No Sequoia's AI Ascent 2026, Andrej Karpathy — cofundador da OpenAI, ex-diretor de IA da Tesla e fundador da Eureka Labs — abriu com uma admissão surpreendente: ele nunca se sentiu tão atrasado como programador. Não porque perdeu suas habilidades, mas porque ferramentas de codificação impulsionadas por IA estão mudando o que significa programar mais rápido do que qualquer um consegue acompanhar.
Karpathy apresentou um framework de três fases para entender essa mudança: vibe coding, agentic engineering e Software 3.0. É o modelo mental mais claro que alguém ofereceu sobre para onde o desenvolvimento de software está indo — e quais habilidades importarão mais.
Principais Conclusões
Vibe coding permite que qualquer um construa com prompts. Agentic engineering permite que profissionais construam com agentes de IA mantendo a qualidade. Software 3.0 é quando redes neurais se tornam a própria camada de programação. Estamos atualmente transitando da fase 1 para a fase 2.
O que é Vibe Coding?
Vibe coding é o termo de Karpathy para a fase atual em que qualquer um — técnico ou não — pode construir software descrevendo o que quer em linguagem natural. Você diz a uma IA "construa uma landing page com seção hero, tabela de preços e formulário de inscrição" e ela gera código funcional.
Vibe coding elevou o piso. Um gerente de produto agora pode prototipar um app. Um designer pode construir um site funcional. Um estudante pode criar uma ferramenta que resolve um problema real. A barreira para construir caiu de "anos de experiência em codificação" para "capacidade de descrever o que você quer".
Ferramentas que habilitam vibe coding: Cursor, Bolt, v0, Replit, e em certa medida ChatGPT e Claude com geração de código.
A limitação: Vibe coding produz código que funciona, mas frequentemente com falhas sutis de design. Exemplo de Karpathy: um app gerado por IA que combinava pagamentos do Stripe com contas do Google por endereços de e-mail em vez de IDs de usuário persistentes. O código rodava bem. A arquitetura estava errada. Um desenvolvedor júnior não perceberia. Um desenvolvedor experiente notaria imediatamente.
É isso que Karpathy chama de "jagged intelligence" — a capacidade da IA não é distribuída uniformemente. Modelos se destacam em áreas com dados de treinamento, recompensas e loops de verificação, e falham de forma imprevisível em outras.
O que é Agentic Engineering?
Agentic engineering é a próxima fase — usar agentes de IA para desenvolvimento de qualidade profissional mantendo supervisão humana sobre arquitetura, decisões de design e padrões de qualidade.
Onde vibe coding é "descreva o que você quer e aceite o que a IA entrega", agentic engineering é "use agentes de IA para executar enquanto você dirige, revisa e corrige o curso". O papel humano muda de escrever código para revisar código, de implementar para arquitetar, de codificar para engenhar.
Ferramentas que habilitam agentic engineering: Claude Code, OpenAI Codex, Hermes Agent, e o modo agente do Cursor. Essas ferramentas não só geram código — elas planejam tarefas multistep, executam, testam os resultados e iteram.
| Aspecto | Vibe Coding | Agentic Engineering |
|---|---|---|
| Quem faz | Qualquer um — sem codificação necessária | Desenvolvedores com julgamento de engenharia |
| Papel da IA | Gerar código a partir de descrições | Executar planos multistep autonomamente |
| Papel humano | Descrever o que você quer | Dirigir, revisar, corrigir o curso |
| Qualidade de saída | Funciona, mas pode ter falhas de design | Pronta para produção com supervisão |
| Habilidade chave | Habilidade de prompting | Gosto, julgamento, conhecimento de arquitetura |
| Verificação | "Roda?" | "Está correto, seguro, manutenível?" |
O que é Software 3.0?
O conceito mais importante de Karpathy. Seu framework para a evolução do software:
Software 1.0: Humanos escrevem cada linha de código. Instruções explícitas. Comportamento determinístico. Isso é a programação tradicional.
Software 2.0: Redes neurais aprendem de dados. Em vez de escrever regras, você fornece exemplos e o modelo aprende os padrões. Visão computacional, reconhecimento de fala, sistemas de recomendação. Karpathy cunhou esse termo em 2017.
Software 3.0: Modelos de linguagem grandes se tornam uma camada programável. Em vez de especificar cada instrução, desenvolvedores descrevem objetivos, restrições e contexto. O modelo interpreta e executa. A interface é linguagem natural. O programa é o prompt.
No Software 3.0, o LLM é tanto o runtime quanto a linguagem de programação. Você não escreve código que chama um LLM — o LLM É o código. O prompt É o programa. E o trabalho do desenvolvedor é projetar o prompt, curar o contexto e verificar a saída.
É por isso que context engineering está se tornando a habilidade mais importante em IA. Se o prompt é o programa, o contexto ao redor dele determina o comportamento do programa. Gerenciar esse contexto é a nova forma de engenharia de software.
---📬 Está obtendo valor disso? Publicamos semanalmente sobre as habilidades que importam em IA. Receba no seu e-mail →
---Por que o Gosto Importa Mais que Sintaxe Agora?
A linha mais citável de Karpathy na palestra: "Você pode terceirizar o pensamento. Você não pode terceirizar o entendimento."
