 |
| Bellacosa Mainframe e a evolucao para engenheiro de agentes ia |
☕ Um Café no Bellacosa Mainframe
O Holocron da Inteligência Artificial
Como um Programador COBOL Júnior Pode Evoluir de um Simples Consumidor de ChatGPT para um Engenheiro de Agentes de IA
"Padawan, a IA de hoje está exatamente onde a Internet estava em 1995. Alguns enxergam apenas páginas HTML piscando. Outros estão construindo a Amazon, o Google e o Netflix do futuro."
O choque cultural de um Programador COBOL diante da IA
Tenho observado uma situação curiosa.
Muitos programadores COBOL juniores olham para ChatGPT, Claude, Gemini, Copilot e DeepSeek da mesma forma que um usuário de microcomputador dos anos 1980 olhava para um IBM 3090.
Eles pensam:
"É uma máquina mágica."
Não é.
É apenas software.
Software extremamente sofisticado.
Mas ainda software.
E, como todo software, possui arquitetura.
Possui componentes.
Possui limitações.
Possui padrões.
Possui boas práticas.
E possui uma curva evolutiva.
Podemos pensar em quatro degraus.
LLM
↓
RAG
↓
AI Agent
↓
Agentic AI
Curiosamente, essa evolução lembra muito a própria história do Mainframe.
Primeira Era
O LLM é o COBOL Batch da IA
Imagine que estamos em 1978.
Você recebe um programa COBOL.
IDENTIFICATION DIVISION.
PROGRAM-ID. CHATBOT.
PROCEDURE DIVISION.
DISPLAY "Bom dia".
STOP RUN.
Fim.
Nada mais.
Sem DB2.
Sem VSAM.
Sem MQ.
Sem CICS.
Somente lógica.
O LLM é exatamente isso.
Um processador gigantesco de linguagem.
O que realmente acontece?
Quando você pergunta:
Explique VSAM
O modelo não consulta Wikipedia.
Não acessa IBM Docs.
Não faz SELECT.
Não executa API.
Ele simplesmente tenta prever:
Qual é a próxima palavra mais provável?
Matematicamente:
P(Token n+1 | contexto)
Exemplo:
Pergunta:
Explique JCL.
Internamente:
JCL
↓
Job Control Language
↓
IBM
↓
Batch
↓
JES2
↓
Execution
↓
Datasets
Milhões de probabilidades.
O problema
LLM não sabe.
LLM acredita.
Existe uma grande diferença.
Ele produz a sequência estatisticamente mais plausível.
Pode acertar.
Pode errar.
Pode inventar.
Chamamos isso de:
Hallucination.
Exemplo
Pergunta:
Como reiniciar RACF?
Resposta inventada:
RESTART RACF NOW
Parece bonito.
Parece técnico.
Parece IBM.
Mas não existe.
O que aprender nesta fase?
Objetivo:
Ser usuário competente.
Aprender:
Prompt Engineering
Chain of Thought
Few Shot
Temperature
Tokens
Context Window
Fine Tuning
Ferramentas
ChatGPT
Claude
Gemini
Copilot
DeepSeek
Projeto sugerido
ChatGPT Tutor COBOL.
Perguntar:
Explique COMP-3
Criar quiz.
Criar exercícios.
Gerar JCL.
Segunda Era
O RAG é COBOL + DB2
Agora começa algo que um programador corporativo entende muito bem.
Imagine um COBOL.
Antes.
DISPLAY "CLIENTE".
Pouco útil.
Agora.
EXEC SQL
SELECT NOME
FROM CLIENTE
END-EXEC.
Mudou tudo.
O programa agora possui memória externa.
Isso é RAG
Retrieval Augmented Generation.
O cérebro continua sendo o LLM.
Mas ele ganha uma biblioteca.
Funcionamento
Etapa 1
Documentos.
PDF.
Wiki.
Confluence.
Sharepoint.
IBM Docs.
Github.
SMF.
JCL.
PDS.
Etapa 2
Transformação.
Embeddings.
Texto.
↓
Vetores.
Exemplo:
COBOL
[0.82,0.12,0.33]
DB2
[0.79,0.19,0.31]
Etapa 3
Banco vetorial.
FAISS
Milvus
Pinecone
Chroma
Qdrant
Weaviate
Etapa 4
Busca semântica.
Pergunta:
Como funciona DFHCOMMAREA?
Sistema pesquisa.
Retorna.
Manual IBM.
