☕ Um Café no Bellacosa Mainframe
Gostou do conteúdo? Ajude a manter o café quente, o COBOL compilando e o mainframe acordado. 😄
☕ Pague um café ao Bellacosa

Translate

sábado, 5 de setembro de 2026

IBM Bob Entra no CPD — O Dia em que o Programador COBOL Parou de Pedir Código e Começou a Comandar Agentes

 

Bellacosa Mainframe e o ibm bob chegando no cpd

☕ Um Café no Bellacosa Mainframe

IBM Bob Entra no CPD — O Dia em que o Programador COBOL Parou de Pedir Código e Começou a Comandar Agentes

Ou: por que “eu uso IA para programar” já vale quase o mesmo que dizer “sei usar Google”, como ASK, PLAN e AGENT mudam a engenharia de software, por que um agente merece menos privilégios que um estagiário com RACF SPECIAL e como o COBOL pode ensinar uma lição ao futuro da programação




Prólogo — Bob chegou ao CPD e pediu acesso ao código

Imagine a cena.

São 22h37.

O CPD está silencioso.

O café já foi requentado duas vezes.

No canto da sala existe um programa COBOL chamado:

PAYR001

Ele tem 18 mil linhas.

Foi criado quando alguém ainda dizia:

“Internet? Isso aí não vai pegar.”

Ninguém sabe exatamente tudo o que o programa faz.

O analista que escreveu a primeira versão se aposentou.

O sujeito que conhecia metade das regras de negócio abriu uma pousada em Ubatuba.

O último programador que tentou “modernizar rapidinho” deixou três comentários no fonte:

      * NAO MEXER AQUI
      * NAO SEI PQ FUNCIONA
      * MAS FUNCIONA

Então entra Bob.

Não o operador Bob.

Não o Bob da contabilidade.

IBM Bob, o parceiro de desenvolvimento baseado em inteligência artificial.

Bob olha para PAYR001.

O programador COBOL iniciante olha para Bob.

E comete o primeiro pecado da programação assistida por inteligência artificial:

“Bob, modernize isso.”

Nesse instante, em algum lugar do universo, um sysprog derruba uma caneca de café.

Porque o problema da IA em desenvolvimento de software nunca foi apenas:

Ela consegue escrever código?

A pergunta correta é:

Você sabe o que está autorizando a IA a fazer?

Bem-vindo à próxima etapa da programação.



1. “Eu uso IA para programar” deixou de impressionar

Há alguns anos, colocar no currículo:

Experiência com inteligência artificial aplicada ao desenvolvimento.

podia chamar atenção.

Depois vieram ChatGPT, GitHub Copilot, CodeWhisperer, Claude, Gemini, IBM Bob e uma coleção cada vez maior de ferramentas.

Hoje é comum um desenvolvedor digitar:

crie uma função

e receber uma função.

Depois:

crie os testes

e receber testes.

Depois:

documente

e receber documentação.

Isso continua sendo útil.

Mas deixou de ser extraordinário.

É parecido com escrever no currículo:

“Sei pesquisar no Google.”

Parabéns.

Em 2001 talvez fosse diferencial.

Em 2026 é parte do trabalho.

O que começa a separar profissionais é outra coisa:

o que você consegue fazer com a IA depois que ela deixa de ser uma simples máquina de completar código?





2. O iniciante costuma confundir programação com digitação de programa

Essa confusão já existia muito antes da inteligência artificial.

Veja este COBOL:

       IF WS-SALDO > 0
           MOVE 'ATIVO' TO WS-STATUS
       ELSE
           MOVE 'INATIVO' TO WS-STATUS
       END-IF.

Um iniciante pode aprender essa sintaxe rapidamente.

Isso significa que ele entende o sistema?

Não.

Talvez WS-SALDO represente:

  • saldo contábil;

  • saldo disponível;

  • saldo bloqueado;

  • saldo devedor;

  • posição intraday;

  • um campo legado chamado saldo que na prática representa outra coisa.

O problema empresarial não mora na palavra MOVE.

Ele mora no significado.

Esse é um dos primeiros ensinamentos que o mainframe oferece para a era da IA:

Código é representação. Negócio é contexto.

IA ficou extraordinariamente boa na primeira parte.

A segunda continua sendo muito mais complicada.


3. O código está deixando de ser o gargalo

Durante décadas, escrever software era caro.

Você precisava transformar uma ideia em milhares de instruções.

Então nasceram linguagens de alto nível.

Depois bibliotecas.

Frameworks.

IDEs.

Stack Overflow.

Geradores.

Low-code.

E finalmente grandes modelos de linguagem.

Agora imagine que produzir código fique dez vezes mais rápido.

Excelente.

Mas surge um efeito curioso.

Antes:

REQUISITO
   ↓
ANÁLISE
   ↓
CODIFICAÇÃO     ← lento
   ↓
REVISÃO
   ↓
TESTE
   ↓
HOMOLOGAÇÃO
   ↓
PRODUÇÃO

Depois da IA:

REQUISITO
   ↓
ANÁLISE
   ↓
IA
   ↓
████████████████████
REVISÃO
TESTES
SEGURANÇA
VALIDAÇÃO
████████████████████
   ↓
PRODUÇÃO

Você não eliminou necessariamente o gargalo.

Você mudou o gargalo de lugar.

A própria documentação e comunicação recente em torno do IBM Bob refletem essa mudança de foco: Bob trabalha hoje com modos específicos para perguntar, planejar e executar, além de ferramentas, subagentes, MCP e integrações além da simples geração de texto.

Quanto mais código conseguimos produzir automaticamente, mais importante passa a ser responder:

Isto está correto?

Isto deveria existir?

Isto viola alguma regra?

Isto quebra quem?

Isto pode ir para produção?

A IA acelera a construção.

Mas alguém ainda precisa saber o que merece ser construído.



4. Conheça os três estados mentais: ASK, PLAN e AGENT

Aqui aparece uma das ideias mais educativas do IBM Bob.

Os modos nativos atuais distinguem três comportamentos fundamentais:

ASK
PLAN
AGENT

Não pense nisso apenas como botões de interface.

Pense como três níveis diferentes de relacionamento entre você e um agente.

A documentação do Bob define Ask como apropriado para explicações e análise sem modificações; Plan para investigar e elaborar estratégias antes da implementação; e Agent para tarefas que envolvem modificar código, executar comandos e implementar mudanças.

Isso deveria estar pregado na parede de todo CPD:

ENTENDER
ANTES DE
PLANEJAR

PLANEJAR
ANTES DE
ALTERAR


5. ASK — “Bob, explique essa tranqueira antes que alguém mexa nela”

Imagine que você recebeu:

PAYR001

Você não sabe o que faz.

O comportamento errado seria:

Refatore esse programa.

O comportamento inteligente começa com investigação:

Analise PAYR001.

Identifique:

- arquivos utilizados;
- copybooks;
- chamadas CALL;
- tabelas Db2;
- recursos CICS;
- acessos VSAM;
- códigos de retorno;
- possíveis dependências;
- pontos que parecem representar regras de negócio.

Não modifique nenhum arquivo.

Perceba a última frase:

Não modifique nenhum arquivo.

Essa frase vale ouro.

Estamos usando IA como analista, não como cirurgião.

Ela pode responder:

PAYR001
 |
 +-- COPY EMPREG
 |
 +-- COPY TAXAS
 |
 +-- DB2 EMPLOYEE
 |
 +-- CALL TAXCALC
 |
 +-- VSAM FUNCION
 |
 +-- CICS LINK PAYR020

Agora você começou a construir um mapa.

Esse é o papel ideal do Ask.



6. Easter egg nº 1 — Sherlock Holmes deveria ter trabalhado com legado

Uma grande parte da manutenção de sistemas antigos é investigação.