Agentes de IA podem escrever código, gerar rascunhos, chamar ferramentas e executar tarefas. Mas eles não podem te dizer se o resultado é bom. Isso requer julgamento — a capacidade de reconhecer quando algo está tecnicamente correto mas arquiteturalmente errado, quando o código roda mas não escala, quando uma funcionalidade funciona mas cria uma vulnerabilidade de segurança.
Karpathy chama isso de "taste". É a capacidade de olhar para a saída gerada por IA e saber se está certo. Não só "compila?" mas "um engenheiro experiente construiria assim?".
A implicação prática: desenvolvedores que entendem os fundamentos profundamente prosperarão. Desenvolvedores que só conhecem codificação superficial lutarão, porque a IA faz codificação superficial melhor que eles. O valor sobe na pilha — de implementação para arquitetura, de sintaxe para julgamento, de escrever código para avaliar código.
O que Significa "Jagged Intelligence"?
É o termo de Karpathy para a distribuição desigual de capacidade da IA. Modelos podem se sair extraordinariamente bem em algumas tarefas enquanto falham inesperadamente em outras. A inteligência não é suave — é irregular.
Insight chave: IA automatiza o que pode ser verificado. Tarefas com loops de feedback claros — o código passa nos testes? a matemática bate? a saída corresponde ao formato esperado? — são onde a IA se destaca. Tarefas que requerem julgamento em situações ambíguas — essa é a arquitetura certa? essa experiência do usuário é intuitiva? essa estratégia faz sentido? — são onde a IA ainda luta.
Para desenvolvedores, isso significa: quanto mais mensurável a saída, mais úteis as ferramentas de IA se tornam. Codificação, testes, análise de dados e criação de conteúdo estruturado são altamente automatizáveis. Design de produto, arquitetura de sistemas e tomada de decisões estratégicas ainda requerem julgamento humano.
Quais Habilidades Você Precisa para Agentic Engineering?
Baseado no framework de Karpathy, as habilidades que mais importam na era do agentic engineering:
1. Entendimento profundo dos fundamentos. Quando a IA melhora, a tentação é aprender menos. Karpathy argumenta o oposto. O entendimento se torna o gargalo. Você precisa de profundidade suficiente para dirigir o sistema, saber o que pedir, o que inspecionar, o que rejeitar.
2. Design de sistemas e arquitetura. IA escreve funções. Você projeta sistemas. Entender como componentes interagem, onde estão os pontos de falha e como construir para escala se torna a habilidade central do desenvolvedor.
3. Verificação e revisão. A capacidade de ler código gerado por IA de forma crítica — não só "funciona?" mas "é a abordagem certa?". Isso requer o mesmo conhecimento profundo que permite escrever código, aplicado de forma diferente.
4. Prompt e context engineering. Se o prompt é o programa, escrever bons prompts é programar. O ICCSSE framework (Identity, Context, Constraints, Steps, Specifics, Examples) se aplica diretamente ao agentic engineering — você está dando ao agente uma especificação clara, como escreveria um design doc para um desenvolvedor humano.
5. Orquestração de ferramentas. Saber qual ferramenta de IA usar para qual tarefa. Claude Code para escrever funcionalidades, Cursor para editar, Hermes Agent para automação, Copilot para sugestões. Os melhores engenheiros combinam múltiplas ferramentas, não dependem de uma só.
Para aprimorar seu prompting em ferramentas de codificação de IA, experimente o free Prompt Optimizer — ele aplica frameworks estruturados a qualquer prompt. E para um guia prático das principais ferramentas de codificação de IA disponíveis agora, veja nossa comparação Claude Code vs Codex.
---📬 Quer mais como isso? Cobrimos as ideias que moldam como profissionais de IA trabalham, semanalmente. Assine grátis →
---Perguntas Frequentes
O vibe coding está morto?
Não. Vibe coding veio para ficar — é o ponto de entrada para não-desenvolvedores construírem software. Agentic engineering é a evolução profissional para quem precisa de saída de qualidade de produção. Ambos coexistem. Pense no vibe coding como esboço e agentic engineering como arquitetura.
Preciso aprender a codificar se a IA escreve código por mim?
Sim, mas de forma diferente. Você não precisa memorizar sintaxe. Precisa entender como software funciona — estruturas de dados, design de sistemas, princípios de segurança, tradeoffs de performance. O conhecimento que permite avaliar se o código gerado por IA está correto e apropriado.
Quando o Software 3.0 será mainstream?
Já está acontecendo em domínios estreitos — assistentes de codificação, geração de conteúdo, análise de dados. Software 3.0 completo (onde a maioria dos aplicativos é nativa de LLM) está a 3-5 anos de distância com base nas trajetórias atuais. A transição será gradual, não repentina.
Qual a diferença entre agentic engineering e usar ChatGPT para codificação?
ChatGPT gera trechos de código em resposta a prompts. Agentic engineering usa agentes autônomos (Claude Code, Codex, Hermes) que planejam tarefas multistep, executam no seu codebase real, testam os resultados e iteram — tudo com intervenção humana mínima. É a diferença entre pedir direções e contratar um motorista.
Divulgação: Alguns links neste artigo são links de afiliados. Recomendamos apenas ferramentas que testamos pessoalmente e usamos regularmente. Veja nossa política de divulgação completa.