☕ 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

Mostrar mensagens com a etiqueta Empregos. Mostrar todas as mensagens
Mostrar mensagens com a etiqueta Empregos. Mostrar todas as mensagens

terça-feira, 13 de outubro de 2026

⚒️ NED LUDD CONTRA A INTELIGÊNCIA ARTIFICIAL: O FANTASMA DOS TEARES DE 1811 VOLTA PARA JULGAR A GERAÇÃO Z — QUEM VAI TRABALHAR QUANDO AS MÁQUINAS APRENDEREM A PENSAR?

 

Bellacosa Mainframe e o temor da geração z, a ia irá roubar meu emprego

☕ UM CAFÉ NO BELLACOSA MAINFRAME

⚒️ NED LUDD CONTRA A INTELIGÊNCIA ARTIFICIAL: O FANTASMA DOS TEARES DE 1811 VOLTA PARA JULGAR A GERAÇÃO Z — QUEM VAI TRABALHAR QUANDO AS MÁQUINAS APRENDEREM A PENSAR?

De Nottingham em 1811 aos mainframes IBM Z de 2026, uma viagem por 215 anos de revoluções tecnológicas, empregos desaparecidos, profissões inventadas, orquestras substituídas por computadores, fotografias falsificadas por Stalin e uma surpreendente rebelião dos jovens contra a inteligência artificial. Sob a tutela de Ned Ludd, o lendário comandante dos destruidores de máquinas, investigaremos se a humanidade está prestes a repetir a Revolução Industrial ou enfrentar algo completamente diferente.

Bellacosa Mainframe — Arqueologia da Computação, COBOL, História, IBM Z, Inteligência Artificial e os Fantasmas do Progresso.



🎬 Prólogo — 03h17: o homem que destruía teares encontrou um mainframe

Nottingham, Inglaterra, inverno de 1811.

Uma fábrica têxtil permanece silenciosa depois da meia-noite.

Entre máquinas, correias, rodas e engrenagens, um grupo de trabalhadores avança carregando martelos.

Eles não estão ali para roubar tecidos.

Querem destruir os equipamentos que ameaçam seus salários e sua sobrevivência.

O nome de seu comandante?

General Ned Ludd.

Pelo menos é isso que dizem as cartas ameaçadoras enviadas aos industriais.

Duzentos e quinze anos depois, no Bellacosa Mainframe, um terminal IBM Z recebe uma mensagem absolutamente inesperada.

IEF403I NEDLUDD - STARTED

O operador consulta o SDSF.

Nenhum usuário autorizado havia submetido aquele job.

Na tela aparece uma única pergunta:

"QUANTOS TRABALHADORES SERÃO NECESSÁRIOS QUANDO AS MÁQUINAS CONSEGUIREM FAZER TODO O TRABALHO?"

Nesse instante, um jovem de 18 anos entra no CPD.

Ele não carrega martelos, não pretende destruir computadores e provavelmente nunca ouviu um modem de 2.400 bits por segundo negociar uma conexão telefônica.

Mas está indignado.

A inteligência artificial, segundo ele, ameaça empregos, elimina vagas e compromete o futuro de sua geração.

Do outro lado está um veterano da informática que testemunhou décadas de transformações tecnológicas.

Alguém que estudava computadores nos anos 1980, quando possuir uma máquina era um privilégio e acessar grandes volumes de informação parecia pertencer à ficção científica.

A conversa começa.

E Ned Ludd, observando aquelas duas gerações, percebe algo extraordinário.

O mundo mudou profundamente.

Mas a pergunta dos trabalhadores de 1811 continua viva.



⚒️ Capítulo I — Quem foi Ned Ludd, o comandante que talvez nunca tenha existido?

Antes de investigar a inteligência artificial, precisamos conhecer nosso personagem.

Ned Ludd, também chamado de General Ludd ou King Ludd, foi a figura simbólica de um movimento de trabalhadores britânicos que ganhou força a partir de 1811.

Sua existência como indivíduo histórico nunca foi comprovada.

Uma tradição popular associa seu nome a um aprendiz que teria destruído um tear depois de um conflito com seu empregador.

Outra imagem lendária apresenta Ned Ludd como um comandante escondido na floresta de Sherwood, território associado ao famoso Robin Hood.

O paralelo é irresistível.

Robin Hood enfrentava a injustiça retirando riquezas dos poderosos.

Ned Ludd enfrentava o poder industrial atacando suas máquinas.

Mas precisamos separar literatura de história.

Os luditas eram reais. Seus protestos, cartas, ataques e julgamentos estão documentados. O comandante que teria organizado tudo provavelmente era uma personagem coletiva, utilizada como símbolo de resistência.

O movimento surgiu em Nottinghamshire e alcançou regiões industriais como Yorkshire e Lancashire.

Seus integrantes incluíam trabalhadores qualificados da indústria têxtil, que conheciam profundamente os equipamentos e processos produtivos.

Isso derruba o primeiro grande mito.

Os luditas não eram necessariamente pessoas ignorantes que tinham medo de qualquer máquina.

Muitos utilizavam equipamentos mecânicos diariamente.

A questão era como determinados empresários introduziam tecnologias para reduzir custos, diminuir salários, desvalorizar habilidades tradicionais e modificar as condições de trabalho.

Para o proprietário, uma máquina podia representar aumento de produtividade.

Para o trabalhador que sustentava uma família, ela podia representar desemprego.

Ned Ludd não precisava compreender economia política para perceber uma realidade simples:

A máquina não sentia fome.

O trabalhador, sim.

Curiosidade histórica

Em 1812, o Parlamento britânico tornou a destruição de determinados equipamentos industriais um crime punível com a morte.

No ano seguinte, 17 homens foram executados em York em conexão com a repressão aos protestos luditas.

A reação estatal demonstra a importância que a mecanização havia adquirido para os interesses industriais britânicos.

Entretanto, a repressão não resolveu automaticamente as dificuldades enfrentadas pelas famílias trabalhadoras.

Essa diferença entre proteger investimentos e proteger pessoas continua relevante no século XXI.



👞 Capítulo II — O mistério dos tamancos: a verdadeira história da sabotagem

Existe uma história extraordinariamente popular sobre a origem da palavra sabotagem.

Segundo ela, trabalhadores franceses utilizavam tamancos de madeira chamados sabots e, durante conflitos industriais, lançavam seus calçados nas engrenagens para paralisar as máquinas.

A imagem é cinematográfica.

Um trabalhador irritado retira o tamanco, observa a máquina que ameaça seu emprego e arremessa o objeto contra o mecanismo.

Engrenagens quebram.

Produção interrompida.

Nasce a sabotagem!

Mas existe um problema.

Não há comprovação histórica de que a palavra tenha surgido dessa prática.

A ligação etimológica com sabot é real, mas a narrativa dos tamancos lançados nas engrenagens é considerada uma explicação popular não demonstrada.

O verbo francês saboter teve sentidos relacionados ao caminhar ruidoso e à execução grosseira de determinada atividade, antes de adquirir associações com ações deliberadas de interrupção e dano.

Essa curiosidade é importante porque mostra como uma história atraente pode sobreviver durante gerações, mesmo quando suas evidências são frágeis.

E não é exatamente isso que acontece com determinados conteúdos produzidos ou multiplicados pela inteligência artificial?

Uma explicação parece perfeita.

É reproduzida milhares de vezes.

Mas ninguém verifica sua origem.

Primeira lição de Ned Ludd: desconfie das histórias que explicam fenômenos complexos de maneira excessivamente simples.

No COBOL, chamaríamos isso de uma regra de negócio que precisa ser validada antes de entrar em produção.



🌾 Capítulo III — Século XVIII: quando o campo começou a expulsar trabalhadores

Voltemos ao mundo anterior às grandes fábricas.

Durante séculos, uma parcela enorme da população europeia esteve envolvida diretamente na agricultura.

Produzir alimentos exigia muito trabalho humano e animal.

Preparar a terra, plantar, colher, debulhar, transportar e armazenar eram atividades intensivas em mão de obra.

Na Grã-Bretanha dos séculos XVIII e XIX, transformações agrícolas aumentaram a produtividade.

Novas técnicas de cultivo, mudanças na organização das propriedades, cercamentos, aperfeiçoamento de ferramentas e mecanização alteraram profundamente a economia rural.

Um exemplo clássico foi a semeadora mecânica associada a Jethro Tull, desenvolvida no início do século XVIII.

Posteriormente, máquinas de debulhar e equipamentos de colheita reduziram a quantidade de trabalho necessária para determinadas operações.

Mas é importante evitar uma simplificação histórica: a migração rural não foi causada exclusivamente pelas máquinas agrícolas.

Crescimento populacional, transformações fundiárias, oportunidades industriais e mudanças econômicas também contribuíram.

O resultado foi uma sociedade em transformação.

Trabalhadores deixaram atividades tradicionais e buscaram oportunidades nas cidades.

E as cidades industriais precisavam de gente.

Milhares de homens, mulheres e crianças passaram a trabalhar em fábricas, minas de carvão, fundições e tecelagens.

A produção cresceu.

Mas também cresceram problemas como jornadas prolongadas, acidentes, exploração infantil, habitações insalubres e doenças ocupacionais.

O progresso econômico não significou imediatamente progresso social para todos.

Ned Ludd teria reconhecido essa contradição.

A máquina podia produzir mais.

Mas quem ficaria com os benefícios?


🚂 Capítulo IV — Vapor, eletricidade e motores: a humanidade reinventa o trabalho

A Revolução Industrial não terminou nos teares.