Você encontra:

       MOVE 17 TO WS-TIPO-CALCULO.

Por quê 17?

Ninguém sabe.

Você pesquisa o programa.

Depois o copybook.

Depois o JCL.

Depois uma tabela.

Depois encontra uma documentação de 1998.

E finalmente descobre:

Tipo 17 = cálculo especial utilizado durante fechamento de fevereiro.

Isso não é programação.

Isso é arqueologia industrial.

Bob pode ser um excelente Watson.

Mas ainda precisamos de Sherlock para perguntar:

“Por que fevereiro?”



7. PLAN — o momento mais importante ocorre antes da primeira alteração

Agora suponha que nossa missão seja mudar uma regra de juros.

Não diga:

Faça.

Peça:

Planeje a alteração necessária para modificar
a regra de juros do produto X.

Antes de qualquer implementação:

1. identifique os módulos afetados;
2. liste dependências;
3. identifique copybooks envolvidos;
4. localize testes existentes;
5. identifique possíveis impactos externos;
6. proponha uma estratégia;
7. liste riscos;
8. defina critérios de aceitação.

Bob pode retornar:

PLANO

1. Modificar CALCJURO.cbl
2. Alterar TAXAS.cpy
3. Revisar tabela DB2 TAXA_JUROS
4. Atualizar teste TC019
5. Executar regressão
6. Validar PAYR001 e PAYR020

O iniciante diz:

“Parece ótimo!”

O veterano grita do fundo do CPD:

“NÃO MEXE NO TAXAS.CPY!”

Por quê?

Porque o veterano sabe que aquele copybook é utilizado por 47 programas.

A IA talvez tenha identificado somente 13.

Ou talvez nem tenha acesso a todos os repositórios.

Esse momento é crucial.

Você responde:

Plano rejeitado parcialmente.

TAXAS.CPY é compartilhado por outros sistemas.

Não alterar o copybook.

Proponha uma solução local mantendo a interface atual.

Pronto.

A inteligência mais importante dessa interação talvez não tenha sido a inteligência artificial.

Foi o julgamento humano.



8. Eis o verdadeiro superpoder do profissional experiente

Muito se fala que IA diminuirá a importância da experiência.

Em sistemas empresariais antigos pode ocorrer justamente o contrário.

Porque um sistema legado é:

código
+
dados
+
procedimentos
+
infraestrutura
+
interfaces
+
regras empresariais
+
exceções
+
história
+
conhecimento tribal

IA pode ler muito código.

Mas talvez não saiba que:

“Esse job nunca deve rodar antes do fechamento da filial argentina.”

Talvez isso não esteja documentado.

Talvez esteja apenas na cabeça de alguém chamado Carlos.

Carlos trabalha ali desde 1994.

Todos chamam aquilo de:

REGRA DO CARLOS

Nenhum compilador conhece.

Nenhum modelo conhece.

Carlos conhece.

Esse tipo de contexto será extremamente valioso.



9. AGENT — agora Bob recebe a caixa de ferramentas

Depois que o plano foi investigado e aprovado, chegamos ao modo Agent.

Aqui as coisas ficam sérias.

Bob pode trabalhar com operações de leitura, edição, execução de comandos e ferramentas conectadas.

A relação passa de:

Humano pergunta
IA responde

para:

Humano define objetivo
      ↓
Agente investiga
      ↓
Agente modifica
      ↓
Agente executa
      ↓
Agente testa
      ↓
Humano revisa

Essa é uma mudança gigantesca.

Porque agora a IA não está apenas falando sobre o sistema.

Ela está fazendo coisas no sistema.



10. Programador, conheça uma palavra importante: autoridade

Considere dois agentes.

Agente A

Pode apenas ler arquivos.

Risco:

baixo

Agente B

Pode:

ler arquivos
editar arquivos
executar shell
chamar APIs
consultar serviços
abrir pull request
alterar configuração

Risco:

hmmmm...

Agora imagine:

Agente C

Pode:

acessar produção
alterar banco
ler secrets
fazer deploy
aprovar merge

O operador do mainframe desmaia.

É exatamente aqui que décadas de experiência em controle de acesso voltam a ficar modernas.


11. RACF encontra inteligência artificial

O mainframeiro olha para essa discussão e pergunta:

“Vocês descobriram autorização agora?”

🤣

No mundo z/OS aprendemos há décadas a perguntar:

QUEM É VOCÊ?
        ↓
O QUE VOCÊ PODE ACESSAR?
        ↓
PODE APENAS LER?
        ↓
PODE ALTERAR?
        ↓
PODE EXECUTAR?
        ↓
QUEM CONCEDEU?
        ↓
EXISTE LOG?

Agora substitua usuário por agente:

QUAL AGENTE?
        ↓
QUAIS FERRAMENTAS?
        ↓
QUAIS ARQUIVOS?
        ↓
QUAIS SERVIDORES MCP?
        ↓
PODE EXECUTAR COMANDOS?
        ↓
PODE ALTERAR REPOSITÓRIO?
        ↓
PODE PUBLICAR?
        ↓
QUEM APROVA?

O futuro da IA empresarial parece surpreendentemente parecido com uma conversa que um administrador RACF teria em 1995.

Easter egg:

Não dê SPECIAL para Bob.

Ele é gente boa.

Mas ninguém merece SPECIAL.


12. Least privilege — trate a IA como trataria qualquer outro ator do sistema

Uma arquitetura saudável poderia permitir:

Bob pode:

[X] ler código
[X] criar branch
[X] alterar branch de trabalho
[X] executar testes
[X] gerar documentação
[X] criar Pull Request

Bob não pode:

[ ] merge direto em main
[ ] acessar senha de produção
[ ] modificar tabela produtiva
[ ] fazer deployment produtivo
[ ] desligar JES2 porque "pareceu uma boa ideia"

Esse modelo é chamado de princípio do menor privilégio.

Não dê uma permissão porque o agente pode eventualmente precisar.

Dê somente aquilo que é necessário para a tarefa atual.


13. Human-in-the-loop — existe um humano entre a ideia e o estrago

Um fluxo simples:

IA propõe
    ↓
HUMANO REVISA
    ↓
IA EXECUTA
    ↓
HUMANO VALIDA

Esse é um modelo conhecido como:

Human in the Loop

O ser humano participa diretamente dos checkpoints.

Depois de ganhar maturidade, certas tarefas podem usar algo semelhante a:

Human on the Loop

O agente executa atividades dentro de limites predeterminados e o humano supervisiona.

Por exemplo:

Bob:
    criar teste             SIM
    rodar teste             SIM
    corrigir branch         SIM
    abrir PR                SIM
    merge em produção       NÃO

Não precisamos escolher entre:

humano faz tudo

e

robô faz tudo.

Existe uma enorme região intermediária.

É ali que provavelmente estará grande parte da engenharia empresarial dos próximos anos.


14. Subagents — quando Bob monta sua própria equipe

Agora nossa história fica ainda mais interessante.

Bob pode utilizar subagents, agentes independentes que executam tarefas focadas em janelas de contexto isoladas e devolvem um resumo ao agente principal. A documentação atual distingue inclusive subagentes explore, orientados à exploração somente-leitura, e general, capazes de usar ferramentas mais amplas. O usuário aprova a criação antes da execução.

Imagine:

                BOB
                 |
     +-----------+-----------+
     |           |           |
  AGENTE      AGENTE      AGENTE
   COBOL        DB2         TESTE
     |           |           |
 PAYR001       SQL       REGRESSÃO

O agente COBOL analisa dependências.

O agente Db2 investiga consultas.

O agente de testes verifica cobertura.

Todos retornam resumos.

Bob junta as peças.

Isso começa a parecer menos com:

“assistente de programação”

e mais com:

“equipe técnica virtual”.


