Neste conteúdo, vamos analisar um padrão descrito em orchidfiles.com: o uso de IA como intermediário nas respostas humanas, onde o conteúdo gerado é repassado sem revisão crítica. O padrão tem implicações práticas para times de engenharia que dependem de trocas técnicas em fóruns, code reviews e chamados de suporte.
O que o post documenta
O autor descreve três situações concretas.
Na primeira, ao buscar ajuda sobre repositórios maliciosos no GitHub, encontrou a mesma resposta de IA copiada verbatim em múltiplas discussões do problema. Nenhum dos participantes aparentemente havia lido o que estava postando.
Na segunda, um cliente respondeu perguntas técnicas enviando prints de ChatGPT com informações sem relação com a questão original. O comportamento se repetiu na mesma conversa, sem revisão do conteúdo.
Na terceira, o autor trocou várias mensagens no Reddit antes de perceber que estava interagindo com um agente de IA.
O texto resume o padrão assim:
"I'm tired of talking to AI. I want to talk to real people. But even when I talk to people, they forward my questions to AI and send me the AI's answer."
— orchidfiles.com
Ou seja, a questão central não é o uso de IA em si, mas a ausência de revisão crítica antes de repassar o output.
Por que isso importa em contextos técnicos
Em ambientes de engenharia, as trocas técnicas têm peso diferente de uma conversa informal. Uma resposta incorreta em um fórum interno pode influenciar decisões de arquitetura. Uma resposta não revisada em um chamado de suporte pode gerar horas de debugging em cima de uma premissa errada. Uma resposta copiada em um code review pode passar por múltiplos reviewers sem que ninguém questione a origem.
O problema se amplifica porque o output de IA frequentemente tem a aparência de texto bem formulado. A qualidade superficial da escrita não é um sinal de correção técnica, mas pode ser lida como tal por quem recebe a resposta.
O que times de engenharia podem estabelecer
A questão não é proibir o uso de ferramentas de IA, mas estabelecer normas de revisão antes de repassar outputs.
Algumas práticas que fazem sentido considerar:
- Revisar o conteúdo gerado antes de compartilhar, especialmente em canais técnicos onde a resposta pode influenciar decisões
- Indicar quando uma resposta foi gerada ou assistida por IA, para que o receptor possa calibrar o nível de confiança adequado
- Tratar outputs de IA como rascunhos que precisam de revisão, não como respostas prontas para envio
Essas normas não precisam ser formais ou burocráticas. Uma conversa de alinhamento no time sobre como usar ferramentas de IA nas trocas técnicas pode ser suficiente para mudar o padrão.
Devemos analisar em quais canais esse padrão já aparece nas nossas interações: fóruns internos, code reviews, chamados, conversas com clientes. O quanto o time já está ciente disso e o que faz sentido ajustar?
Fonte: I'm Tired of Talking to AI
Top comments (0)