WIP: Software Engineering Competencies in the Age of AI

Imagine o mundo da engenharia de software como um canteiro de obras enorme e movimentado. Durante décadas, as plantas para treinar novos construtores (estudantes universitários) foram cuidadosamente desenhadas por um grupo de arquitetos rigorosos chamados "órgãos de acreditação". Essas plantas, como as diretrizes SE2014, diziam às escolas exatamente quais ferramentas ensinar: como assentar tijolos, como misturar concreto e como seguir as regras do código de obras.

Mas então, uma nova ferramenta mágica apareceu no canteiro: a Inteligência Artificial (IA). É como um assistente robô que pode projetar paredes instantaneamente ou sugerir a melhor maneira de consertar um vazamento. O problema? As plantas antigas não foram atualizadas para incluir este robô. O artigo de Vonderhaar, Towhidnejad e Ochoa argumenta que, se continuarmos treinando construtores usando os mapas antigos, eles se formarão prontos para construir com martelos, apenas para descobrir que a indústria agora opera com construção assistida por robôs.

A Peça Faltante na Caixa de Ferramentas
Os autores analisaram os relatórios e anúncios de emprego mais recentes da indústria e encontraram uma lacuna gritante. Embora o grande guia da indústria, chamado SWEBOK, tenha finalmente admitido que a IA é uma parte "fundamental" do trabalho (uma mudança enorme em relação à sua versão de 2014, que nem sequer a mencionava), os currículos escolares reais e o modelo de competência chamado SWECOM ainda estão presos no passado.

O artigo sugere que as universidades estão atualmente enviando graduados para a "Era de Ouro da IA" sem o equipamento de sobrevivência adequado. É como enviar um marinheiro para a era dos aviões a jato sem ensiná-lo a ler um radar. Os autores não estão dizendo que as habilidades antigas são inúteis, mas sugerem que o treinamento atual está incompleto.

Dois Novos Superpoderes Necessários
Com base em sua revisão do que as empresas estão realmente pedindo, os autores propõem que precisamos adicionar dois novos "superpoderes" ao manual de treinamento do engenheiro de software. Eles não estão apenas sugerindo ideias aleatórias; eles as estão extraindo diretamente do que a literatura diz que a indústria precisa agora.

1. Letramento em IA (A Habilidade de "Sussurrar para o Robô"):
   Não se trata de construir o robô; trata-se de saber como falar com ele. O artigo sugere que, mesmo que o estudante esteja apenas escrevendo código normal, ele precisa saber como usar ferramentas de IA, como os Modelos de Linguagem de Grande Escala (LLMs), de forma eficaz.

• Como é: É como aprender "engenharia de prompt" — a arte de fazer as perguntas certas ao robô para obter uma boa resposta.
• A Pegadinha: Os autores observam que, se você usar essas ferramentas sem treinamento, poderá, na verdade, trabalhar mais devagar. Você também precisa saber como verificar o trabalho do robô em busca de "alucinações" (quando o robô inventa coisas) e viés. Trata-se de ser um editor inteligente, não apenas um usuário passivo.

2. Desenvolvimento de IA (A Habilidade de "Construir o Robô"):
   Isso é para os estudantes que desejam construir os próprios sistemas de IA. O artigo sugere que este é um esforço muito mais pesado. Não se trata apenas de saber um pouco de matemática; requer um conjunto de ferramentas completamente novo.

• Como é: Isso inclui aprender a limpar dados bagunçados (como organizar uma garagem caótica antes de construir um carro), entender como treinar modelos e saber como testá-los.
• A Reviravolta: Os autores apontam que construir IA é diferente de construir software normal. Você não pode simplesmente planejar tudo no início, porque a IA pode mudar de ideia conforme aprende. Isso requer um tipo diferente de teste e um foco em ética que o software tradicional nem sempre exigia.

O Que Este Artigo NÃO Está Dizendo
É importante saber o que este artigo não afirma. Os autores não estão dizendo que todo engenheiro de software precisa ser um mestre cientista de dados. Eles não estão dizendo que a antiga forma de construir software morreu. Eles também não afirmam que as universidades já resolveram este problema. Na verdade, eles declaram explicitamente que este é um artigo "Em Progresso" (WIP - Work-In-Progress).

Eles não estão apresentando um quebra-cabeça terminado e resolvido. Em vez disso, estão segurando um espelho e dizendo: "Ei, olhe para este buraco em nosso plano de treinamento". Eles sugerem que as diretrizes atuais (como a SE2014) estão desatualizadas porque não mencionam a IA, e argumentam que o modelo de competência (SWECOM) precisa ser atualizado para incluir essas novas habilidades.

Os Próximos Passos
Os autores estão essencialmente dizendo: "Identificamos a lacuna e aqui está uma lista sugerida de habilidades para preenchê-la". Eles sugerem que adicionemos essas duas novas áreas — Letramento em IA e Desenvolvimento de IA — à lista oficial do que um engenheiro de software deve saber.

No entanto, eles admitem que há grandes obstáculos pela frente. Eles observam que a IA muda incrivelmente rápido, então manter o currículo atualizado será uma corrida constante. Eles também temem que algumas escolas possam não ter professores que saibam o suficiente sobre IA para ensiná-la, e que adicionar esses novos tópicos possa excluir outros assuntos importantes.

Portanto, o artigo não oferece uma varinha mágica que resolve tudo hoje. Em vez disso, oferece um roteiro. Eles sugerem que, para sobreviver na força de trabalho moderna, a próxima geração de engenheiros de software precisa ser fluente tanto nas velhas formas de construir quanto nas novas formas de colaborar com a IA. Os autores propõem que atualizemos o livro de regras para garantir que esses estudantes estejam prontos para o trabalho que realmente existe, não para o trabalho que existia há dez anos.