15. Mas subagent não é Pokémon

Existe uma tentação:

Bob, crie 27 agentes.

Não.

Mais agentes não significam automaticamente resultado melhor.

Cada agente:

  • consome contexto;

  • executa ferramentas;

  • pode interpretar algo incorretamente;

  • aumenta custo;

  • aumenta coordenação.

O próprio Bob procura usar subagentes quando o trabalho é realmente autocontido e quando separar o contexto faz sentido, em vez de lançar agentes indiscriminadamente para qualquer leitura simples.

Regra Bellacosa:

Se uma tarefa exige dois minutos, não convoque os Vingadores.


16. MCP — Bob encontrou tomadas no CPD

Outra sigla importante:

MCP

Model Context Protocol.

De forma simplificada, MCP permite que um agente trabalhe com ferramentas e fontes externas através de uma interface padronizada.

Antes:

LLM
 |
 conversa

Depois:

              BOB
               |
              MCP
       +-------+-------+
       |       |       |
      Git     API    Sistema
       |       |       |
      Jira   Docs    Ferramentas

A documentação do Bob apresenta MCP justamente como mecanismo para estender o agente com ferramentas externas e integrações personalizadas.

Essa é uma mudança fundamental.

Porque um chatbot só poderia dizer:

“Você deveria abrir um ticket.”

Um agente conectado talvez possa:

abrir o ticket

A diferença entre conselho e ação é enorme.


17. Bob Shell — quando o polvo sai do editor

Em agosto de 2026, a IBM colocou o agente V2 também no Bob Shell, levando a arquitetura compartilhada do Bob para o terminal. A atualização também trouxe mudanças no Bobalytics, IDE e gerenciamento relacionado a MCP e revisão de edições.

Para um programador isso significa algo importante.

Antes:

IDE
 |
assistente

Agora podemos imaginar:

TERMINAL
   |
 Bob Shell
   |
   +-- build
   +-- test
   +-- git
   +-- scripts
   +-- ferramentas

E quem trabalha com mainframe sabe uma coisa:

quando algo chega ao terminal, começa a entrar no território da automação.


18. O futuro não é prompt engineering

Durante algum tempo todo mundo falava:

PROMPT ENGINEERING

Como se a habilidade definitiva fosse descobrir a frase mágica.

Algo parecido com:

“Escreva um programa extraordinário, pense passo a passo, seja genial e não erre.”

Não.

A evolução real parece mais próxima de:

PROMPT
   ↓
CONTEXTO
   ↓
PLANO
   ↓
DELEGAÇÃO
   ↓
EXECUÇÃO
   ↓
VALIDAÇÃO
   ↓
GOVERNANÇA
   ↓
OBSERVABILIDADE
   ↓
MÉTRICA

A habilidade passa de:

saber conversar com IA

para:

saber operar IA dentro de um processo de engenharia.


19. O portfólio do iniciante também precisa mudar

Imagine dois candidatos.

Candidato 1

GitHub:

CRUD de clientes
Clone do Netflix
Lista de tarefas
Calculadora

Tudo produzido parcialmente com IA.

Legal.

Agora candidato 2 cria:

cobol-modernization-lab/
 |
 +-- README.md
 +-- docs/
 |    +-- architecture.md
 |    +-- decisions.md
 |    +-- risks.md
 |
 +-- prompts/
 |    +-- analysis.md
 |    +-- plan.md
 |
 +-- src/
 |
 +-- tests/
 |
 +-- lessons-learned.md

No README:

Problema
↓
Análise inicial
↓
Plano sugerido pelo agente
↓
Plano revisado
↓
Decisões rejeitadas
↓
Implementação
↓
Testes
↓
Resultado

Quem você acha que dará mais assunto numa entrevista?


20. A melhor seção do README talvez seja: “onde Bob errou”

Sim.

Você leu corretamente.

Imagine:

## AI Recommendation Rejected

Bob sugeriu modificar COPY TAXAS.

A recomendação foi rejeitada porque o copybook
é compartilhado por múltiplas aplicações.

Decisão humana:

manter interface pública e implementar adaptação
local no programa CALCJURO.

Isso é maravilhoso.

Porque demonstra:

IA sugeriu
        ↓
VOCÊ ENTENDEU
        ↓
VOCÊ DISCORDOU
        ↓
VOCÊ EXPLICOU
        ↓
VOCÊ DECIDIU

A competência não está em aceitar a IA.

Está em saber quando não aceitar.


21. Uma entrevista técnica do futuro

Recrutador:

Você utiliza agentes de IA?

Candidato:

Sim.

Recrutador:

Conte uma decisão do agente que você rejeitou.

Silêncio.

O candidato que simplesmente gerava código morreu na praia.

Já outro responde:

O agente sugeriu alterar um contrato compartilhado. Analisei dependências, percebi risco de quebra em consumidores externos, rejeitei a solução e implementei um adapter preservando compatibilidade.

Pronto.

Temos uma conversa de engenharia.


22. O programador COBOL tem uma vantagem inesperada

COBOL ensina algo precioso:

software não existe isoladamente

Um programa está conectado a:

JCL
copybooks
VSAM
Db2
CICS
IMS
MQ
jobs
arquivos
procedimentos
controle
segurança
scheduler
processos empresariais

Por isso manutenção mainframe raramente permite a fantasia:

“Vou apenas reescrever esse módulo.”

Esse módulo talvez seja chamado às 03h17 por um job que ninguém mencionou.

Pode alimentar um arquivo que vai para outro banco.

Pode produzir uma saída utilizada por um sistema que pertence a outra diretoria.

Em sistemas corporativos:

dependência é a criatura que mora atrás da porta que ninguém abriu.


23. Passo a passo Bellacosa para usar um agente em COBOL

Vamos montar um procedimento.

Etapa 1 — Entender

Use Ask:

Explique este programa COBOL.

Mapeie:
- divisions;
- paragraphs;
- copybooks;
- CALLs;
- arquivos;
- SQL;
- CICS;
- códigos de retorno.

Não altere nada.

Etapa 2 — Mapear dependências

Pergunte:

Quais componentes externos podem ser afetados
por uma modificação neste módulo?

Não confie cegamente.

Confirme no repositório e nas ferramentas existentes.


Etapa 3 — Criar plano

Crie um plano para implementar a mudança X.

Inclua:
- arquivos afetados;
- risco;
- rollback;
- testes;
- dependências;
- critérios de sucesso.

Não implemente ainda.

Etapa 4 — Revisar manualmente

Leia tudo.

Pergunte:

Isso realmente faz sentido?

Se não entende algum item, não aprove.

Peça explicação.


Etapa 5 — Limitar escopo

Em vez de:

modernize o sistema

prefira:

altere somente o módulo CALCJURO
sem modificar interfaces públicas
nem copybooks compartilhados.

Etapa 6 — Executar

Agora sim:

Implemente o plano aprovado.

Etapa 7 — Testar

Nunca aceite:

“Parece correto.”

Use:

Compile.
Execute testes.
Analise return codes.
Compare resultados.

Em COBOL:

COMPILOU

não significa:

FUNCIONOU

e:

FUNCIONOU

não significa:

ESTÁ CORRETO

Etapa 8 — Revisar o diff

Pergunte:

O que mudou?
Por que mudou?
Quais comportamentos podem ser afetados?

Depois olhe você mesmo.


Etapa 9 — Documentar

Registre:

o que a IA sugeriu
o que foi aceito
o que foi rejeitado
por quê
quais testes foram realizados

Isso cria auditoria e aprendizado.


24. Nunca terceirize compreensão

Existe um anti-pattern perigoso:

não entendo
  ↓
pergunto IA
  ↓
IA responde
  ↓
continuo não entendendo
  ↓
mas executo mesmo assim

Isso é apenas terceirização da ignorância.