A máquina a vapor transformou a indústria, a mineração e os transportes.

Ferrovias ampliaram mercados.

Navios a vapor modificaram o comércio internacional.

Máquinas industriais aumentaram a capacidade produtiva.

Posteriormente, a eletricidade permitiu reorganizar fábricas, iluminar cidades e desenvolver novos processos.

O motor de combustão interna transformou transportes, agricultura e logística.

Cada mudança alterou a composição da força de trabalho.

Profissões desapareceram, diminuíram ou perderam importância econômica.

Outras nasceram.

A expansão ferroviária exigiu maquinistas, operadores, mecânicos, engenheiros e profissionais de manutenção.

O automóvel criou indústrias inteiras de fabricação, reparação, combustíveis, estradas e componentes.

A eletrificação ampliou oportunidades para eletricistas, engenheiros e fabricantes de equipamentos.

O crescimento das grandes empresas estimulou estruturas administrativas cada vez mais complexas.

Surgiram departamentos enormes de contabilidade, recursos humanos, faturamento, compras e processamento de documentos.

Era a época dos funcionários de colarinho branco.

Mas não devemos transformar essa história numa equação mágica:

EMPREGOS DESTRUÍDOS = EMPREGOS CRIADOS

A economia não funciona assim.

Novas profissões podem exigir qualificações que os trabalhadores deslocados não possuem.

Podem surgir em cidades distantes.

Podem pagar menos.

Ou podem aparecer apenas muitos anos depois.

Uma sociedade pode ficar mais rica enquanto determinadas pessoas ficam mais pobres.

Esse é o verdadeiro problema da transição tecnológica.


🎼 Capítulo V — Da orquestra ao DJ: quando um rapaz substituiu dezenas de músicos

Imagine uma festa elegante em 1925.

Para oferecer música ao vivo, o organizador precisava contratar instrumentistas.

Dependendo do repertório, poderia necessitar de um conjunto ou de uma grande orquestra.

Cada apresentação exigia trabalho humano presencial.

A popularização da música gravada mudou essa relação.

Discos, rádios, fitas magnéticas, cassetes, CDs e arquivos digitais permitiram reproduzir milhões de vezes performances realizadas anteriormente.

Com um equipamento de som, o organizador de um evento podia dispensar uma apresentação musical ao vivo.

Mais tarde, sintetizadores, sequenciadores e estações digitais de áudio possibilitaram criar arranjos complexos utilizando poucas pessoas.

O DJ passou a ocupar espaços que anteriormente dependiam de grupos musicais.

Mas não podemos concluir que todo DJ apenas aperta botões.

A atividade pode exigir seleção musical, conhecimento de ritmo, mixagem, criatividade e leitura do público.

O ponto econômico, entretanto, permanece.

A quantidade de pessoas necessárias para oferecer determinada experiência musical podia diminuir radicalmente.

E a tecnologia também criou novas profissões.

Produtores, engenheiros de áudio, técnicos de som, desenvolvedores de instrumentos virtuais, especialistas em distribuição digital e criadores independentes passaram a integrar o mercado musical.

Depois chegaram os serviços de streaming.

O produto deixou de depender exclusivamente da venda de objetos físicos.

Agora, a IA acrescenta outra transformação.

Ferramentas generativas conseguem produzir músicas, sintetizar vozes e criar arranjos.

A tecnologia não apenas reproduz uma performance humana.

Ela começa a executar parte do trabalho criativo utilizado para produzir essa performance.

Ned Ludd observa um computador compondo uma melodia.

E pergunta:

"Se ninguém contratar o músico, quem financiará a próxima geração de artistas?"

A resposta não é simples.

A música pode tornar-se mais abundante e barata.

Mas abundância de conteúdo não garante remuneração adequada para quem vive da criação.


📷 Capítulo VI — Stalin fazia Photoshop antes de existir Photoshop!

A manipulação de fotografias é muito anterior aos computadores pessoais.

Durante o regime de Josef Stalin, fotografias foram alteradas para remover determinadas figuras políticas, modificar registros visuais e reforçar narrativas oficiais.

Um caso famoso envolve Nikolai Yezhov, antigo chefe da polícia política soviética, posteriormente removido de uma fotografia em que aparecia próximo a Stalin.

O retoque exigia técnicas analógicas.

Negativos, máscaras, pincéis, aerógrafos e trabalho especializado permitiam alterar imagens.

Portanto, a manipulação visual não nasceu com o Adobe Photoshop, lançado em 1990.

A tecnologia digital reduziu a dificuldade de realizar diversas alterações.

Posteriormente, os smartphones tornaram filtros e correções acessíveis a milhões de pessoas.

Agora, a inteligência artificial permite criar fotografias de acontecimentos inexistentes e modificar imagens mediante comandos de linguagem natural.

A necessidade humana de alterar representações visuais permaneceu.

O processo técnico mudou.

A diferença fundamental está no custo e na escala.

Antes, produzir uma falsificação convincente frequentemente exigia conhecimento especializado e tempo.

Hoje, determinadas manipulações podem ser produzidas em segundos.

Ned Ludd percebe a consequência.

Uma máquina que executa em segundos o trabalho de um especialista pode democratizar a criação.

Mas também pode reduzir oportunidades profissionais e facilitar a fabricação de desinformação.

O desafio passa a incluir autenticidade, procedência, confiança e responsabilidade.

A fotografia nunca foi uma garantia absoluta de verdade. A IA apenas tornou essa limitação muito mais visível.


🎭 Capítulo VII — O teatro deveria ter morrido quando nasceu o cinema?

Quando o cinema surgiu, apareceu uma nova maneira de apresentar histórias ao público.

Uma performance podia ser registrada e exibida repetidamente.

O mesmo filme alcançava milhares ou milhões de espectadores sem exigir que os atores repetissem presencialmente cada cena.

O cinema criou uma indústria enorme.

Diretores, roteiristas, atores, montadores, operadores de câmera, técnicos de iluminação, cenógrafos e muitos outros profissionais passaram a trabalhar nessa atividade.

Mas o teatro não desapareceu.

Posteriormente surgiu a televisão doméstica.

Depois vieram VHS, DVD, Blu-ray e streaming.

Cada inovação modificou a distribuição, os custos e os hábitos de consumo.

A Netflix não destruiu automaticamente o cinema, assim como o cinema não extinguiu o teatro.

As tecnologias passaram a coexistir, competir e, em alguns casos, atender a experiências diferentes.

Entretanto, determinadas ocupações e modelos comerciais sofreram perdas profundas.

As locadoras de vídeo são um excelente exemplo.

Durante décadas, mantiveram lojas, funcionários, distribuidores e uma cadeia de serviços.

A distribuição digital eliminou boa parte da necessidade daquele modelo físico.

O desejo de assistir a filmes permaneceu.

A infraestrutura comercial mudou.

Essa é a lição que Ned Ludd levaria ao século XXI.

Uma necessidade humana pode sobreviver mesmo quando as profissões que a atendiam desaparecem.

E a inteligência artificial está ampliando essa transformação para atividades intelectuais e criativas.


🖥️ Capítulo VIII — Anos 1980: estudantes brasileiros imaginaram a busca digital

Agora nossa história deixa a Inglaterra e chega a uma sala de aula brasileira.

Estamos nos anos 1980.

Um grupo de estudantes de um curso técnico de informática discute possibilidades que parecem pertencer ao futuro.

E se os computadores se tornassem menores?

E se fossem muito mais baratos?

E se qualquer pessoa pudesse consultar uma enciclopédia eletrônica?

Como encontrar rapidamente um assunto entre milhares ou milhões de documentos?

Como desenvolver um sistema capaz de pesquisar informações automaticamente?

Essas perguntas antecipavam problemas centrais da busca digital.

Naturalmente, ideias e experimentos semelhantes já existiam em universidades, centros de pesquisa e empresas internacionais.

Mas o aspecto fascinante é que jovens estudantes brasileiros também conseguiam identificar aquelas possibilidades.

O problema não era apenas imaginar.

Era construir.

Na década de 1980, computadores, armazenamento e infraestrutura de comunicação ainda representavam barreiras econômicas enormes para grande parte da população brasileira.

A Lei nº 7.232, de 1984, estabeleceu a Política Nacional de Informática, associada à chamada reserva de mercado.

Seu objetivo incluía fortalecer a capacidade tecnológica nacional.

A política contribuiu para desenvolver competências e empresas brasileiras, mas também enfrentou dificuldades relacionadas a custos, acesso a tecnologias e competitividade. Seus resultados continuam sendo debatidos.

Enquanto isso, sistemas de informação digital evoluíam internacionalmente.

Em 1989, Tim Berners-Lee propôs a World Wide Web no CERN.

Em 1993, a Microsoft lançou a Encarta.

Em 1994, surgiu o Yahoo!, inicialmente como diretório da Web.

Em 1998, nasceu o Google.

Em 2001, começou a Wikipédia.

Aquelas perguntas discutidas entre estudantes tornaram-se componentes de uma economia global.

Mas existe uma distinção fundamental.

Ter uma ideia promissora não significa possuir capital, infraestrutura, mercado e condições para transformá-la numa empresa internacional.

Talento tecnológico e oportunidade econômica não são sinônimos.

E aqui encontramos uma diferença importante entre dois momentos históricos.

Nos anos 1980, o sonho era tornar computadores poderosos acessíveis às pessoas comuns.

Em 2026, milhões de pessoas conseguem utilizar inteligência artificial avançada em equipamentos relativamente baratos.

