A perda de conhecimento produtivo em setores industriais e de defesa é o ponto de partida de um artigo que traça um paralelo com o desenvolvimento de software e alerta para riscos na formação de profissionais em um cenário de maior uso de ferramentas de inteligência artificial. O texto foi publicado em 21 de abril de 2026 por Denis Stetskov e argumenta que, após anos de desindustrialização e concentração de cadeias produtivas no Ocidente, o mesmo padrão de erosão de capacidades humanas pode estar se repetindo na programação, segundo relato baseado em casos da indústria de defesa, dados de pesquisas e experiência do autor com equipes de engenharia na Ucrânia. De acordo com informações do Tech Trenches, a tese central é que dinheiro não recompõe rapidamente competências técnicas quando o conhecimento já se perdeu.
No texto original, o autor cita dificuldades para retomar a produção de mísseis Stinger após anos sem compras pelo Pentágono, além de atrasos na entrega de munições prometidas pela União Europeia à Ucrânia. A argumentação sustenta que gargalos não surgem apenas por falta de recursos financeiros, mas pela aposentadoria de trabalhadores experientes, pela obsolescência de equipamentos e pela dependência de cadeias de suprimento concentradas em poucos fornecedores.
Como o texto relaciona defesa e desenvolvimento de software?
O artigo usa exemplos da indústria militar para defender que capacidades técnicas são construídas ao longo de décadas e não podem ser recompostas em curto prazo. Entre os casos citados estão a retomada da produção do Stinger, a dificuldade europeia para ampliar a fabricação de projéteis de artilharia e o episódio do material classificado conhecido como Fogbank, cujo processo de produção teria se tornado difícil de reproduzir após a saída de pessoal especializado.
Na avaliação do autor, o mesmo padrão aparece no mercado de software quando empresas reduzem a contratação de profissionais iniciantes e passam a depender mais de ferramentas de IA para gerar código. O argumento é que, sem formação contínua de quadros juniores, o setor compromete a reposição de profissionais de nível pleno, sênior e de arquitetura nos anos seguintes.
Quais exemplos concretos são apresentados sobre perda de capacidade produtiva?
Entre os episódios mencionados, o texto afirma que a produção do Stinger precisou recuperar conhecimento antigo, inclusive com apoio de engenheiros mais velhos e uso de esquemas em papel. Também cita que um pedido feito em maio de 2022 teria prazo de entrega até 2026. Segundo o artigo, o problema envolveria componentes fora de linha e conhecimento técnico já não disponível em escala.
Outro exemplo é a promessa da União Europeia, em março de 2023, de entregar um milhão de projéteis de artilharia à Ucrânia em 12 meses. O autor afirma que a capacidade anual europeia era inferior a esse objetivo e que a meta só teria sido atingida em dezembro de 2024, com atraso de nove meses. O texto também menciona interrupções históricas na produção de propelentes e explosivos em países europeus e limitações semelhantes nos Estados Unidos.
- Retomada lenta da produção de mísseis Stinger
- Meta europeia de munições entregue com atraso
- Dependência de poucos fornecedores na cadeia de defesa
- Perda de especialistas por aposentadoria ou saída do setor
O que o artigo diz sobre o chamado conhecimento tácito?
Um dos pontos centrais do texto é que parte relevante do saber técnico não está integralmente registrada em documentos. O autor recorre ao caso do Fogbank para ilustrar a ideia de que processos industriais podem depender de detalhes conhecidos apenas por trabalhadores que participaram da produção original. Quando essas pessoas deixam o setor, a reconstituição do processo pode exigir anos de engenharia reversa e custos adicionais.
Com base nessa comparação, o artigo sustenta que o desenvolvimento de software também depende de aprendizado acumulado no trabalho, revisão por pares, contexto de produto e capacidade de julgamento. Nessa leitura, o uso intensivo de IA para acelerar a produção de código não elimina a necessidade de formação humana e pode, se mal administrado, reduzir o espaço de aprendizagem prática para novos profissionais.
Quais dados o autor usa para sustentar o alerta sobre IA e contratações?
O texto reúne referências a empresas e pesquisas para afirmar que o mercado de software já passa por uma fase de otimização semelhante à observada na indústria. Entre os exemplos, menciona declaração da Salesforce de que não pretende contratar mais engenheiros de software em 2025, uma pesquisa da LeadDev segundo a qual 54% das lideranças de engenharia acreditam que copilotos de IA reduzirão a contratação de juniores no longo prazo, e um levantamento da CRA indicando queda nas matrículas de departamentos universitários de computação.
O autor também cita um ensaio controlado e randomizado da METR segundo o qual desenvolvedores experientes usando ferramentas de IA levaram 19% mais tempo em tarefas reais de código aberto. Antes do teste, esses profissionais estimavam que seriam 24% mais rápidos, diferença que o texto resume como um descompasso entre expectativa e resultado. Na experiência relatada pelo autor, a revisão de código teria se tornado o principal gargalo, já que a IA gera trechos rapidamente, mas a verificação humana continua mais lenta.
Ao final, o artigo defende que documentação, revisão estruturada e critérios mais claros de contexto podem ajudar a mitigar riscos no curto prazo. Ainda assim, a conclusão do texto é que competências técnicas e de julgamento não podem ser reconstruídas de forma imediata, nem por investimento isolado nem por automação. Para o autor, o problema não é apenas tecnológico, mas ligado à continuidade da formação profissional e à preservação de conhecimento humano dentro das organizações.