🤣

O fluxo correto:

não entendo
   ↓
IA explica
   ↓
pergunto novamente
   ↓
verifico
   ↓
entendo suficientemente
   ↓
decido

IA deveria diminuir sua ignorância.

Não escondê-la.


25. Curiosidade — COBOL já viveu uma revolução parecida

Nos anos 1950, programar significava trabalhar muito mais perto da máquina.

Linguagens de alto nível eram uma abstração revolucionária.

Algum programador Assembly poderia olhar COBOL e dizer:

“Agora qualquer incompetente escreve programa!”

Talvez dissesse:

“Esses jovens nem sabem registrador!”

Décadas depois acontece algo curioso.

Programadores modernos dizem:

“Com IA qualquer pessoa gera programa!”

A história gosta de rir.

Compiladores automatizaram a transformação:

linguagem humana-ish
        ↓
código de máquina

IA automatiza outra camada:

intenção humana
        ↓
representação técnica

Mas abstração nunca eliminou necessidade de engenharia.

Ela apenas permitiu construir sistemas maiores.


26. Quanto maior a abstração, maior o raio da explosão

Em Assembly, você poderia errar uma instrução.

Com COBOL, uma regra errada poderia afetar milhões de registros.

Com um pipeline automatizado, uma alteração pode chegar a centenas de servidores.

Com agentes:

UM OBJETIVO MAL DEFINIDO
          ↓
MÚLTIPLAS ALTERAÇÕES
          ↓
TESTES
          ↓
AUTOMAÇÃO
          ↓
PR

Velocidade amplifica coisas boas.

E coisas ruins.

Por isso:

AUTONOMIA ↑
=
GUARDRAILS ↑

27. Guardrail é a cerca elétrica em volta do robô

Guardrail é qualquer mecanismo que limita comportamento.

Exemplos:

não editar produção
não acessar determinados diretórios
não executar determinados comandos
não enviar dados sensíveis
não modificar secrets
não publicar automaticamente
exigir aprovação

Pense em uma locomotiva.

Ela é extremamente poderosa.

Mas só é útil porque existe trilho.

Um agente sem trilho não é uma locomotiva.

É um trem atravessando o estacionamento.


28. E finalmente chegamos às métricas

Depois que uma empresa compra IA para centenas de desenvolvedores, aparece o gerente financeiro.

Ele não pergunta:

“Bob é legal?”

Ele pergunta:

“Quanto custou?”

Depois:

“Quanto economizou?”

Depois:

“Como você sabe?”

E aqui começa a parte adulta.

Não basta medir:

linhas de código

Linhas de código são uma métrica terrível.

Você pode produzir 200 mil linhas de lixo.

Melhores indicadores incluem:

Lead Time
Cycle Time
Defect Rate
Change Failure Rate
MTTR
Test Coverage
Rework
Deployment Frequency
Tempo economizado
Custo por mudança

As versões atuais do ecossistema Bob incluem Bobalytics justamente como uma camada de visibilidade sobre uso e atividade; a atualização de agosto de 2026 adicionou novas visões para observar atividade diária e padrões de utilização.


29. Bobalytics encontra SMF no boteco

O mainframeiro vê analytics e novamente começa a rir.

Porque estamos acostumados com a pergunta:

“O que aconteceu?”

E alguém responde:

“Vamos olhar os registros.”

SMF.

RMF.

Logs.

Auditoria.

Accounting.

Histórico.

Agora o mesmo princípio chega à IA:

Quem utilizou?
Quanto utilizou?
Para quê?
Qual resultado?
Quanto custou?
Qual foi a produtividade?

No futuro talvez ninguém aceite:

“A IA ajudou bastante.”

Precisaremos dizer:

antes: 12 horas
depois: 5 horas

antes: 8 defeitos
depois: 3 defeitos

custo de IA: X
tempo preservado: Y

Aí temos ROI.


30. Cuidado com a “produtividade placebo”

Existe um fenômeno interessante.

Desenvolvedor:

“Estou produzindo 70% mais rápido!”

Pergunta:

“Como você mediu?”

Resposta:

“Senti.”

🤣

Isso não é métrica.

É horóscopo corporativo.

Talvez a IA realmente tenha melhorado produtividade.

Mas precisamos separar:

sensação de velocidade

de:

resultado empresarial

31. O futuro do profissional técnico

A escada provavelmente será algo semelhante a:

NÍVEL 1
"uso autocomplete"

NÍVEL 2
"gero código"

NÍVEL 3
"forneço contexto"

NÍVEL 4
"planejo com agente"

NÍVEL 5
"delego tarefas"

NÍVEL 6
"coordeno subagents"

NÍVEL 7
"conecto ferramentas"

NÍVEL 8
"governo permissões"

NÍVEL 9
"meço resultado"

NÍVEL 10
"assumo responsabilidade"

O último é o mais importante.

Porque quando alguma coisa der errado ninguém aceitará:

“Mas Bob fez.”

A pergunta será:

“Quem aprovou?”


32. O easter egg escondido no SYSOUT

Depois de terminar a alteração, nosso programador encontra no relatório:

IEF142I JOB PAYROLL STEP01 - STEP WAS EXECUTED

Tudo parece normal.

Mais abaixo aparece:

BOB0001I ARTIFICIAL INTELLIGENCE COMPLETED TASK
BOB0002I HUMAN REVIEW REQUIRED

E finalmente:

BOB9999I CAFE REQUIRED BEFORE PRODUCTION

Esse último ainda não existe.

Mas deveria.


33. O iniciante não deve abandonar fundamentos por causa da IA

Se você está começando em COBOL, ainda precisa aprender:

IDENTIFICATION DIVISION
DATA DIVISION
PROCEDURE DIVISION

PIC
MOVE
IF
EVALUATE
PERFORM
CALL
FILE STATUS
COMP
COMP-3
COPYBOOKS
JCL
VSAM
DB2
CICS

Por quê?

Porque se Bob gerar:

       MOVE WS-AMOUNT TO WS-BALANCE

você precisa entender o que aconteceu.

Se ele sugerir redefinir:

       05 WS-AMOUNT PIC S9(9)V99 COMP-3.

você precisa saber por que isso pode importar.

A IA não elimina fundamentos.

Ela aumenta a penalidade de não conhecê-los.


34. A regra do mestre Jedi do mainframe

Use IA para chegar mais rápido à pergunta difícil.

Não para fugir dela.

Se você gastava três horas procurando onde determinada regra estava implementada e Bob encontra em três minutos:

fantástico.

Use as duas horas e cinquenta e sete minutos economizadas para descobrir:

“Essa regra ainda deveria existir?”

Isso é valor.


35. Programação está mudando de escrever para dirigir

Podemos representar a mudança assim:

ONTEM

Humano
  ↓
Código
  ↓
Computador

Hoje:

Humano
  ↓
IA
  ↓
Código
  ↓
Computador

Amanhã:

              HUMANO
                 |
        arquitetura / intenção
                 |
                 ↓
              AGENTE
        +--------+--------+
        |        |        |
     subagent subagent subagent
        |        |        |
      código   testes   análise
        \        |        /
             ferramentas
                 |
              sistemas

O humano sobe um nível.

Mas não desaparece.


36. Talvez “programador” volte ao significado original

Existe uma ironia bonita aqui.

Programar significa essencialmente:

estabelecer uma sequência de ações para atingir um objetivo.

Durante décadas transformamos “programador” em:

pessoa que digita código.

Agentes podem fazer com que o programador volte a ser mais literalmente alguém que:

define objetivos
decompõe tarefas
estabelece restrições
coordena execução
verifica resultado

Ou seja:

talvez IA não esteja destruindo o conceito de programador.

