Se IA escreve código, por que estudar Ciência da Computação?

Por Silvio Meira*

Em março de 2026, um gráfico da Anthropic fez uma pergunta incômoda à educação superior. Entre as ocupações examinadas, programadores apareciam no topo da cobertura observada por IA: 75% das tarefas. Deu para ouvir, quase, o veredito: se máquinas escrevem código, a graduação em Ciência da Computação está com os dias contados.

Não está.

O número da Anthropic não significa que 75% do trabalho dos programadores já seja realizado por IA. Significa que IA tem capacidade demonstrada e uso observado em tarefas que representam cerca de 75% das atividades dessa ocupação. Há uma diferença fundamental entre executar tarefas de programação e conceber, desenvolver, integrar e manter sistemas complexos, seguros e confiáveis, dos quais dependem empresas, mercados e serviços essenciais. O dado revela a profundidade da transformação do trabalho, não a obsolescência do conhecimento para fazê-lo.

Há uma diferença radical entre gerar um trecho de código e construir um sistema que atende milhões de pessoas, move dinheiro, protege dados ou mantém um hospital funcionando. No segundo, código é apenas a face visível de uma arquitetura de algoritmos, estruturas de dados, redes, sistemas distribuídos, interfaces, segurança, desempenho, custos e escolhas humanas. Quanto mais fácil gerar instruções, mais importante saber quais devem existir, como se relacionam e o que acontece quando falham.

E há muito código complexo a escrever: novos algoritmos, componentes críticos, protocolos, sistemas de alto desempenho. A formação em fundamentos da computação permite conceber e implementar soluções melhores, inclusive com IA, porque ensina a entender limites, provar propriedades e investigar alternativas, não apenas a aceitar a primeira resposta plausível.

Os experimentos dão uma pista. Três estudos de campo com 4.867 desenvolvedores, publicados em Management Science, registraram cerca de 26% mais tarefas concluídas com assistentes de programação. Em outro estudo, de METR, profissionais experientes, em projetos que conheciam bem, ficaram 19% mais lentos com ferramentas de IA disponíveis. Os resultados não se anulam: tarefas, ferramentas e contextos diferem. Produtividade e qualidade não sai automaticamente de um prompt.

A profissão de coder não está deixando de escrever código. Está passando, em parte crescente do trabalho, de escrever para descrever: o problema, as restrições, os invariantes, as interfaces, as ameaças, os critérios de qualidade e performance. Quando a descrição é pobre, IA pode entregar depressa uma solução convincente (e errada) para o problema errado. Quando é sofisticada, o poder computacional disponível ganha direção, sentido e impacto, sem efeitos colaterais indesejados.

Em As Três Inteligências, Revisitadas (leia no link https://rb.gy/3vpz8i), propomos quatro papéis para esse novo trabalho: designer de problemas, que transforma necessidades vagas em questões tratáveis; orquestrador de agentes, que divide tarefas e coordena pessoas e sistemas; avaliador crítico, que testa, confronta e rejeita respostas frágeis; e integrador de sentido, que converte resultados em decisões com consequências e responsabilidade. Nenhum desses papéis nasce da familiaridade com ferramentas digitais. Exigem lógica, algoritmos, matemática, abstração, engenharia de software, contexto e inteligência social. E saber programar.

Por isso, um curso de programação, embora útil, não equivale a uma graduação sólida em Ciência da Computação. Saber produzir código importa. Saber conceber, analisar, verificar e evoluir sistemas complexos é outra escala de competência. Quanto mais IA avança, mais precisamos ensinar a pensar de modo independente para trabalhar melhor com ela. Sem isso, supervisão vira aceitação automática.

Nas universidades, não basta preservar currículos e acrescentar uma disciplina de IA. É preciso fazer estudantes construírem, testarem, quebrarem e reconstruírem sistemas em times, diante de problemas difíceis e reais. Em Pernambuco, a CESAR School, no Porto Digital, o CIn da UFPE e outras boas instituições têm as condições para responder a esse desafio. A qualidade não se mede pelo domínio da ferramenta da vez, mas pela capacidade de compreender a próxima, criticá-la e ir além.

A pergunta a pais, professores e candidatos ao vestibular não é se IA escreverá mais código. Escreverá. É quem terá conhecimento e habilidades para decidir que código merece ser escrito, garantir que funcione e responder pelo que faz no mundo. Esse é o trabalho de quem compreende Ciência da Computação profundamente. E nunca foi apenas digitar.

*Silvio Meira é professor extraordinário da CESAR School e professor emérito do CIn/UFPE