sobretudo entre programadores mais experientes. [5]
  • Estudos de produtividade mostram ganhos elevados em tarefas como documentação e geração de código, mas ganhos muito menores em tarefas de elevada complexidade. [6]

O programador do futuro será cada vez menos apenas programador

É aqui que a profissão se torna extraordinariamente interessante. O programador do futuro terá de ser,
cada vez mais, arquitecto de sistemas, investigador, analista do domínio, crítico de modelos, avaliador de riscos,
mediador entre pessoas e máquinas e, em muitos projectos, uma espécie de tradutor entre diferentes campos do saber.

Não precisa de ser médico para construir software médico, nem neurocientista para desenvolver sistemas de
interacção inteligente. Precisa, porém, de ter curiosidade suficiente para entrar nesses territórios sem medo,
aprender a sua linguagem, compreender os seus mecanismos essenciais e conversar competentemente com quem sabe
mais do domínio.

Essa curiosidade transversal é talvez uma das competências mais difíceis de ensinar — porque nasce também de
uma disposição perante o mundo. Há quem veja apenas o ticket no sistema de tarefas. Outros perguntam porque
existe aquele ticket, que processo o produziu, que pessoa sofre com ele e se não haverá uma forma inteiramente
diferente de resolver o problema.

A IA poderá escrever as dez mil linhas de código.
O engenheiro terá de descobrir quais são as dez mil linhas que vale a pena escrever.

No final, a excelência nunca esteve na quantidade de sintaxe armazenada na cabeça. Esteve na qualidade dos
modelos mentais. Na capacidade de abstrair sem perder a realidade. De simplificar sem ser simplista.
De combinar conhecimentos que aparentemente não tinham relação. De antecipar o que pode correr mal.
E de construir uma solução que, depois de pronta, pareça tão natural que todos se perguntem porque não existia antes.

É isso que separa o codificador do engenheiro. E é também por isso que, paradoxalmente, quanto melhor a inteligência
artificial aprender a programar, mais importante se tornará saber pensar.

Nota Editorial

Esta crónica é um texto de opinião sobre competência profissional em engenharia de software. A afirmação de
que a excelência “não se ensina numa universidade” deve ser entendida como uma distinção entre fundamentos
transmissíveis por formação académica e julgamento profissional construído através de experiência, exposição
interdisciplinar e resolução continuada de problemas. Não desvaloriza a formação superior, cuja importância
para matemática, ciência da computação e método permanece central.

Do mesmo modo, referências a anos de experiência não constituem um limiar rígido. A qualidade e diversidade
dos problemas enfrentados, a capacidade de aprendizagem, a mentoria e a autonomia intelectual podem acelerar
ou atrasar fortemente o desenvolvimento profissional. A evidência recente sobre IA sugere que ferramentas
generativas podem aumentar produtividade, mas os resultados variam com tarefa, contexto e experiência.
[4]
[5]
[6]

Referências e leitura internacional


  1. Jeannette M. Wing — “Computational Thinking”, Communications of the ACM, 2006

    Texto seminal sobre abstracção, decomposição e pensamento computacional como competência intelectual para além da programação.

  2. Frederick P. Brooks Jr. — “No Silver Bullet: Essence and Accidents of Software Engineering”, IEEE Computer, 1987

    Ensaio clássico sobre a complexidade essencial do software e os limites das soluções puramente instrumentais.

  3. World Economic Forum — The Future of Jobs Report 2025

    Relatório internacional sobre competências: pensamento analítico, criatividade, literacia tecnológica, curiosidade e pensamento sistémico.

  4. ACM Transactions on Software Engineering and Methodology — “Software Engineering by and for Humans in an AI Era”, 2025

    Análise sobre produtividade, experiência do programador e centralidade do factor humano na engenharia de software aumentada por IA.

  5. Science — “Who is using AI to code? Global diffusion and impact of generative AI”, 2026

    Estudo de grande escala sobre adopção de IA na programação e diferenças de impacto entre profissionais experientes e iniciantes.

  6. McKinsey Digital — “Unleashing developer productivity with generative AI”, 2023

    Estudo experimental sobre ganhos de produtividade com IA generativa em documentação, geração, refactorização e tarefas de maior complexidade.

  7. Harvard Business Review — “AI Tools Make Coders More Important, Not Less”, 2025

    Reflexão sobre o valor crescente de programadores capazes de dirigir e avaliar ferramentas automáticas de produção de código.

  8. Business Horizons — “Navigating software development in the ChatGPT and GitHub Copilot era”, 2024

    Revisão sobre a transformação das funções, competências e práticas de desenvolvimento na era dos modelos generativos.

Francisco António dos Santos Gonçalves

Fragmentos do Caos

Coautoria editorial e enquadramento documental: Augustus Veritas — AI Assistant

FC-Chronic-News · canonical · 11-10-2026


🌌 Fragmentos do Caos: Blogue • Ebooks • Carrossel

Francisco Gonçalves, com mais de 40 anos de experiência em software, telecomunicações e cibersegurança, é um defensor da inovação e do impacto da tecnologia na sociedade. Além da sua actuação empresarial, reflecte sobre política, ciência e cidadania, alertando para os riscos da apatia e da desinformação. No seu blog, incentiva a reflexão e a acção num mundo em constante mudança.

Deixe uma resposta

O seu endereço de email não será publicado. Campos obrigatórios marcados com *

Contactos