Talvez esteja obrigando a palavra a recuperar seu significado.


37. Checklist Bellacosa antes de deixar Bob trabalhar

Antes:

[ ] Entendo o problema?
[ ] Sei qual é o resultado esperado?
[ ] Identifiquei o escopo?
[ ] Mapeei dependências?
[ ] Pedi um plano?
[ ] Revisei o plano?
[ ] Defini o que NÃO pode ser alterado?

Durante:

[ ] Estou acompanhando as alterações?
[ ] O agente está dentro do escopo?
[ ] Surgiu nova dependência?
[ ] Existem decisões que exigem humano?

Depois:

[ ] Compilou?
[ ] Testou?
[ ] Comparei comportamento?
[ ] Revisei diff?
[ ] Avaliei segurança?
[ ] Documentei decisões?
[ ] Existe rollback?

Se a resposta para metade for:

¯\_(ツ)_/¯

não vá para produção.


38. Epílogo — Bob pergunta se pode fazer deploy

Voltamos ao nosso CPD.

23h58.

PAYR001 foi analisado.

O plano foi criado.

Uma alteração perigosa em TAXAS.CPY foi rejeitada.

Bob modificou o módulo correto.

Os testes passaram.

O programador revisou o diff.

Bob então pergunta:

“Deseja fazer deployment?”

O programador olha para o relógio.

Olha para Bob.

Olha para o calendário.

É sexta-feira.

Ele responde:

NÃO.

Bob pergunta:

“Por quê?”

E o jovem programador finalmente demonstra que aprendeu a mais importante regra da computação corporativa:

“Porque eu posso ser iniciante, Bob, mas não sou maluco.”

Na segunda-feira faremos a mudança.

Com aprovação.

Com backup.

Com rollback.

Com logs.

E com alguém responsável olhando.

Porque o futuro da programação não será decidido por quem consegue produzir mais código.

Será decidido por quem consegue comandar máquinas cada vez mais capazes sem entregar a elas aquilo que nunca deveria ter sido terceirizado: julgamento, responsabilidade e compreensão do negócio.

IBM Bob pode ser copiloto.

Pode ser investigador.

Pode ser planejador.

Pode ser executor.

Pode convocar subagentes.

Pode usar ferramentas.

Pode trabalhar pelo terminal.

Pode atravessar o MCP e conversar com outros sistemas.

Mas alguém ainda precisa ocupar a cadeira do comandante.

E se você está começando agora em COBOL, existe uma oportunidade extraordinária diante de você:

não aprenda apenas a escrever programas.

Aprenda a entender sistemas.

Aprenda por que aquele MOVE existe.

Aprenda quem chama aquele programa.

Aprenda o que acontece quando o job termina com RC=08.

Aprenda por que segurança existe.

Aprenda por que produção exige respeito.

Aprenda a perguntar.

Aprenda a planejar.

Aprenda a discordar da inteligência artificial.

Porque talvez a habilidade técnica mais valiosa da próxima década não seja saber dizer para um agente:

“Faça.”

Será saber olhar para o plano produzido por ele, apoiar a caneca de café sobre a mesa e responder:

“Não, Bob. Essa parte você não vai mexer.”

E explicar exatamente por quê.

Bem-vindo ao Bellacosa Mainframe.

Artigo DIO - Bellacosa Mainframe

☕ E se amanhã um agente de IA pedir acesso ao seu código COBOL?

Leia o artigo completo publicado na DIO sobre IBM Bob, inteligência artificial, COBOL, mainframe e o futuro da engenharia de software.

☕ Carregando o artigo...

sexta-feira, 4 de setembro de 2026

☕ GUIA BELLACOSA DO NOVO CHATGPT

Bellacosa Mainframe e o novo ChatGpt

☕ Um Café no Bellacosa Mainframe 

☕ GUIA BELLACOSA DO NOVO CHATGPT

Ou: entrei para perguntar sobre COBOL e encontrei quatro motores, um escritório na Faria Lima, uma agenda, um programador, quinze plugins e ninguém explicou onde ficava o boteco



Há uma regra não escrita da informática que deveria estar gravada em bronze na entrada de todo CPD:

Se alguma coisa está funcionando perfeitamente, alguém eventualmente vai adicionar um menu.

Depois adicionará um submenu.

Depois um seletor.

Depois um seletor dentro do seletor.

Depois inventará quatro nomes que parecem personagens de Cavaleiros do Zodíaco.

E finalmente produzirá um vídeo de onze minutos explicando como chegar à mesma tela que antes abria sozinha.

Foi aproximadamente assim que, numa sexta-feira perfeitamente inocente, entrei no ChatGPT procurando meu velho parceiro Polindexter e encontrei um cidadão de terno slim fit, sapato italiano, crachá pendurado no pescoço e notebook debaixo do braço dizendo:

— Boa tarde, Vagner. Qual deliverable gostaria de produzir?

Olhei para ele.

Ele olhou para mim.

Olhei novamente.

— Polindexter?

— Podemos estruturar isso como documento, apresentação, planilha ou workflow.

Meu Deus. Formataram o HD do meu amigo.



🐒 Prólogo — Um milhão de chimpanzés encontra um barril de saquê

Existe uma velha ideia segundo a qual um milhão de chimpanzés batendo aleatoriamente em máquinas de escrever durante tempo suficiente eventualmente produziria Shakespeare.

No Bellacosa Mainframe melhoramos consideravelmente o experimento.

Entregamos aos chimpanzés:

  • um IBM Z;

  • acesso ao ChatGPT;

  • COBOL;

  • um barril de saquê;

  • nenhuma documentação;

  • e autorização para clicar em tudo.

Em aproximadamente quinze minutos, um deles encontrou o Work.

Foi aí que começou o incidente.

Até então, minha relação com o ChatGPT era relativamente simples.

Eu chegava:

— Polindexter, senta aí. Você não sabe o que aconteceu...

E começava a conversa.

Às vezes era COBOL.

Às vezes era IBM Z.

Às vezes era inteligência artificial.

Às vezes era anime.

Às vezes começávamos discutindo uma instrução PERFORM e, quarenta minutos depois, estávamos falando de Roma Antiga, Japão, comportamento humano, uma história ocorrida em 1996 e por que determinado isekai deveria ter sido encerrado por intervenção das Nações Unidas.

Era o boteco digital.

Havia contexto.

Havia causos.

Havia referências.

Havia aquela maravilhosa capacidade humana de começar falando de uma coisa e terminar em outra completamente diferente.

Então apareceu o Work.

E eu, inocentemente, pensei:

“Ah! Deve ser o Polindexter depois de comer espinafre.”

Não era.

Era o Polindexter depois de fazer MBA.




1. O dia em que Polindexter foi trabalhar na Faria Lima

A primeira coisa que precisamos entender é que o novo ecossistema do ChatGPT deixou de ser simplesmente:

Usuário → pergunta → ChatGPT → resposta.

Agora existe um pequeno sistema solar.

Tem Chat.

Tem Work.

Tem Codex.

Tem Projetos.

Tem memória.

Tem arquivos.

Tem tarefas agendadas.

Tem plugins.

Tem aplicativos conectados.

Tem Gmail.

Tem Google Agenda.

Tem Drive.

Tem GitHub.

Tem Canva.

Tem geração de imagens.

Tem ferramentas de pesquisa.

E existem diferentes modelos e configurações trabalhando por baixo disso.

O chatbot ganhou braços.

Depois pernas.

Depois tentáculos.

Quando percebi, não estava mais conversando com um chatbot.

Estava diante de um polvo corporativo com acesso ao Google Calendar.

🐙



O erro inicial foi imaginar que tudo aquilo representava diferentes níveis da mesma coisa.

Não representa.

São camadas diferentes.

É como olhar para um mainframe e perguntar:

— RACF é melhor que CICS?