Entretanto, desenvolver e operar os maiores modelos continua exigindo imensa capacidade computacional, energia, centros de dados e investimentos bilionários.

Parte da barreira de entrada desapareceu.

Outra parte se deslocou para a infraestrutura.

Ned Ludd reconheceria imediatamente a questão:

Quem possui as máquinas?

Quem decide como serão utilizadas?

Quem recebe a maior parte do valor produzido?


👨‍👦 Capítulo IX — O pai que acredita no progresso e o filho que teme o futuro

Chegamos ao coração desta história.

Um jovem de 18 anos, nascido numa sociedade digital, apresenta críticas apaixonadas à inteligência artificial.

Sua principal preocupação é o trabalho.

Empregos desaparecendo.

Vagas reduzidas.

Profissões ameaçadas.

Incerteza econômica.

O pai responde utilizando a história.

Lembra a mecanização agrícola.

A Revolução Industrial.

A máquina a vapor.

A eletricidade.

O automóvel.

Os computadores.

As orquestras substituídas por música gravada.

Os profissionais de retoque fotográfico substituídos parcialmente por ferramentas digitais.

O teatro enfrentando o cinema.

O cinema enfrentando a televisão.

E a indústria audiovisual enfrentando o streaming.

Seu argumento é consistente:

Ao longo da história, tecnologias eliminaram atividades, mas também criaram oportunidades que anteriormente não existiam.

O jovem, entretanto, não se convence.

E talvez exista uma razão.

O pai observa a tecnologia a partir de décadas de experiência.

Testemunhou transformações extraordinárias e sabe que novas profissões surgem quando antigas estruturas econômicas desaparecem.

O filho observa o futuro a partir do momento de entrada no mercado de trabalho.

Para ele, a questão não é saber quantas profissões a humanidade inventará até 2050.

A questão é conseguir o primeiro emprego.

Conquistar independência financeira.

Pagar uma casa.

Construir uma vida.

A tensão não é necessariamente entre conhecimento e ignorância.

É entre a memória de oportunidades que surgiram e o receio das oportunidades que podem desaparecer.

Ned Ludd percebe que os dois estão discutindo aspectos diferentes da mesma transformação.

O pai pergunta:

"O que a humanidade conseguirá criar com essa tecnologia?"

O filho pergunta:

"Quem ainda precisará contratar alguém como eu?"

Ambas são perguntas legítimas.


📱 Capítulo X — O paradoxo dos nativos digitais

Existe uma ironia extraordinária nessa história.

A geração que cresceu utilizando smartphones, internet, jogos online, redes sociais e sistemas digitais pode ser particularmente crítica à inteligência artificial.

À primeira vista, parece contraditório.

Mas utilizar uma tecnologia não significa necessariamente confiar nela.

Quem nasceu nos anos 1960 ou 1970 pode recordar computadores como ferramentas raras, caras e fascinantes.

Quem cresceu durante a expansão dos computadores pessoais testemunhou a transformação de equipamentos especializados em produtos de uso cotidiano.

Para muitos pioneiros, a informática representava liberdade.

Capacidade de aprender.

Novas profissões.

Comunicação global.

Acesso ao conhecimento.

Os jovens atuais receberam grande parte dessa infraestrutura pronta.

Não precisaram conquistar o direito de utilizar um computador como se fosse um privilégio.

Mas também cresceram convivendo com algoritmos de recomendação, publicidade personalizada, coleta de dados, dependência de plataformas e disputas por atenção.

Portanto, não é estranho que parte dessa geração enxergue a IA como ampliação do poder tecnológico já existente.

Essa posição não é universal entre os jovens.

Há entusiasmo, curiosidade, indiferença e preocupação em diferentes proporções.

Entretanto, a aparente contradição desaparece quando compreendemos uma coisa:

Ser nativo digital não significa ser otimista digital.

Uma pessoa pode dominar redes sociais e criticar seus efeitos.

Pode utilizar IA diariamente e questionar a concentração de mercado.

Pode reconhecer benefícios tecnológicos e temer suas consequências econômicas.

O General Ludd provavelmente compreenderia essa ambiguidade.

Afinal, seus seguidores também conheciam as máquinas que contestavam.


🤖 Capítulo XI — A grande diferença: agora a máquina também executa tarefas intelectuais

Durante boa parte da industrialização, a automação esteve fortemente associada a atividades físicas, repetitivas e mecânicas.

O trabalhador operava uma máquina.

Posteriormente, computadores passaram a automatizar cálculos, registros e tarefas administrativas.

Surgiram novas especialidades relacionadas ao desenvolvimento e manutenção desses sistemas.

A inteligência artificial generativa introduziu outra dimensão.

Agora computadores conseguem produzir textos, códigos, imagens, análises, traduções e conteúdos audiovisuais.

Isso não significa que tenham capacidade humana geral ou que consigam executar qualquer profissão autonomamente.

Mas significa que tarefas anteriormente consideradas intelectuais podem ser parcialmente automatizadas.

E existe uma diferença enorme entre automatizar tarefas e eliminar profissões.

Um médico não realiza apenas diagnósticos.

Um advogado não escreve apenas documentos.

Um professor não transmite apenas informações.

Um programador não produz apenas linhas de código.

Cada profissão envolve decisões, contexto, comunicação, responsabilidade e atividades interdependentes.

Mesmo assim, se uma ferramenta automatiza parte substancial do trabalho, uma organização pode reduzir contratações ou reorganizar equipes.

Em 2025, a Organização Internacional do Trabalho estimou que aproximadamente um em cada quatro trabalhadores do mundo estava numa ocupação com algum grau de exposição à IA generativa.

A organização ressaltou que a transformação das ocupações seria, em geral, mais provável do que sua eliminação completa.

Mas pesquisas de 2026 começaram a identificar sinais importantes entre trabalhadores jovens.

Um estudo revisado pelo Stanford Digital Economy Lab, com dados de trabalhadores norte-americanos até junho de 2026, encontrou um déficit relativo de aproximadamente 19% no emprego de pessoas entre 22 e 25 anos em ocupações muito expostas à IA, comparadas às trajetórias de jovens em ocupações menos expostas.

Não se trata de uma taxa de desemprego de 19%, nem de prova de que a IA seja a única causa.

O estudo também não identificou substituição generalizada de trabalhadores em toda a economia.

Mas detectou um problema particularmente relevante:

A redução relativa parecia ocorrer principalmente nas contratações dos mais jovens.

E isso nos leva a uma pergunta inquietante.

Se as empresas deixarem de contratar aprendizes, onde encontrarão especialistas no futuro?


💾 Capítulo XII — Ned Ludd encontra um programador COBOL

Imagine agora uma instituição financeira em 2026.

No centro de sua operação existem aplicações COBOL desenvolvidas e modificadas durante décadas.

Esses programas executam regras de negócio que podem envolver cálculos financeiros, movimentação de contas, processamento de arquivos, validações e integração com diferentes sistemas.

Uma empresa decide utilizar inteligência artificial para apoiar a modernização dessas aplicações.

O objetivo é compreender código legado, identificar dependências, produzir documentação e auxiliar na criação de testes.

Ned Ludd observa a operação e pergunta:

"Então a máquina vai substituir o programador?"

A resposta exige cuidado.

Ferramentas inteligentes podem acelerar atividades de análise e desenvolvimento.

Mas produzir um programa que compila não é a mesma coisa que demonstrar que suas regras estão corretas.

Imagine uma aplicação de cálculo financeiro que utiliza o ano comercial de 360 dias.

Um sistema de IA interpreta a fórmula como uma simplificação desnecessária e a substitui por um cálculo baseado em 365 dias.

A alteração pode parecer tecnicamente razoável.

Mas, se o contrato exige a convenção de 360 dias, o resultado estará errado.

Esse pequeno exemplo demonstra a diferença entre executar instruções e compreender regras empresariais.

Um exemplo didático em COBOL

       IDENTIFICATION DIVISION.
       PROGRAM-ID. NEDLUDD.

       DATA DIVISION.
       WORKING-STORAGE SECTION.
       01 WS-EMPREGOS-ANTES PIC 9(5) VALUE 1000.
       01 WS-EMPREGOS-DEPOIS PIC 9(5) VALUE 200.
       01 WS-DIFERENCA PIC 9(5).

       PROCEDURE DIVISION.
           COMPUTE WS-DIFERENCA =
               WS-EMPREGOS-ANTES -
               WS-EMPREGOS-DEPOIS

           DISPLAY "EMPREGOS ANTES: "
               WS-EMPREGOS-ANTES

           DISPLAY "EMPREGOS DEPOIS: "
               WS-EMPREGOS-DEPOIS

           DISPLAY "POSTOS REDUZIDOS: "
               WS-DIFERENCA

           GOBACK.

O programa é simples.

Ele representa uma organização hipotética que reduziu seu quadro de mil para duzentos trabalhadores.

O resultado será de oitocentos postos a menos.

Mas observe o que ele não consegue responder.

Quantos trabalhadores encontraram novas atividades?

Quantos foram requalificados?

Quantos perderam renda?

Quantos novos empregos apareceram em outros setores?

O código calcula perfeitamente uma diferença.

Mas não interpreta sozinho o destino humano das pessoas representadas pelos números.

Essa é uma lição essencial para quem começa a estudar COBOL.

Um resultado matematicamente correto não é necessariamente uma análise economicamente completa.

Passo a passo para o programador iniciante

  1. Identifique os dados de entrada e sua origem.

  2. Defina claramente as regras de negócio.

  3. Separe cálculos objetivos de interpretações.

  4. Verifique se existem informações ausentes.

  5. Teste o programa com valores diferentes.

  6. Documente as hipóteses utilizadas.

  7. Nunca confunda um cálculo produzido pela IA com uma decisão validada por um especialista.

A inteligência artificial pode ajudar em todas essas etapas.

