DEV Community: Tiago Fernandes de Campos

AI, Fundamentals and the Future of Software Engineering: Reflections from an Engineer

Tiago Fernandes de Campos — Mon, 27 Oct 2025 16:00:48 +0000

I’ve been a software engineer for almost two decades, and in recent years, I’ve seen artificial intelligence not only change the way we program, but also how we think about the very act of building software.

In my experience, the impact of AI has been profound, not only in what I deliver, but in how I think and structure my work.

It has expanded my reasoning, my way of analyzing problems, and even my approach to technical leadership.

I realize that the more I learn to use it with purpose and method, the more I grow as an engineer and a leader.

And every time I hear someone criticize AI, I think: maybe the problem is not in the tool, but in how we are asking the questions.

I’ve learned, inside and outside of work, that half of the answer lies in the right question.

And to ask good questions, you need clarity about what you want to achieve.

That is a lesson that applies both to engineering and to management.

When using well means thinking better

I’ve noticed an interesting pattern: those who use AI consciously, understanding the problem, gathering requirements, defining the scope, and structuring their request with context, evolve at a visibly faster pace.

It’s not just a matter of productivity. It’s technical maturity and clarity of thought.

AI does not replace human reasoning, it expands our capacity to reason.

When used wisely, it provokes better questions, reveals gaps in requirements, and broadens our view of code, design, and business.

When we cultivate an environment that values structure, living documentation, responsible experimentation, and continuous learning, AI stops being a trend and becomes a multiplier of collective intelligence.

From the GPT revolution to the rise of Vibe Coding

Since GPT models became popular, software development has gone through a deep transformation, not only in tools but in mindset.

Suddenly, AI stopped being a distant academic topic and became part of the developer’s daily routine, influencing how we think, code, and deliver.

It was in this context that, in February 2025, Andrej Karpathy introduced the term “Vibe Coding”, describing a new way of creating software through dialogue with language models: the developer expresses intent and the AI translates that intent into code.

The idea is powerful, and when well applied, it accelerates processes, unlocks creativity, and increases clarity of purpose.

But like every good idea, it came with misinformation. Many people began to confuse Vibe Coding with “no longer needing to know how to program”.

What started as an experimental and creative approach turned into cheap marketing: self-proclaimed gurus and course sellers began to announce the “end of developers”, promising “code without code” and “complex projects built with a prompt”.

The problem is not in the concept. It is in the shallow and unfounded way it has been used.

That is not engineering. It is misinformation with modern design.

These narratives ignore the basics: AI does not replace technical knowledge, it enhances it.

When used without fundamentals, AI only amplifies noise.

It generates code quickly, but inconsistently; it delivers results, but without traceability; it speeds up the start, but multiplies problems later.

It is like building a structure on unstable ground. It may look efficient, but there is no foundation to support what comes next.

In practice, what I see is exactly the opposite of what these gurus preach.

Those who use AI with discernment, understanding the problem, contextualizing inputs, validating results, evolve exponentially.

They are professionals who combine curiosity with method, creativity with engineering.

They are not replaced by AI. They are empowered by it.

Vibe Coding, in this sense, is not a mistake.

It is the symptom of a time when technology is evolving faster than the average technical maturity.

And it is up to us, engineers, to put things back in place: to show that AI is a powerful tool, as long as it is used with foundation, context, and technical ethics.

From criticism to the search for foundations

After observing both the shallow use and the real potential of AI in development, I realized I needed to understand which principles can turn this power into method.

It is no longer enough to use AI as occasional support, I want to understand how it can become a structural part of the engineering cycle, without giving up quality, traceability, and the principles that sustain a good software process.

In this search, I began to delve into more solid and foundational concepts of modern software engineering, approaches that bring together classical fundamentals and emerging practices around AI.

Among them, two have proved especially relevant and that I intend to explore in future articles to deepen the topic:

Spec-Driven Development
AI-Driven Development Lifecycle (AI-DLC)

These pillars help translate the use of AI from something empirical and experimental into something truly systemic, predictable, and sustainable, the kind of engineering that builds not only code, but trust.

Continues...

Tiago Fernandes de Campos
Tech Lead and software engineer working at the intersection between AI, engineering fundamentals, and systemic leadership, building bridges between technical thinking and human vision.

IA, fundamentos e o futuro da engenharia de software: reflexões de um engenheiro

Tiago Fernandes de Campos — Mon, 27 Oct 2025 15:17:22 +0000

Sou engenheiro de software há quase duas décadas e, nos últimos anos, tenho visto a inteligência artificial não apenas mudar a forma como programamos, mas também como pensamos sobre o próprio ato de construir software.

Na minha experiência, o impacto da IA tem sido profundo, não só no que entrego, mas em como eu penso e estruturo o trabalho.

Ela expandiu meu raciocínio, minha forma de analisar problemas e até minha abordagem de liderança técnica.