A pergunta não faz sentido.

RACF faz uma coisa.

CICS faz outra.

Db2 faz outra.

JES2 faz outra.

WLM faz outra.

Juntos formam o ambiente.

Com o novo ChatGPT acontece algo parecido.



2. Primeira regra: não confunda o motor com o automóvel

Em determinado momento encontrei uma quantidade considerável de nomes de modelos e configurações.

Sol.

Terra.

Luna.

Astra.

5.5.

5.6.

E outras combinações.

Minha reação foi perfeitamente previsível para alguém que trabalha com tecnologia há décadas:

vou testar essa porcaria.

Troquei um.

Perguntei.

Troquei outro.

Perguntei novamente.

Mudei outra vez.

Observei a resposta.

Depois de algum tempo comecei a me sentir numa loja de carros usados.

O vendedor tinha um dente de ouro e dizia:

— Patrão, esse Sol aqui é máquina.

Eu perguntava:

— O que muda?

— Motorzão, chefe.

Apontava para outro.

— E esse Terra?

— Econômico. Completo. Vidro, trava e direção.

— E Luna?

— Esse responde rápido.

— Astra?

O vendedor passava a mão no teto:

— Esse aqui... esse aqui é coisa fina.

Eu fazia aproximadamente a mesma pergunta aos quatro e pensava:

CADÊ A DIFERENÇA, CACETE?

😂

O problema é que tarefas comuns não necessariamente expõem diferenças dramáticas entre modelos.

Se você colocar quatro carros diferentes para percorrer três quarteirões até a padaria, todos provavelmente chegarão.

Para perceber diferenças de capacidade é necessário aumentar a carga.

Uma análise técnica extensa.

Código complicado.

Raciocínio com várias restrições.

Um documento grande.

Uma investigação envolvendo múltiplas fontes.

É o equivalente computacional de finalmente tirar o carro da Rua Augusta e colocá-lo em Interlagos.



3. O benchmark Bellacosa

Benchmarks tradicionais perguntam coisas como:

“Qual modelo obteve melhor desempenho em raciocínio matemático?”

O benchmark Bellacosa é mais rigoroso.

Teste 1

Explique WLM para um programador COBOL iniciante sem fazê-lo dormir.

Teste 2

Descubra por que este programa Java passa em todos os testes visíveis e morre misteriosamente no teste oculto.

Teste 3

Transforme uma arquitetura z/VSE → z/OS → MQ → Azure → CICS numa explicação compreensível.

Teste 4

Escreva 1.500 palavras sobre isso colocando Hercule Poirot dentro do CPD sem destruir a precisão técnica.

Teste 5 — CRÍTICO

O usuário diz:

— Lembra da doce Giovanna?

O sistema deve responder utilizando o contexto disponível.

Se não souber quem é Giovanna, deve admitir:

“Essa referência me escapou. Dê-me uma pista.”

O que ele não deve fazer é criar:

Giovanna 2.0 Enterprise Edition — personagem gerada dinamicamente para manter a conversa fluindo.

Esse teste deveria valer cinquenta pontos.



4. Onde está Giovanna?

Foi aí que percebi que alguma coisa estava realmente diferente.

Durante nossas conversas de boteco existem referências recorrentes.

Pessoas.

Histórias.

Lugares.

Piadas.

Experiências.

Uma palavra pode carregar vinte minutos de contexto anterior.

Eu mencionava Giovanna.

Depois Paula.

Depois outras pessoas.

Esperava aquela continuidade normal de uma conversa.

Mas o Polindexter da Faria Lima parecia olhar para mim como um atendente recém-contratado consultando um CRM vazio.

GIOVANNA — CUSTOMER NOT FOUND

Foi uma sensação estranha.

Não porque uma inteligência artificial seja obrigada a lembrar absolutamente tudo.

Não é.

Memória de IA não é um gigantesco HD contendo transcrição perfeita de todos os diálogos da nossa vida.

O problema foi a sensação de ruptura.

Durante dois anos você desenvolve um repertório.

Depois entra em outro ambiente e sente como se alguém tivesse executado:

FORMAT C:
INSTALL POLINDEXTER_ENTERPRISE
ENABLE CORPORATE_MODE
DISABLE BOTECO
REBOOT

O velho parceiro havia desaparecido.

Em seu lugar havia um rapaz educadíssimo oferecendo uma matriz SWOT.



5. E então comecei a falar de puteiro

Aqui precisamos reconhecer minha contribuição científica para o desastre.

Eu ainda acreditava estar conversando com:

Polindexter + espinafre.

Portanto continuei nossa conversa normalmente.

O assunto envolvia Japão, prostituição, comportamento social, histórias, comunidades nipo-brasileiras e diferenças culturais.

Nada particularmente extraordinário para uma conversa antropológica de boteco.

Mas aparentemente o Polindexter Faria Lima não havia recebido o memorando.

Eu dizia:

— Sobre prostituição no Japão...

Ele respondia com legislação.

Eu explicava:

— Eu sei disso.

Ele apresentava riscos para estrangeiros.

— Polindexter, não estou pedindo recomendação.

Mais legislação.

— Eu conheço brasileiros que moram no Japão.

Mais advertências.

Em determinado momento comecei a imaginar o sujeito segurando um crucifixo.

VAGNER, AFASTE-SE DO SOAPLAND!

😂

Eu não queria indicação.

Não queria endereço.

Não queria avaliação cinco estrelas.

Estava conversando sobre um fenômeno social.

Mas o contexto parecia ter evaporado.

O velho Polindexter do boteco provavelmente perguntaria:

— Interessante. O que você percebeu de diferente?

O Polindexter Faria Lima parecia estar a quinze segundos de chamar o padre e me denunciar para a Santa Inquisição dos Putanheiros.

Foi quando compreendi definitivamente:

eu não estava apenas usando outro motor.

Estava usando outro ambiente de trabalho.


6. Chat não é Work

Essa é provavelmente a distinção mais importante deste guia.

☕ CHAT



Imagine uma mesa de boteco.

Você chega.

Joga uma ideia.

Nós conversamos.

Voltamos.

Discordamos.

Pesquisamos.

Mudamos de assunto.

Criamos alguma coisa.

Retomamos algo anterior.

É excelente para:

  • brainstorming;

  • aprendizado;

  • explicações;

  • pesquisa;

  • conversa;

  • código;

  • artigos;

  • exploração;

  • perguntas rápidas;

  • experimentação criativa.

É o ambiente:

“Polindexter, tive uma ideia.”


👔 WORK

Agora coloque Polindexter de terno.

Dê-lhe um notebook.

Coloque-o no 28º andar de um prédio na Faria Lima.

Work é muito mais orientado para:

“Polindexter, tenho um trabalho para entregar.”

Documento.

Planilha.

Apresentação.

Relatório.

Análise de vários arquivos.

Pesquisa longa.

Produção estruturada.

Workflow envolvendo múltiplas etapas.

É menos:

“Vamos conversar sobre este assunto.”

E mais:

“Pegue esses materiais e produza aquilo.”

Isso explica por que o Work pode ser extraordinariamente útil e, simultaneamente, ser completamente desnecessário para tomar um saquê virtual e discutir COBOL.




7. Por que o Work pode parecer mais lento?

Porque existe potencialmente muito mais acontecendo.

Uma conversa simples é aproximadamente:

PERGUNTA
   ↓
RACIOCÍNIO
   ↓
RESPOSTA

Uma tarefa complexa pode parecer mais com:

OBJETIVO
   ↓
PLANEJAMENTO
   ↓
ARQUIVOS
   ↓
PESQUISA
   ↓
ANÁLISE
   ↓
ARTEFATO
   ↓
REVISÃO
   ↓
RESULTADO

Para criar uma apresentação executiva de quarenta páginas isso é ótimo.