Mas a responsabilidade pela utilização dos resultados continua sendo uma questão humana, técnica e institucional.


💰 Capítulo XIII — O paradoxo da fábrica que produz tudo e não vende nada

Imagine uma fábrica com mil empregados.

Ela fabrica dez mil unidades mensais de determinado produto.

Depois de investir em automação, passa a fabricar vinte mil unidades utilizando apenas duzentos funcionários.

A produtividade aumenta extraordinariamente.

O proprietário comemora.

Os consumidores podem receber produtos mais baratos.

Mas oitocentos trabalhadores precisam encontrar novas fontes de renda.

Se situações semelhantes acontecerem simultaneamente em muitos setores, surge uma pergunta econômica importante.

Quem terá dinheiro para consumir tudo o que as máquinas conseguem produzir?

Naturalmente, a economia não depende exclusivamente dos salários pagos por uma única fábrica.

Existem investimentos, rendimentos de capital, exportações, gastos públicos, novas atividades e outros mecanismos de circulação da renda.

Por isso, a automação não provoca necessariamente uma crise de consumo.

Entretanto, a questão distributiva permanece.

Se os ganhos de produtividade ficarem concentrados, a desigualdade poderá crescer.

Se forem compartilhados por meio de salários, preços menores, serviços acessíveis, jornadas reduzidas ou proteção social, os resultados poderão ser diferentes.

O problema não é exclusivamente tecnológico.

É também institucional e econômico.

A história mostra que aumento da produção e melhoria das condições de vida não caminham automaticamente na mesma velocidade.


🍞 Capítulo XIV — As máquinas não sentem fome, mas os seres humanos continuam precisando comer

Aqui chegamos à questão mais profunda de toda a investigação.

Desde o século XVIII, a humanidade experimentou sucessivas transformações tecnológicas.

Mas algumas necessidades permanecem.

Alimentação.

Habitação.

Água.

Energia.

Saúde.

Segurança.

Convivência.

Acesso a bens e serviços.

Um trabalhador de 1811 precisava comer.

Um programador COBOL de 2026 também.

O avanço tecnológico não elimina essas necessidades.

Mas também não garante automaticamente os recursos necessários para satisfazê-las.

A história oferece exemplos dramáticos de como decisões políticas e estruturas econômicas podem comprometer o acesso aos alimentos.

Na União Soviética, a fome de 1932–1933, incluindo o Holodomor na Ucrânia, foi agravada por políticas de coletivização forçada, requisições e repressão.

Na China, durante o Grande Salto Adiante, decisões econômicas e políticas contribuíram para uma fome catastrófica entre 1959 e 1961.

Mas a fome não ficou restrita aos regimes ditatoriais.

A Grande Fome Irlandesa do século XIX, sob administração britânica, demonstra como uma crise agrícola pode transformar-se em catástrofe humana quando associada à pobreza, à vulnerabilidade social e a respostas institucionais inadequadas.

Esses episódios possuem contextos históricos e responsabilidades diferentes.

A conclusão comum é que a existência de recursos e capacidade produtiva não garante sua distribuição adequada.

E essa reflexão ganha novo significado diante da inteligência artificial.

Se máquinas conseguirem produzir alimentos, construir equipamentos, transportar mercadorias e executar parte crescente do trabalho intelectual, poderemos viver numa sociedade extraordinariamente produtiva.

Mas como as pessoas terão acesso aos bens produzidos?

A renda continuará dependendo principalmente do emprego?

As jornadas de trabalho poderão diminuir?

Surgirão novas ocupações?

Será necessário ampliar mecanismos de proteção social?

Nenhuma resposta está determinada.

São escolhas que dependem da forma como organizamos a economia e as instituições.

O desafio não é apenas ensinar máquinas a produzir riqueza. É decidir como essa riqueza pode melhorar a vida humana.


🔮 Capítulo XV — Ned Ludd apresenta cinco perguntas para 2030

Depois de percorrer dois séculos de transformações, o General Ludd retorna ao Bellacosa Mainframe.

Mas não está mais interessado em destruir equipamentos.

Agora deseja compreender o futuro.

1. Quem será responsável por formar os profissionais experientes?

Se as ferramentas inteligentes executarem muitas tarefas tradicionalmente atribuídas aos iniciantes, empresas e instituições precisarão encontrar novas maneiras de formar especialistas.

Uma profissão não pode depender indefinidamente de conhecimentos adquiridos por gerações anteriores.

2. Quem receberá os ganhos de produtividade?

Máquinas mais eficientes podem significar produtos baratos, novos serviços, salários melhores ou lucros maiores.

A proporção desses benefícios depende de decisões econômicas.

3. O conhecimento continuará acessível?

A inteligência artificial pode diminuir barreiras de aprendizagem e desenvolvimento.

Mas também pode ampliar a dependência de plataformas fechadas e infraestrutura concentrada.

4. O trabalhador continuará possuindo autonomia?

Uma ferramenta que auxilia um profissional pode ampliar suas capacidades.

Uma organização que utiliza a mesma ferramenta para vigiar, pressionar ou substituir pessoas pode produzir consequências muito diferentes.

5. Será possível trabalhar menos e viver melhor?

Talvez essa seja a questão mais ambiciosa.

Durante séculos, o aumento da produtividade foi apresentado como caminho para reduzir o esforço humano.

Por que, então, a perspectiva de máquinas mais capazes continua provocando tanta insegurança?

Porque o direito de consumir e viver dignamente ainda depende, para grande parte da população, da renda obtida pelo trabalho.

Ned Ludd conclui que não existe uma resposta puramente tecnológica.


🧭 Capítulo XVI — O que um jovem e um veterano podem aprender um com o outro?

Aos olhos do veterano, a tecnologia é uma sucessão de fronteiras conquistadas.

Ele recorda uma época em que computadores eram caros e inacessíveis.

Lembra estudantes discutindo enciclopédias digitais antes da popularização da Web.

Conhece a evolução dos mainframes e o desenvolvimento de ferramentas capazes de realizar trabalhos anteriormente impensáveis.

Sua experiência mostra que a inovação pode abrir caminhos econômicos inteiramente novos.

O jovem, entretanto, observa um mercado competitivo e incerto.

Questiona o desaparecimento de vagas, o valor das qualificações e as condições de entrada nas profissões.

Seu receio não deve ser descartado apenas porque revoluções anteriores criaram empregos.

Mas a existência desses riscos também não significa que a única resposta possível seja rejeitar a inteligência artificial.

A discussão torna-se muito mais rica quando ambos reconhecem os limites de seus argumentos.

O veterano não pode garantir que todos os empregos substituídos serão compensados.

O jovem não pode afirmar que todas as novas tecnologias necessariamente produzirão desemprego permanente.

Há incerteza real.

E existe espaço para aprendizado mútuo.

Talvez o papel mais importante de quem conhece a história da computação não seja convencer os jovens de que tudo ficará bem.

Talvez seja ajudá-los a compreender o funcionamento das tecnologias, desenvolver competências, identificar riscos e participar da construção das soluções.

Da mesma maneira, os jovens podem lembrar aos entusiastas que inovação sem inclusão pode produzir ressentimento, desigualdade e insegurança.

A história não oferece garantias.

Mas oferece advertências.


🥚 Easter egg — A mensagem secreta de Ned Ludd

03h17.

O job misterioso termina sua execução.

O operador consulta o SDSF pela última vez.

IEF404I NEDLUDD - ENDED

No SYSOUT aparece uma pequena mensagem:

BELLACOSA MAINFRAME
----------------------------

ANO: 1811
MAQUINA: TEAR
AMEACA: PERDER O SALARIO

ANO: 1984
MAQUINA: MICROCOMPUTADOR
AMEACA: FICAR PARA TRAS

ANO: 2026
MAQUINA: INTELIGENCIA ARTIFICIAL
AMEACA: PERDER A PROFISSAO

----------------------------

PERGUNTA FINAL:

QUEM POSSUI AS MAQUINAS?
QUEM RECEBE A PRODUTIVIDADE?
QUEM PROTEGE AS PESSOAS?

RETURN-CODE: 0000

O operador sorri.

Um retorno zero normalmente indica que o processamento terminou sem os erros definidos como impeditivos.

Mas não significa que todas as perguntas do mundo estejam respondidas.

Nos sistemas empresariais, um programa pode terminar perfeitamente e ainda executar uma regra de negócio equivocada.

Na sociedade, uma revolução tecnológica pode aumentar a produtividade e ainda produzir resultados profundamente injustos.

A máquina terminou seu trabalho.

A humanidade ainda não terminou o seu.


☕ Epílogo — O último encontro com o General Ludd

Nottingham, 1811.

Um artesão observa um tear capaz de produzir tecidos utilizando menos trabalho humano.

Ele teme perder seu sustento.

Brasil, anos 1980.

Estudantes de informática imaginam computadores baratos, enciclopédias eletrônicas e sistemas de pesquisa acessíveis à população.

Eles sonham com possibilidades que ainda não conseguem construir.

Mundo, 2026.

Um jovem de 18 anos questiona a inteligência artificial.

Ele teme que as máquinas eliminem as oportunidades profissionais antes mesmo de sua geração conquistar espaço no mercado.

Ao seu lado está alguém que testemunhou décadas de transformações tecnológicas e acredita na capacidade humana de criar novas atividades.