Percebo que, quanto mais aprendo a usá-la com propósito e método, mais avanço como engenheiro e líder.

E, toda vez que ouço alguém criticar a IA, penso: talvez o problema não esteja na ferramenta, mas em como estamos fazendo as perguntas.

Aprendi, dentro e fora do trabalho, que metade da resposta está na pergunta certa.

E para fazer boas perguntas, é preciso clareza sobre o que se quer alcançar.

Essa é uma lição que vale tanto para engenharia quanto para gestão.

Quando usar bem é pensar melhor

Tenho observado um padrão interessante: quem usa a IA de forma consciente, entendendo o problema, levantando requisitos, formalizando o escopo e estruturando o pedido com contexto, evolui num ritmo visivelmente maior.

Não é apenas uma questão de produtividade. É maturidade técnica e clareza de pensamento.

A IA não substitui o raciocínio humano; ela expande nossa capacidade de raciocinar.

Quando usada com sabedoria, provoca perguntas melhores, revela lacunas nos requisitos e amplia nossa visão sobre o código, o design e o negócio.

Quando cultivamos um ambiente que valoriza estrutura, documentação viva, experimentação responsável e aprendizado contínuo, a IA deixa de ser modismo e se torna um multiplicador de inteligência coletiva.

Da revolução dos GPTs ao surgimento do Vibe Coding

Desde que os modelos GPTs se popularizaram, o desenvolvimento de software passou por uma transformação profunda, não apenas nas ferramentas, mas na mentalidade.

De repente, a IA deixou de ser um distante tema acadêmico e passou a fazer parte da rotina do desenvolvedor, influenciando a forma como pensamos, codamos e entregamos.

Foi nesse cenário que, em fevereiro de 2025, Andrej Karpathy apresentou o termo “Vibe Coding”, descrevendo uma nova forma de criar software por meio do diálogo com modelos de linguagem: o desenvolvedor expressa a intenção e a IA traduz essa intenção em código.

A ideia é poderosa, e quando bem aplicada, acelera processos, desbloqueia criatividade e aumenta a clareza de propósito.

Mas como toda boa ideia, vem acompanhada de desinformação, muita gente passou a confundir "Vibe Coding" com “não precisar mais saber programar”.

O que nasceu como uma abordagem experimental e criativa virou marketing barato: gurus sem lastro técnico e vendedores de curso começaram a anunciar o “fim dos desenvolvedores”, prometendo “código sem código” e “projetos complexos feitos com um prompt”.

O problema não está no conceito. Está no uso superficial e sem fundamento que dele se fez.

Isso não é engenharia. É desinformação com design moderno.

Esses discursos ignoram o básico: IA não substitui conhecimento técnico, ela o potencializa.

Quando usada sem fundamentos, a IA apenas amplia o ruído.

Gera código rápido, mas inconsistente; entrega resultados, mas sem rastreabilidade; acelera o início, mas multiplica os problemas depois.

É como construir um prédio em terreno instável, pode até parecer eficiente, mas não há estrutura para sustentar o que vem depois.

Na prática, o que vejo é justamente o oposto do que esses gurus pregam.

Quem usa IA com discernimento, entendendo o problema, contextualizando inputs, validando resultados, evolui exponencialmente.

São profissionais que unem curiosidade a método, criatividade à engenharia.

Eles não são substituídos pela IA. São potencializados por ela.

O Vibe Coding, nesse sentido, não é um erro.

É o sintoma de um tempo em que a tecnologia vem evoluindo mais rápido do que a maturidade técnica média.

E cabe a nós, engenheiros, recolocar as coisas no lugar: mostrar que a IA é uma ferramenta poderosa, desde que usada com fundamento, contexto e ética técnica.

Da crítica à busca por fundamento

Depois de observar tanto o uso raso quanto o potencial real da IA no desenvolvimento, percebi que precisava compreender quais são os referenciais que transformam esse poder em método.

Não basta mais usar a IA como apoio pontual, eu quero entender como ela pode se tornar parte estruturante do ciclo de engenharia, sem abrir mão da qualidade, da rastreabilidade e dos princípios que sustentam um bom processo de software.

Nessa busca, comecei a me aprofundar em conceitos mais sólidos e estruturantes da engenharia de software moderna, abordagens que unem fundamentos clássicos e práticas emergentes em torno da IA.

Entre elas, duas têm se mostrado especialmente relevantes e que pretendo explorar nos próximos artigos para aprofundar o assunto:

Spec-Driven Development
AI-Driven Development Lifecycle (AI-DLC)

Esses pilares ajudam a traduzir o uso da IA de algo empírico e experimental para algo realmente sistêmico, previsível e sustentável — o tipo de engenharia que constrói não apenas código, mas confiança.

Continua...

Tiago Fernandes de Campos
Tech Lead e engenheiro de software que atua na interseção entre IA, fundamentos de engenharia e liderança sistêmica, construindo pontes entre pensamento técnico e visão humana.