Apostilas.
PDF.
Código.
Etapa 5
LLM responde.
Mas agora com consulta.
Analogia Mainframe
É um COBOL fazendo:
EXEC SQL.
Projeto para o Padawan
Criar:
Bellacosa RAG.
Alimentar.
PDF COBOL.
PDF CICS.
PDF DB2.
Redbooks.
Perguntar:
Como funciona REORG?
Sistema responde.
Competências
Python
LangChain
LlamaIndex
FAISS
Sentence Transformers
APIs
Terceira Era
AI Agent é um Sysprog Digital
Aqui acontece a verdadeira revolução.
IA deixa de responder.
Começa a agir.
Exemplo
Usuário:
Faça análise dos jobs abendados.
Agente pensa.
Planeja.
Executa.
Corrige.
Entrega.
Processo
Planejamento.
Ferramentas.
Memória.
Feedback.
Execução.
Exemplo Mainframe
Sysprog.
Com café.
TSO.
SDSF.
REXX.
Agente executa:
SDSF
↓
Consulta JES
↓
Filtra ABEND
↓
Cria relatório
↓
Envia Teams
Frameworks
CrewAI
LangGraph
AutoGen
Semantic Kernel
OpenAI Agents SDK
Projeto
Agente COBOL.
Entrada:
Programa COBOL.
Saída:
Detecta.
GOTO.
PERFORM.
COPY.
Dead code.
Complexidade.
Habilidades
Python
REST
JSON
Docker
Git
Prompt Design
Quarta Era
Agentic AI é um Parallel Sysplex Cognitivo
Este é o estágio mais fascinante.
Não existe um agente.
Existe um departamento inteiro.
Digital.
Cenário
Pergunta:
Modernize meu banco.
Agente 1
COBOL.
Agente 2
DB2.
Agente 3
Segurança.
Agente 4
Cloud.
Agente 5
Custos.
Agente 6
DevOps.
Supervisor.
Consolida tudo.
Analogia
Parallel Sysplex.
LPARs.
CF.
WLM.
XCF.
Tudo cooperando.
O Roadmap Bellacosa para Aprender IA
Fase 1 — Consumidor Inteligente (30 dias)
Aprender:
Prompt Engineering
ChatGPT
Claude
Gemini
Copilot
Tokens
Embeddings
Meta:
Produzir conteúdo técnico.
Fase 2 — Desenvolvedor RAG (60 dias)
Aprender:
Python
FastAPI
LangChain
FAISS
Chroma
SQLite
Projeto:
Bellacosa Mainframe Knowledge Assistant.
Fase 3 — Construtor de Agentes (90 dias)
Aprender:
CrewAI
LangGraph
Docker
GitHub Actions
APIs
MCP
Projeto:
Agente Sysprog.
Fase 4 — Arquiteto Agentic AI (120 dias)
Aprender:
Multi-Agent Systems
AutoGen
Semantic Kernel
Observabilidade
OpenTelemetry
Memória Persistente
Projeto:
Bellacosa Mainframe Digital Operations Center.
Agentes especializados em:
JES2
SDSF
RACF
SMF
RMF
Db2
CICS
MQ
z/OS Connect
COBOL Modernization
O conselho de um velho operador de datacenter
O erro de muitos profissionais é acreditar que IA substituirá programadores.
Provavelmente veremos algo diferente.
Os profissionais mais valorizados serão aqueles que entenderem o negócio, a plataforma legada, a engenharia de software e a orquestração de agentes inteligentes.
Um programador COBOL júnior que hoje aprende JCL, DB2, APIs, Python, RAG e Agentes de IA pode se tornar, em poucos anos, uma espécie de Sysprog Cognitivo do século XXI: alguém capaz de conversar com sistemas de cinquenta anos de idade, extrair seu conhecimento, encapsulá-lo em agentes especializados e construir uma nova geração de ferramentas sobre o legado corporativo.
E talvez essa seja a grande ironia da história da computação: enquanto muitos imaginavam que o Mainframe desapareceria, ele pode acabar fornecendo justamente o tipo de conhecimento estruturado, processos críticos e disciplina operacional que os futuros ecossistemas de Agentic AI precisarão para funcionar em ambientes bancários, seguradoras, governo e indústrias de missão crítica. O velho IBM Z pode não ser apenas um sobrevivente da história; pode ser um dos melhores professores para ensinar como construir inteligências artificiais realmente confiáveis.