Nenhum dos dois possui todas as respostas.

O primeiro conhece o poder da inovação.

O segundo percebe a vulnerabilidade de quem precisa construir o próprio futuro.

E talvez seja essa a grande lição dos luditas.

Não devemos romantizar a destruição de máquinas, a violência ou a oposição indiscriminada ao progresso.

Mas também não devemos transformar os trabalhadores que resistiram à mecanização em caricaturas de pessoas ignorantes.

Eles identificaram uma questão que permanece conosco.

O progresso tecnológico pode beneficiar a sociedade sem beneficiar igualmente todos os indivíduos.

Em 1811, Ned Ludd temia os teares.

Em 2026, o jovem teme a inteligência artificial.

Mas há uma diferença extraordinária.

Hoje possuímos recursos científicos, educacionais, institucionais e tecnológicos que os trabalhadores do início da Revolução Industrial sequer poderiam imaginar.

Podemos estudar os erros anteriores.

Podemos desenvolver novas formas de qualificação.

Podemos discutir a distribuição dos ganhos de produtividade.

Podemos criar instrumentos de proteção social.

Podemos orientar a inovação para ampliar oportunidades.

Nada disso acontecerá automaticamente.

E a pergunta final talvez não seja se a inteligência artificial destruirá empregos ou criará profissões.

A pergunta realmente importante é outra:

Quando as máquinas conseguirem realizar cada vez mais trabalho, teremos inteligência coletiva suficiente para transformar essa capacidade em prosperidade humana?

Ned Ludd deixa o martelo sobre a mesa.

Olha para o terminal IBM Z.

E, pela primeira vez em 215 anos, não tenta destruir a máquina.

Ele quer saber quem ficará com os benefícios de seu trabalho.

Porque o verdadeiro desafio da inteligência artificial não é ensinar as máquinas a trabalhar.

É construir uma sociedade na qual o progresso das máquinas não signifique a perda do futuro das pessoas.


Bellacosa Mainframe — Onde a história encontra o COBOL, a arqueologia da computação encontra a inteligência artificial e até os fantasmas da Revolução Industrial precisam aprender a utilizar o SDSF.

Referências históricas e técnicas para aprofundamento:

  • The National Archives, Reino Unido — Why Did the Luddites Protest?

  • Oxford Dictionary of National Biography — Ludd, Ned.

  • Online Etymology Dictionary — Sabotage.

  • Lei nº 7.232, de 29 de outubro de 1984 — Política Nacional de Informática.

  • Organização Internacional do Trabalho — Generative AI and Jobs: A 2025 Update.

  • Stanford Digital Economy Lab — Canaries in the Coal Mine? Six Facts About the Recent Employment Effects of Artificial Intelligence, revisão de agosto de 2026.

Nota editorial: as cenas de Ned Ludd no CPD, suas falas e os registros de execução são ficcionais e utilizados como recurso narrativo. Os acontecimentos históricos e os estudos citados são apresentados separadamente das dramatizações.

quinta-feira, 8 de outubro de 2026

🤖 EDEN OF THE EAST: A REBELIÃO DA GERAÇÃO Z — YUTAKA ITAZU DESCOBRE QUE AS BIG TECHS ROUBARAM O FUTURO DOS JOVENS!

 

Bellacosa Mainframe e a rebeliao da geração Z contra a ia e as big techs

☕ UM CAFÉ NO BELLACOSA MAINFRAME

🤖 EDEN OF THE EAST: A REBELIÃO DA GERAÇÃO Z — YUTAKA ITAZU DESCOBRE QUE AS BIG TECHS ROUBARAM O FUTURO DOS JOVENS!

Quando a geração que cresceu conectada à internet começa a desconfiar da inteligência artificial, um hacker recluso de Kyoto resolve investigar quem está controlando o futuro da humanidade. Sob a tutela de Yutaka Itazu, de Eden of the East, vamos mergulhar no desemprego tecnológico, nos algoritmos invisíveis, na concentração de poder das Big Techs e nas surpreendentes lições que COBOL, IBM Z e a arqueologia da computação oferecem para compreender a revolta digital de 2026.

Bellacosa Mainframe — Arqueologia da Computação, COBOL, IBM Z, Inteligência Artificial e os Fantasmas do Futuro Digital



🎬 Prólogo — O dia em que Yutaka Itazu descobriu que a juventude estava se rebelando

Kyoto, Japão. Outubro de 2026.

Um apartamento desarrumado. Embalagens de comida espalhadas pelo chão. Monitores iluminando uma sala escura, cabos atravessando os móveis e um computador trabalhando há tantas horas que ninguém mais se lembrava de quando havia sido ligado.

Em frente às telas estava Yutaka Itazu.

Mais conhecido como Pantsu, o genial hacker recluso de Eden of the East.

Itazu não era exatamente aquilo que as empresas modernas procuravam em um funcionário.

Não frequentava escritórios. Não participava de reuniões motivacionais. Não demonstrava entusiasmo com discursos corporativos sobre produtividade.

Entretanto, possuía uma capacidade extraordinária de compreender sistemas e reconhecer padrões que outros sequer percebiam.

Naquela manhã, uma notícia chamou sua atenção.

"Jovens ampliam rejeição à inteligência artificial e às Big Techs."

A reportagem havia sido publicada pelo jornal Valor Econômico em 21 de maio de 2026.

Itazu abriu novas janelas no monitor.

Pesquisas de opinião. Estatísticas de emprego. Relatórios de empresas de tecnologia. Estudos sobre inteligência artificial.

Os resultados pareciam contraditórios.

Os jovens utilizavam IA para estudar, trabalhar, escrever e programar.

Mas estavam ficando cada vez mais desconfiados.

Uma pesquisa indicava que 55% dos adultos americanos entre 18 e 29 anos estavam mais preocupados do que entusiasmados com a IA.

Outro levantamento revelava que 79% dos jovens americanos dessa faixa etária confiavam pouco ou nada no uso responsável da inteligência artificial pelas empresas.

E, ao mesmo tempo, 51% dos integrantes da geração Z entrevistados em outro estudo continuavam utilizando IA generativa pelo menos semanalmente.

Itazu esfregou os olhos.

Afinal, como alguém poderia utilizar diariamente uma tecnologia e desconfiar profundamente dela?

A resposta começou a aparecer quando ele examinou uma variável que os relatórios corporativos frequentemente tratavam como secundária.

O futuro profissional das pessoas que estavam utilizando aquelas ferramentas.

Ele abriu uma nova janela no computador.

Na tela apareceu uma mensagem imaginária de Juiz, a misteriosa inteligência artificial de Eden of the East.

— Itazu, você encontrou algum problema?

O hacker permaneceu em silêncio por alguns segundos.

— Encontrei algo muito pior. As máquinas estão ficando mais inteligentes, mas ninguém está explicando aos jovens qual será o lugar deles no mundo.

Nossa investigação começava.

Nota editorial: o encontro de Itazu com os dados de 2026 é uma dramatização fictícia. Os levantamentos apresentados ao longo do artigo são reais e identificados nas referências.



🧠 Capítulo I — 2009: quando Eden of the East antecipou a revolta dos jovens

Para compreender por que escolhemos Yutaka Itazu como nosso guia, precisamos voltar a 9 de abril de 2009.

Nessa data estreou no Japão Higashi no Eden, conhecido internacionalmente como Eden of the East.

A produção do estúdio Production I.G foi criada, escrita e dirigida por Kenji Kamiyama, responsável também por trabalhos ligados ao universo de Ghost in the Shell.

A série apresentou 11 episódios e posteriormente recebeu dois filmes que desenvolveram e concluíram sua história principal: The King of Eden, de 2009, e Paradise Lost, de 2010.

Na trama, Akira Takizawa acorda em Washington sem memória, sem roupas e carregando um telefone celular extraordinário.

Esse aparelho permite solicitar operações praticamente inacreditáveis através de uma misteriosa assistente chamada Juiz.

Akira faz parte de um grupo de participantes conhecidos como Seleção, envolvidos num jogo cujo objetivo é transformar o Japão.

O projeto envolve enormes recursos financeiros, influência política e decisões com consequências profundas para a sociedade.

Parece apenas uma aventura tecnológica?

Não exatamente.

Por trás do suspense existe uma crítica ao Japão marcado por estagnação econômica, insegurança profissional e jovens incapazes de encontrar um lugar satisfatório na sociedade.

E é nesse universo que encontramos Itazu.

Quem é Yutaka Itazu?

Itazu é um hacker extremamente competente, mas também um personagem socialmente isolado.

Ele representa, de maneira exagerada e bem-humorada, o universo dos jovens que se afastaram dos caminhos tradicionais da vida profissional.

No Japão, existe um termo importante para essa discussão:

NEET — Not in Education, Employment or Training.

A expressão descreve pessoas que não estão trabalhando, estudando ou participando de formação profissional.

É uma categoria estatística, não um diagnóstico psicológico. Também não significa que todas essas pessoas sejam incapazes, desmotivadas ou socialmente isoladas.

Itazu representa uma versão ficcional particularmente excêntrica desse fenômeno.

Sua genialidade tecnológica contrasta com sua dificuldade de integração social.

E isso é fascinante.

Ele conhece computadores profundamente, mas não consegue transformar automaticamente esse conhecimento em uma vida considerada bem-sucedida pelos padrões tradicionais.

Agora façamos um exercício.

Imagine um novo Itazu nascendo em 2004.

Esse jovem cresceria com smartphones, plataformas digitais e redes sociais.

Aos 18 anos, em 2022, encontraria uma revolução da inteligência artificial generativa.