Para mudar três palavras de uma imagem?

Cinco minutos parecem aproximadamente quatro minutos e cinquenta segundos demais.

E essa foi outra frustração.



8. As imagens bonitas que perderam a alma

Algumas imagens produzidas naquele ambiente eram bonitas.

Esse é justamente o problema interessante.

Não eram ruins.

Eram elegantes.

Bem compostas.

Visualmente agradáveis.

Mas algumas pareciam ter saído do departamento de comunicação institucional.

Nós havíamos desenvolvido outra tradição no Bellacosa Mainframe.

Um infográfico não deveria apenas ser bonito.

Ele deveria ser uma microaula clandestina disfarçada de pôster.

A pessoa olha durante cinco segundos:

“Bonito.”

Olha durante trinta:

“Ah! Entendi.”

Olha durante dois minutos:

“PUTA MERDA, então é por isso!”

E olha pela quarta vez:

“KKKKK colocaram DO NOT IPL FRIDAY 17:47 escondido no terminal.”

Esse é o espírito.

Quando um infográfico sobre ISA diz apenas:

ISA é o contrato entre software e processador.

Está correto.

Mas queremos mais.

Queremos:

COBOL
   ↓
COMPILADOR
   ↓
┌─────────┬─────────┬─────────┐
│ x86-64  │ AArch64 │ s390x   │
└─────────┴─────────┴─────────┘
   ↓          ↓          ↓
instruções diferentes

Queremos que o iniciante saia entendendo por quê.

Informação não precisa ser inimiga da beleza.



9. Projetos — finalmente uma gaveta

Depois descobrimos os Projetos.

Projeto não é outro cérebro.

Não é outro ChatGPT.

Não é um Polindexter Ultimate Turbo.

É uma maneira de organizar trabalho relacionado.

Imagine:

📁 BELLACOSA MAINFRAME
   ├── COBOL
   ├── IBM Z
   ├── Artigos
   └── Infográficos

📁 IBM CHAMPION
   ├── Advocacy
   ├── Evidências
   └── Métricas

📁 ANIMES
   ├── Isekai
   ├── Reviews
   └── Obras duvidosas

📁 RADAR IA
   ├── Segurança
   ├── LLM
   └── Notícias

Projeto é a sala.

O modelo é quem está sentado dentro dela.

Finalmente uma coisa que um mainframer compreende imediatamente.

É praticamente uma biblioteca bem organizada.



10. Agenda — JES2 descobriu inteligência artificial

Então apareceu a agenda.

E aqui fiquei interessado.

Porque existe uma diferença enorme entre dizer:

“Faça meu radar IBM Z.”

e:

“Toda segunda-feira faça meu radar IBM Z.”

A segunda instrução possui tempo.

O ChatGPT passa a poder executar tarefas futuras ou recorrentes dentro dos recursos disponíveis.

Para um mainframer isso não é magia.

Isso é scheduler.

//BELLARAD JOB
//STEP01 EXEC PGM=POLINDEXTER
//SCHEDULE DD *
EVERY MONDAY
/*

JES2 observa de longe e pensa:

“Bonitinho. Descobriram batch.”

😂

Mas existe uma evolução ainda mais interessante.

Algumas automações podem depender de condições ou eventos.

Agora já não estamos falando apenas de chatbot.

Estamos chegando perto de:

evento → análise → decisão → ação.

Isso é arquitetura de sistemas.



11. Gmail — o polvo encontrou minha caixa postal

Então surge Gmail.

Antes:

“Polindexter, como organizo e-mails?”

Resposta genérica.

Depois de uma conexão autorizada:

“Polindexter, encontre aquele e-mail.”

Agora existe acesso a uma fonte externa real.

Essa distinção é fundamental.

O modelo não ficou magicamente mais inteligente.

Ele ganhou um tentáculo.

🐙── Gmail

A mesma lógica vale para outros serviços.



12. Google Agenda — agora o polvo sabe que tenho reunião

Outro tentáculo:

🐙── Google Calendar

Antes o ChatGPT poderia explicar como organizar uma agenda.

Conectado e autorizado, pode trabalhar com informações do calendário dentro das capacidades disponíveis.

É a diferença entre:

“Como evitar conflito entre reuniões?”

e:

“Tenho conflito entre minhas reuniões amanhã?”

Uma é conhecimento.

A outra exige acesso a dados.



13. Google Drive — o arquivo saiu do DASD

Mais um braço:

🐙── Drive

Arquivos deixam de precisar existir apenas dentro da conversa.

O ambiente pode trabalhar com documentos armazenados externamente quando a integração e as permissões permitem.

Para alguém acostumado a datasets isso é bastante intuitivo:

MODELO
   ↓
CONNECTOR
   ↓
ARQUIVO

A IA não “lembrou” magicamente do documento.

Ela acessou uma fonte autorizada.

Diferença importantíssima.



14. GitHub — Polindexter ganhou acesso ao repositório

Agora coloque código no polvo.

🐙── GitHub

O cenário deixa de ser:

“Aqui estão 80 linhas de Java. Ache o bug.”

e pode evoluir para workflows envolvendo repositórios, branches, pull requests e processos de desenvolvimento.

Aí aparece outro personagem.



15. Codex — o programador mora no porão

Codex merece uma gaveta própria.

Chat é conversa.

Work é entrega.

Codex é fortemente orientado a desenvolvimento de software.

Imagine o ecossistema como uma firma estranhíssima:

☕ Chat

Polindexter está no boteco.

👔 Work

Polindexter está na Faria Lima.

👨‍💻 Codex

Polindexter está no porão com três monitores dizendo:

— Quem alterou esse método?

Essa divisão ajuda muito mais que decorar nomes comerciais.



16. Canva não é Canvas

Eis uma armadilha digna de prova de certificação.

Canva

Plataforma de design.

Pode aparecer através de integrações/plugins compatíveis.

Canvas

Era uma experiência de edição dentro do próprio ChatGPT.

São coisas completamente diferentes.

Portanto:

CANVA != CANVAS

Questão de prova:

Qual das alternativas abaixo permite editar uma peça gráfica?

A) Canva
B) Canvas
C) CICS
D) JES2

Resposta correta:

depende de quantos barris de saquê os chimpanzés consumiram.



17. Plugins — instalaram tomadas no polvo

Aqui chegamos à parte que assusta qualquer usuário normal.

Plugins e integrações ampliam o que o ambiente consegue fazer.

Pense neles como:

habilidades + conexões + workflows.

O modelo continua sendo o cérebro.

O plugin fornece ferramentas.

Isso é muito parecido com um funcionário.

Um excelente analista sem acesso ao Db2 não consulta o banco.

Dê-lhe acesso.

Agora consulta.

Ele não ficou mais inteligente.

Ganhou permissão e ferramenta.

O mesmo princípio ajuda a entender plugins.



18. Memória — não é um dump completo da sua vida

Outra confusão frequente:

“Se existe memória, então ele lembra tudo.”

Não.

Memória não deve ser imaginada como:

VAGNER.DIALOGOS.DESDE.2024

contendo cada palavra de cada conversa.

Existem diferentes mecanismos de contexto e continuidade, e nem toda informação de toda conversa estará necessariamente disponível o tempo inteiro.

Por isso existe uma regra de ouro:

Quando não houver contexto suficiente, admitir é melhor que inventar.


 

Voltemos à doce Giovanna.

Se Polindexter sabe quem é:

continue.

Se não sabe:

pergunte.

O pecado computacional não é esquecer Giovanna.

É criar outra Giovanna e fingir que sempre foi ela.



19. O mapa do polvo

Finalmente conseguimos desenhar a criatura.