Aos 22 anos, em 2026, começaria a procurar seu espaço num mercado profissional que utiliza IA para automatizar tarefas anteriormente atribuídas a iniciantes.

O problema de 2009 retornaria com uma dimensão inteiramente nova.

Eden of the East perguntava como utilizar a tecnologia para recuperar uma geração que parecia abandonada. Em 2026, a pergunta é como impedir que a própria tecnologia aprofunde esse abandono.



📊 Capítulo II — A geração Z está mesmo rejeitando a inteligência artificial?

Itazu decidiu começar pelas evidências.

Nada de aceitar manchetes sem investigar as perguntas originais das pesquisas.

Esse cuidado é indispensável para qualquer analista de sistemas.

Uma estatística sem contexto pode ser tão enganosa quanto um programa COBOL executando corretamente sobre dados incorretos.

Em agosto de 2026, o Pew Research Center divulgou uma pesquisa reveladora.

Entre americanos de 18 a 29 anos, a parcela que se declarava mais preocupada do que entusiasmada com a inteligência artificial havia passado de 31% em 2021 para 55% em 2026.

Um aumento de 24 pontos percentuais.

Já a pesquisa Gallup, divulgada em abril de 2026, encontrou um quadro curioso entre integrantes da geração Z.

O entusiasmo com a IA caiu de 36% para 22% entre 2025 e 2026.

A esperança caiu de 27% para 18%.

A raiva aumentou de 22% para 31%.

A ansiedade permaneceu praticamente estável, em torno de 42%.

Ao mesmo tempo, aproximadamente metade dos jovens entrevistados utilizava IA pelo menos uma vez por semana.

Itazu percebeu que não estava analisando uma contradição.

Estava observando duas coisas diferentes.

Utilidade não é confiança.

Uma pessoa pode utilizar um aplicativo bancário diariamente e desconfiar das práticas comerciais do banco.

Pode depender de uma rede social para divulgar seu trabalho e criticar os algoritmos da plataforma.

Pode utilizar inteligência artificial para aprender programação e temer que empresas deixem de contratar programadores iniciantes.

Essa distinção muda completamente nossa interpretação.

Os dados não demonstram que toda uma geração deseja destruir a IA.

Demonstram que uma parcela significativa está questionando suas consequências.

Curiosidade: os jovens não são necessariamente os mais pessimistas em todos os países

Uma pesquisa internacional do Pew Research Center, publicada em setembro de 2026, identificou que jovens tendem a conhecer mais sobre IA do que pessoas mais velhas.

Entretanto, em muitos países, também apresentam sentimentos mistos de entusiasmo e preocupação.

Isso significa que a realidade brasileira não pode ser interpretada simplesmente copiando os números dos Estados Unidos.

O mercado de trabalho, a educação, o custo de vida e a estrutura econômica são diferentes.

Lição de Itazu: antes de aceitar qualquer número, descubra quem foi entrevistado, quando, onde e exatamente o que foi perguntado.



💼 Capítulo III — A escada quebrada: como a IA ameaça a entrada dos jovens no mercado

Imagine uma empresa de tecnologia no início dos anos 1990.

Ela contrata cinco programadores COBOL iniciantes.

Esses jovens começam documentando programas, corrigindo relatórios e acompanhando execuções de JCL.

Alguns meses depois, recebem pequenos projetos.

Após alguns anos, passam a compreender sistemas bancários complexos.

Finalmente, tornam-se analistas experientes.

Esse processo tem um detalhe frequentemente esquecido:

As tarefas simples não serviam apenas para produzir resultados. Serviam para formar profissionais.

Agora imagine a mesma organização em 2026.

A empresa adquire uma poderosa plataforma de inteligência artificial.

Essa ferramenta consegue explicar programas COBOL, produzir documentação inicial, sugerir testes e auxiliar na identificação de erros.

Um gerente pergunta:

— Se a inteligência artificial realiza parte das tarefas dos iniciantes, por que precisamos contratar tantos profissionais novos?

A pergunta parece financeiramente razoável.

Mas contém uma armadilha.

Se a empresa parar de formar novos profissionais, quem substituirá os especialistas quando eles se aposentarem?

Aqui surge o problema da escada quebrada.

O primeiro degrau da carreira profissional pode desaparecer antes que os jovens consigam subir para os seguintes.

Essa possibilidade não é exclusiva da programação.

Um advogado iniciante aprende analisando contratos.

Um contador aprende conciliando registros.

Um engenheiro aprende participando de projetos sob supervisão.

Um jornalista aprende pesquisando e verificando informações.

Se automatizarmos sistematicamente todas as tarefas de entrada, precisaremos criar outros mecanismos para transmitir experiência.

O que dizem os estudos?

A Organização Internacional do Trabalho reconhece que a IA generativa possui potencial para aumentar a produtividade, mas também pode afetar desigualmente diferentes ocupações e trabalhadores.

Isso não equivale a afirmar que todos esses empregos desaparecerão.

Existe uma diferença entre automatizar uma tarefa e eliminar uma profissão inteira.

Uma IA pode produzir uma primeira versão de um relatório, enquanto o profissional continua responsável por interpretar os resultados, conferir a exatidão e tomar decisões.

A verdadeira transformação dependerá de como empresas e governos reorganizarem o trabalho.

Itazu resumiria a questão em uma provocação:

— Vocês estão automatizando o trabalho dos aprendizes e esquecendo que os especialistas de amanhã precisam aprender em algum lugar?


🏢 Capítulo IV — As Big Techs e o novo monopólio da confiança

Durante décadas, as grandes empresas de tecnologia associaram suas marcas ao futuro.

Mais velocidade.

Mais conectividade.

Mais produtividade.

Mais informação.

Essas promessas trouxeram benefícios reais.

Mas também criaram relações profundas de dependência.

Empresas precisam de serviços digitais para operar.

Estudantes dependem de plataformas para aprender.

Profissionais utilizam redes sociais para procurar empregos.

Pequenos negócios dependem de ferramentas de publicidade e busca para conquistar clientes.

Agora imagine que uma dessas plataformas introduza inteligência artificial em praticamente todas as suas funcionalidades.

O usuário não solicitou necessariamente essas mudanças.

Em alguns casos, sequer compreende como seus dados estão sendo utilizados.

De repente, surgem perguntas incômodas.

Quem controla o algoritmo?

Quem determina quais informações aparecem primeiro?

Quem decide quais conteúdos possuem qualidade?

Quem verifica a segurança dos modelos?

Quais decisões podem ser contestadas?

Quem assume a responsabilidade quando uma resposta incorreta causa prejuízos?

Em 2026, um levantamento Bentley University–Gallup identificou que 79% dos americanos entre 18 e 29 anos confiavam pouco ou nada na utilização responsável da IA pelas empresas.

Esse resultado é particularmente importante.

Não se trata apenas de desconfiar das máquinas.

Trata-se de desconfiar das organizações que as controlam.

Juiz, a inteligência artificial de Eden of the East

Em Eden of the East, Juiz é uma assistente que transforma solicitações de determinados participantes em ações concretas, mobilizando recursos extraordinários.

A personagem representa um exercício interessante sobre o poder dos sistemas digitais.

Imagine que um assistente tenha acesso a informações financeiras, serviços, contratos e infraestrutura.

Ele pode executar tarefas impressionantes.

Mas quem autorizou essas ações?

Quem estabeleceu seus limites?

E o que acontece se um usuário solicitar algo prejudicial?

O poder de Juiz é ficcional e muito superior ao de um assistente convencional de IA.

Entretanto, a questão da autorização continua relevante em sistemas empresariais reais.

Um agente que consulta informações não deve receber automaticamente permissão para modificar registros, transferir valores ou executar comandos privilegiados.

Em tecnologia, chamamos isso de aplicação do princípio do menor privilégio.

Cada usuário ou sistema deve possuir somente as permissões necessárias para suas atividades.

Esse princípio é fundamental no IBM Z, especialmente em ambientes protegidos por RACF.

E pode ser igualmente importante para agentes modernos de inteligência artificial.


🖥️ Capítulo V — COBOL encontra Juiz: quem realmente controla as decisões?

Vamos imaginar um laboratório Bellacosa Mainframe.

Itazu recebe a missão de analisar um sistema bancário desenvolvido em COBOL.

O banco deseja utilizar inteligência artificial para explicar programas legados.

Mas existe um risco: a IA pode produzir uma interpretação aparentemente convincente e tecnicamente incorreta.

Itazu decide criar um exemplo simples.

Nosso primeiro programa COBOL

O objetivo é analisar o valor de uma operação financeira e informar se ela precisa de autorização adicional.

       IDENTIFICATION DIVISION.
       PROGRAM-ID. CONTROLE.

       DATA DIVISION.
       WORKING-STORAGE SECTION.
       01 VALOR-OPERACAO PIC 9(7)V99.
       01 LIMITE          PIC 9(7)V99
                          VALUE 10000.00.

       PROCEDURE DIVISION.
           DISPLAY "VALOR DA OPERACAO:"
           ACCEPT VALOR-OPERACAO

           IF VALOR-OPERACAO > LIMITE
               DISPLAY "REVISAO NECESSARIA"
           ELSE
               DISPLAY "DENTRO DO LIMITE"
           END-IF

           STOP RUN.

Esse exemplo didático utiliza formato COBOL tradicional. Para compilá-lo, será necessário observar o formato de fonte e as opções do compilador utilizado.

Vamos compreender suas partes.

IDENTIFICATION DIVISION

Identifica o programa.

DATA DIVISION

Descreve os dados manipulados.

WORKING-STORAGE SECTION

Define variáveis utilizadas durante a execução.

PIC 9(7)V99

Representa um campo numérico com sete posições inteiras e duas decimais implícitas.

O caractere V indica a posição decimal, mas não ocupa uma posição física.

PROCEDURE DIVISION

Contém as instruções executáveis.

IF

Avalia uma condição.

No exemplo, valores superiores a 10.000 recebem uma mensagem indicando necessidade de revisão.

O detalhe que Itazu percebeu

Imagine que um assistente de IA analise o programa e recomende substituir o limite de 10.000 por 50.000 para reduzir intervenções humanas.

A sugestão pode parecer eficiente.

Mas quem autorizou essa mudança?

O limite pode representar uma exigência contratual, uma política de risco ou uma obrigação de conformidade.

A IA não deveria decidir unilateralmente modificar uma regra financeira.

O programa é simples, mas revela uma verdade profunda.

O código implementa uma decisão de negócio. Compreender a sintaxe não significa possuir autoridade para modificar a decisão.

Em sistemas reais, essas verificações também exigem identificação do cliente, trilhas de auditoria e controles que vão muito além do exemplo.


🔐 Capítulo VI — RACF, segurança e o perigo de entregar a chave do reino à IA

Itazu continuou sua investigação.

Descobriu que algumas organizações estavam interessadas em agentes capazes de executar tarefas complexas automaticamente.

Consultar arquivos.

Analisar relatórios.

Criar programas.

Executar procedimentos.

Acompanhar operações.

A automação parecia extraordinária.

Mas existe uma diferença entre pedir a uma IA que explique um comando e permitir que ela execute esse comando em produção.

Em um mainframe IBM Z, o RACF pode controlar o acesso a recursos protegidos.

Isso inclui conjuntos de dados, identidades, operações administrativas e determinadas funções de subsistemas.

Imagine um agente autorizado a consultar programas COBOL.

Essa autorização não deveria implicar acesso irrestrito aos dados financeiros dos clientes.

Da mesma maneira, uma IA encarregada de preparar documentação não precisa necessariamente receber permissão para alterar bibliotecas de produção.

Cinco regras fundamentais

  1. Nunca fornecer permissões administrativas desnecessárias a agentes automatizados.

  2. Separar ambientes de desenvolvimento, testes e produção.

  3. Registrar operações relevantes para auditoria.

  4. Exigir aprovação humana para ações sensíveis.

  5. Validar resultados antes de modificar sistemas críticos.

O objetivo não é impedir a IA de trabalhar.

É criar limites seguros para sua atuação.

Itazu conhecia muito bem essa diferença.

Em um ambiente conectado, um pequeno erro de autorização pode produzir consequências enormes.


🎓 Capítulo VII — A inteligência artificial pode destruir a própria capacidade de aprender?

Aqui entramos numa discussão particularmente interessante.

Imagine dois estudantes começando um curso de COBOL.

O primeiro recebe a tarefa de criar um programa que calcule o salário líquido de um funcionário.

Ele abre uma IA e solicita o programa completo.

Recebe a resposta, copia o código e entrega o exercício.

O segundo estudante utiliza a mesma ferramenta.

Mas faz perguntas diferentes.

O que é uma variável numérica?

Por que utilizar PIC 9(5)V99?

Qual é a diferença entre MOVE e COMPUTE?

Como identificar um erro de cálculo?

Depois de compreender esses conceitos, tenta escrever o programa sozinho.

Os dois estudantes utilizaram IA.

Entretanto, somente um deles necessariamente praticou as habilidades envolvidas na construção da solução.

Essa diferença é decisiva.

Uma metodologia de estudo em sete passos

Passo 1 — Defina um problema pequeno.

Por exemplo, calcular descontos percentuais.

Passo 2 — Tente resolver sem IA.

Mesmo que o código inicialmente esteja incorreto.

Passo 3 — Peça explicações, não uma solução pronta.

Solicite uma análise conceitual do problema.

Passo 4 — Compare seu raciocínio com o da IA.

Identifique diferenças.

Passo 5 — Execute o programa.

Um código aparentemente correto pode apresentar erros de sintaxe, lógica ou precisão.

Passo 6 — Modifique os dados de entrada.

Teste valores pequenos, grandes, zero e limites importantes.

Passo 7 — Repita o exercício sozinho.

Se conseguir reproduzir a solução, provavelmente desenvolveu uma compreensão melhor.

É importante reconhecer que a IA também pode favorecer a aprendizagem.

Ela permite receber explicações personalizadas e praticar sem depender continuamente de um professor disponível.

O problema surge quando a ferramenta substitui o raciocínio que deveria ajudar a desenvolver.

Itazu provavelmente não recomendaria abandonar a tecnologia.

Ele recomendaria compreender aquilo que a tecnologia está fazendo.


⚡ Capítulo VIII — O lado físico da inteligência artificial: eletricidade, água e centros de dados

A geração Z também está preocupada com o impacto ambiental da expansão da IA.

Para compreender esse debate, precisamos lembrar que inteligência artificial não existe apenas dentro de aplicativos.

Ela depende de infraestrutura física.

Centros de dados.

Processadores.

Memórias.

Sistemas de armazenamento.

Redes de telecomunicações.

Eletricidade.

Refrigeração.

Essa infraestrutura possui custos econômicos e ambientais.

A Agência Internacional de Energia estimou que o consumo elétrico mundial dos centros de dados alcançou aproximadamente 485 TWh em 2025 e poderia chegar a cerca de 950 TWh em 2030, conforme seu cenário central divulgado em 2026.

É importante esclarecer que esses números abrangem centros de dados utilizados para inúmeras atividades, não exclusivamente IA.

Entretanto, a inteligência artificial representa uma das forças que impulsionam a expansão recente dessa demanda.

Uma pergunta incômoda

Imagine uma comunidade que recebe uma proposta para construir um enorme centro de dados.

A empresa promete investimentos e oportunidades econômicas.

Mas os moradores começam a perguntar:

De onde virá a energia?

Haverá impacto nas tarifas?

Quanto de água será utilizado?

Quantos empregos permanentes serão criados?

Quem financiará a infraestrutura necessária?

Como serão fiscalizadas as emissões e o uso de recursos?

Essas perguntas são legítimas.

O desenvolvimento tecnológico não elimina a necessidade de planejamento territorial.

E aqui existe uma conexão com a história dos mainframes.

Durante décadas, os grandes centros de processamento de dados já exigiam instalações especializadas, energia, refrigeração e manutenção.

A diferença é que a expansão contemporânea da IA adiciona novas exigências de computação de alto desempenho, frequentemente em escala muito elevada.

Curiosidade mainframe

A eficiência de uma arquitetura computacional não pode ser avaliada apenas pelo consumo elétrico de uma máquina isolada.

É necessário comparar o trabalho realizado, a utilização real dos recursos, a refrigeração, o armazenamento e as necessidades da aplicação.

Um sistema consolidado pode ser mais eficiente que muitos servidores subutilizados, dependendo da carga de trabalho.

Essa é uma lição importante da arquitetura empresarial: mais computadores não significam automaticamente melhor computação.


🏭 Capítulo IX — Os novos luditas: a história está se repetindo?

No início do século XIX, trabalhadores têxteis britânicos participaram de revoltas contra transformações introduzidas pela mecanização industrial.

O movimento ficou conhecido como ludismo.

Popularmente, os luditas são apresentados como inimigos das máquinas.

Mas essa interpretação ignora parte de suas reivindicações econômicas e sociais.

Muitos protestavam contra perda de rendimentos, mudanças nas condições de trabalho e enfraquecimento de seu poder de negociação.

Agora avancemos para 2026.

Jovens contestam o uso de IA em atividades criativas.

Profissionais questionam a substituição de trabalhadores.

Comunidades discutem a instalação de novos centros de dados.

Estudantes preocupam-se com o impacto das ferramentas generativas na aprendizagem.

Estamos diante de uma repetição perfeita do ludismo?

Não.

As tecnologias, instituições e condições sociais são diferentes.

Entretanto, existe uma semelhança fundamental.

Quando uma inovação altera a distribuição de poder econômico, o conflito deixa de ser apenas tecnológico.

Passa a envolver trabalho, renda, direitos e participação nas decisões.

Itazu compreenderia essa questão imediatamente.

Em Eden of the East, o problema da juventude japonesa não era simplesmente a ausência de computadores ou redes.

Era a dificuldade de encontrar oportunidades e protagonismo numa sociedade estagnada.

Em 2026, corremos o risco de criar uma situação paradoxal:

Uma sociedade com enorme capacidade computacional, mas incapaz de oferecer perspectivas satisfatórias para parte de seus jovens.


🧩 Capítulo X — O algoritmo invisível: como descobrir quem está tomando as decisões?

Imagine uma empresa que utiliza IA para selecionar candidatos a emprego.

O sistema analisa currículos e recomenda aqueles considerados mais adequados.

A ferramenta pode acelerar o processo.

Mas também levanta perguntas importantes.

Quais características foram utilizadas?

Os dados de treinamento representam adequadamente os candidatos?

Existem padrões de discriminação?

O candidato pode contestar uma decisão?

Há supervisão humana?

Essas perguntas precisam ser respondidas antes de confiar completamente no resultado.

O paralelo com sistemas COBOL

Um programa COBOL tradicional executa regras expressas em instruções.

Se uma condição estabelece que determinado valor produz determinada classificação, podemos examinar essa lógica diretamente.