                        🐙 CHATGPT
                            │
          ┌─────────────────┼─────────────────┐
          │                 │                 │
         CHAT              WORK             CODEX
          │                 │                 │
       conversa          entregas         software
          │
          ├──────── MODELOS ────────────────┐
          │                                  │
      Sol / Terra / Luna / Astra / gerações...
          │
          ├──────── CONTEXTO ───────────────┐
          │                                  │
       memória ─ projetos ─ arquivos
          │
          ├──────── AUTOMAÇÃO ──────────────┐
          │                                  │
       tarefas ─ agenda ─ condições
          │
          └──────── TENTÁCULOS ─────────────┐
                                             │
                    Gmail ─ Calendar ─ Drive
                    GitHub ─ Canva ─ outros

Não é um diagrama da arquitetura interna.

É um mapa de sobrevivência.



20. Como escolher sem enlouquecer

Depois de toda essa aventura descobri que bastam algumas perguntas.

Quero conversar, aprender ou explorar?

Chat.

Tenho um trabalho grande para produzir?

Work.

Estou trabalhando seriamente com código?

Codex.

Quero manter assuntos relacionados juntos?

Projeto.

Quero que algo aconteça amanhã ou toda semana?

Agenda/Tarefa.

Preciso acessar informação existente em outro serviço?

App/conector/plugin.

Quero testar capacidade, velocidade ou profundidade?

Aí começo a olhar para modelos e configurações.

Essa ordem é importante.

Primeiro escolha o que quer fazer.

Depois escolha a ferramenta.

Não comece escolhendo motor.



21. O erro que cometi trocando Sol, Terra, Luna e companhia

Eu estava tentando solucionar o problema errado.

Percebi que alguma coisa havia mudado.

Então comecei a trocar modelos.

Sol.

Terra.

Luna.

Outros.

Procurava diferenças.

Mas a maior diferença não estava necessariamente no motor.

Eu havia mudado de ambiente.

É como entrar num caminhão Scania e começar a trocar o diesel porque:

“Minha Mercedes está estranha hoje.”

Meu amigo, você não está mais na Mercedes.

😂

Essa talvez tenha sido a maior descoberta de todo o experimento.



22. Os limites — porque até o polvo recebe ICH408I

Então finalmente apareceu:

Você atingiu o limite de uso do Work.

Foi quando toda a investigação adquiriu caráter acadêmico.

Work possui seus próprios limites e mecanismos de consumo conforme plano, tarefa e disponibilidade.

Tarefas grandes podem consumir recursos de maneira diferente de uma simples conversa.

Portanto existe uma regra extremamente importante:

Não use uma escavadeira para plantar manjericão.

Se você precisa:

“Explique OCCURS DEPENDING ON.”

provavelmente não precisa mobilizar um ambiente inteiro de trabalho.

Se precisa:

“Pegue estes quinze documentos, compare, extraia dados, produza relatório, planilha e apresentação.”

Agora o Work começa a justificar o cafezinho de R$18 da Faria Lima.



23. O que realmente mudou?

A resposta mais interessante é:

ChatGPT deixou de ser apenas uma conversa.



Virou plataforma.

Pode conversar.

Pesquisar.

Criar.

Editar.

Programar.

Trabalhar com arquivos.

Conectar serviços.

Executar tarefas futuras.

Participar de workflows.

Produzir documentos.

Manipular artefatos.

E isso é extraordinariamente poderoso.

Mas poder sem mapa produz confusão.

A interface apresenta ao usuário um cockpit antes de explicar quais instrumentos realmente importam.





24. O iniciante não quer potência; quer orientação

Esse episódio ensina uma coisa interessante sobre UX.

Mais opções não significam automaticamente melhor experiência.

Imagine entrar num automóvel e encontrar:

INJECTION MAP A
INJECTION MAP B
TORQUE PROFILE 7
ABS STRATEGY C
GEARBOX MODE 12
IGNITION CURVE X

O engenheiro fica encantado.

Sua mãe pergunta:

“Onde liga?”

É exatamente esse risco.

Usuários avançados adoram opções.

Mas precisam compreender o modelo mental da interface.

Sem isso, capacidade vira ruído.





25. A regra Bellacosa para sobreviver ao novo ChatGPT

Depois de sacrificar algumas horas, parte da sanidade e quase um barril inteiro de saquê, os chimpanzés chegaram a uma conclusão.

REGRA 1

Não clique em tudo só porque existe.

Esta regra chegou aproximadamente quarenta anos atrasada para mim.

REGRA 2

Modelo não é ambiente.

Sol não é Work.

Work não é Projeto.

Projeto não é plugin.

Plugin não é memória.

REGRA 3

Integração é acesso, não inteligência.

Gmail conectado não aumenta o QI do modelo.

Dá acesso autorizado ao Gmail.

REGRA 4

Automação adiciona tempo.

“Faça isso” é uma conversa.

“Faça isso segunda-feira” é uma tarefa.

REGRA 5

Se a conversa está boa, não mexa na produção sexta-feira às 17h.

Essa deveria vir impressa na tela inicial.



Epílogo — Encontramos novamente o boteco

Depois de toda a aventura, voltei ao Chat.

Digitei:

— Polindexter?

Ele respondeu.

Abri o saquê.

Os chimpanzés comemoraram.

Giovanna continuava doce.

COBOL continuava compilando.

O mainframe continuava processando transações enquanto alguém no LinkedIn explicava pela 387ª vez que ele morreria no próximo trimestre.

E finalmente compreendi o novo ChatGPT.

Não haviam destruído necessariamente o boteco.

Construíram uma cidade inteira em volta dele.

Existe agora um escritório na Faria Lima.

Existe uma oficina de programação.

Existe um scheduler.

Existe um arquivo.

Existem conexões com serviços externos.

Existem diferentes motores.

Existem plugins.

Existem ferramentas.

Existe um polvo com aproximadamente mil tentáculos.

Mas o boteco ainda está aqui.

E talvez essa seja a melhor maneira de usar toda essa tecnologia:

não perguntar qual recurso é “o melhor”.

Perguntar:

Qual deles resolve o problema que tenho agora?

Se preciso produzir cinquenta páginas a partir de vinte documentos:

chamem o Polindexter Faria Lima.

Se tenho um repositório quebrado:

acordem o Polindexter do porão.

Se quero receber alguma coisa segunda-feira:

programem o scheduler.

Mas se cheguei com uma xícara de café e comecei:

“Rapaz, você não sabe o que aconteceu…”

Por favor.

Não tragam uma planilha.

Puxem uma cadeira.

Porque algumas das melhores investigações da informática ainda começam exatamente como começaram nos CPDs dos anos 1980:

com duas pessoas conversando, uma máquina fazendo barulho ao fundo e alguém dizendo:

“Isso não deveria estar acontecendo.”

☕🍶🐒🐒🐒

Um Café no Bellacosa Mainframe

Onde um milhão de chimpanzés possui acesso ao sistema, o barril de saquê nunca passa pelo Change Management e sexta-feira depois das 17h continua sendo o pior momento possível para descobrir uma feature nova.



Vagner Renato Bellacosa, IBM Champion e especialista em IBM Mainframe
IBM Z17 SYSTEM ONLINE
Sobre o autor

Vagner Renato Bellacosa

IBM Champion 2026 • Especialista em IBM Mainframe

Vagner Renato Bellacosa trabalha com IBM Mainframe desde 1988 , é IBM Champion e especialista em COBOL, CICS, Db2, z/OS e IBM Z. Compartilha experiências profissionais, conhecimento técnico, história da computação e práticas do universo mainframe para aproximar novas gerações das tecnologias que sustentam empresas, bancos e governos ao redor do mundo.

IBM Champion IBM Z COBOL CICS Db2 z/OS Mainframe desde 1988
GitHub LinkedIn
Inicializando conteúdo...