Sistemas baseados em aprendizagem de máquina podem apresentar comportamentos que não são facilmente explicados por uma sequência simples de regras.

Isso não torna todo sistema de IA necessariamente inexplicável.

Existem técnicas de interpretabilidade, documentação, avaliação e monitoramento.

Entretanto, os desafios de auditoria são diferentes.

Como um programador iniciante pode ajudar?

Mesmo sem desenvolver modelos avançados, um programador COBOL pode participar da construção de controles.

Por exemplo:

  • Validar dados antes de enviá-los a um serviço de IA.

  • Registrar identificadores de solicitações e respostas.

  • Verificar se resultados respeitam regras de negócio.

  • Encaminhar decisões sensíveis para revisão humana.

  • Criar relatórios que permitam identificar anomalias.

  • Preservar dados necessários para auditoria, respeitando políticas de privacidade.

Essas atividades demonstram que a integração entre COBOL e IA não precisa significar a substituição imediata dos sistemas legados.

Frequentemente, pode significar adicionar novas capacidades a uma arquitetura existente.

O mainframe continua sendo responsável pelo processamento transacional e pela integridade dos registros.

A IA fornece apoio à interpretação, classificação ou interação.

Cada componente atua onde possui vantagens.


🕹️ Capítulo XI — O jogo dos Seleção: quem receberá os benefícios da revolução tecnológica?

Em Eden of the East, os Seleção participam de um jogo envolvendo recursos financeiros extraordinários e o futuro do Japão.

A narrativa explora o que diferentes indivíduos fazem quando recebem poder suficiente para transformar a sociedade.

Essa premissa oferece uma excelente metáfora para o mercado de IA.

Imagine três organizações recebendo acesso à mesma tecnologia.

A primeira utiliza IA exclusivamente para reduzir despesas trabalhistas.

A segunda combina automação com capacitação profissional.

A terceira utiliza os ganhos de produtividade para ampliar seus serviços e conquistar novos mercados.

A tecnologia é semelhante.

Os resultados sociais podem ser muito diferentes.

Isso acontece porque inovação técnica e decisão empresarial são fenômenos distintos.

Uma ferramenta não determina sozinha como seus benefícios serão distribuídos.

Um exemplo financeiro

Suponhamos uma empresa que produza 1.000 relatórios por mês.

Cada relatório exige, inicialmente, quatro horas de trabalho.

Isso representa 4.000 horas mensais.

Depois da introdução de IA e da reorganização do processo, o tempo médio cai para duas horas, mantendo a qualidade exigida.

A organização agora precisa de 2.000 horas para produzir os mesmos 1.000 relatórios.

O que fazer com as 2.000 horas liberadas?

Poderia produzir relatórios adicionais.

Poderia capacitar funcionários.

Poderia melhorar controles.

Poderia criar novos serviços.

Ou poderia reduzir o quadro de pessoal.

Essas possibilidades não são equivalentes, e nenhuma delas decorre automaticamente da existência da IA.

Elas dependem de estratégia, custos, demanda e decisões humanas.

É por isso que a discussão pública precisa ir além da pergunta sobre quantas tarefas uma máquina consegue executar.

Precisamos discutir quem participa das decisões que determinam as consequências dessa automação.


🧪 Capítulo XII — Laboratório Bellacosa: construindo um controle auditável para decisões automatizadas

Agora vamos transformar nossa investigação em um pequeno exercício de programação.

Imagine que um sistema automatizado atribua uma pontuação de risco a determinadas solicitações.

Nosso programa COBOL não tentará reproduzir uma inteligência artificial.

Ele implementará um controle determinístico, verificando se a pontuação recebida exige análise humana.

       IDENTIFICATION DIVISION.
       PROGRAM-ID. AVALIAR.

       DATA DIVISION.
       WORKING-STORAGE SECTION.
       01 PONTUACAO PIC 9(3).
       01 RESULTADO  PIC X(20).

       PROCEDURE DIVISION.
           DISPLAY "DIGITE O RISCO 0 A 100:"
           ACCEPT PONTUACAO

           EVALUATE TRUE
               WHEN PONTUACAO > 100
                   MOVE "VALOR INVALIDO"
                     TO RESULTADO
               WHEN PONTUACAO >= 70
                   MOVE "REVISAO HUMANA"
                     TO RESULTADO
               WHEN OTHER
                   MOVE "ANALISE NORMAL"
                     TO RESULTADO
           END-EVALUATE

           DISPLAY RESULTADO

           STOP RUN.

Nesse laboratório, pontuações de 70 a 100 são encaminhadas para revisão humana.

Pontuações de 0 a 69 recebem uma indicação de análise normal.

Valores superiores a 100 são considerados inválidos.

O exemplo é deliberadamente simples. O campo numérico e o uso de ACCEPT não constituem uma validação robusta de entrada textual em produção.

Em um sistema real, precisaríamos validar o formato antes da conversão, tratar erros, documentar critérios e garantir que a pontuação tenha sido produzida por um mecanismo confiável.

Também precisaríamos avaliar se o próprio modelo apresenta vieses ou erros sistemáticos.

O que aprendemos?

Primeiro, que um sistema automatizado pode produzir uma recomendação.

Segundo, que regras independentes podem estabelecer limites operacionais para essa recomendação.

Terceiro, que decisões relevantes podem exigir participação humana.

Quarto, que o controle deve ser testado.

Experimente os valores 0, 69, 70, 100 e 101.

Observe o resultado de cada execução.

Depois modifique o limite de revisão para 80.

Pergunte a si mesmo: quem deveria autorizar essa alteração num sistema financeiro real?

Se respondeu que a decisão precisa respeitar a política de negócio e os responsáveis pelo processo, compreendeu uma das mensagens fundamentais do laboratório.

Automatizar a execução não significa automatizar a responsabilidade.


🧭 Capítulo XIII — O futuro do programador COBOL numa economia dominada por IA

Chegamos à pergunta que muitos profissionais de tecnologia estão fazendo.

Se a IA consegue gerar código, ainda vale a pena aprender programação?

Minha resposta é sim, mas precisamos compreender como o trabalho pode mudar.

Uma pessoa que apenas copia instruções sem entender seus resultados poderá enfrentar dificuldades crescentes.

Por outro lado, profissionais capazes de compreender sistemas, identificar erros, interpretar regras e garantir segurança continuarão oferecendo competências importantes.

No universo IBM Z, isso envolve conhecimentos que ultrapassam a sintaxe COBOL.

JCL para compreender a execução de processos em lote.

Db2 para trabalhar com dados relacionais.

CICS para entender transações online.

VSAM para compreender organizações de arquivos.

RACF para controlar segurança.

SDSF para acompanhar processamento.

Ferramentas de desenvolvimento e integração para trabalhar com ambientes modernos.

IA pode ajudar a aprender todas essas tecnologias.

Mas o profissional precisa saber avaliar o que a ferramenta está recomendando.

Cinco recomendações para quem está começando

Primeira: aprenda a base.

Entenda divisões COBOL, tipos de dados, condições, arquivos e lógica de programação.

Segunda: pratique depuração.

Descubra por que um programa está incorreto, em vez de apenas solicitar uma versão substituta.

Terceira: compreenda o negócio.

Um sistema bancário não existe para executar instruções COBOL. Ele existe para implementar operações financeiras de maneira correta e controlada.

Quarta: aprenda segurança e auditoria desde cedo.

Esses conhecimentos serão cada vez mais importantes em ambientes que integram automação e IA.

Quinta: utilize inteligência artificial como instrumento de aprendizagem.

O objetivo deve ser desenvolver independência técnica, não dependência permanente.

Itazu não era um personagem interessante porque possuía acesso a computadores.

Era interessante porque conseguia compreender o funcionamento dos sistemas.

Essa diferença continua fundamental.


🎭 Capítulo XIV — O verdadeiro significado de Yutaka Itazu: talento desperdiçado numa sociedade conectada

Existe algo profundamente humano no personagem Itazu.

Ele não representa somente um hacker habilidoso.

Representa uma sociedade que nem sempre sabe reconhecer ou aproveitar o talento de seus indivíduos.

Essa questão atravessa Eden of the East.

O Japão apresentado na obra possui recursos tecnológicos, infraestrutura e instituições complexas.

Mesmo assim, muitos jovens parecem incapazes de encontrar oportunidades que lhes ofereçam perspectivas satisfatórias.

A série questiona a relação entre tecnologia, organização social e responsabilidade coletiva.

Em 2026, encontramos uma preocupação semelhante.

As ferramentas estão cada vez mais poderosas.

As empresas conseguem automatizar atividades sofisticadas.

Mas muitos jovens não sabem se conseguirão construir carreiras estáveis.

Alguns enfrentam dificuldades para encontrar o primeiro emprego.

Outros temem que suas habilidades se tornem rapidamente obsoletas.

Há também os que questionam a utilização de suas produções artísticas e intelectuais no desenvolvimento de sistemas generativos.

A crítica não precisa significar rejeição ao progresso.

Pode ser justamente uma exigência de que o progresso produza benefícios mais amplos.

O paradoxo de Itazu

O personagem domina sistemas complexos, mas permanece afastado de grande parte da vida social.

Ele simboliza a distância possível entre competência tecnológica e integração econômica.

Podemos imaginar o paradoxo se ampliando.

Uma sociedade com acesso a inteligência artificial capaz de produzir quantidades extraordinárias de informação pode continuar incapaz de oferecer educação adequada, mobilidade social e perspectivas de trabalho.

Nesse caso, o problema não será a insuficiência de poder computacional.

Será a maneira como a sociedade organiza suas instituições e distribui oportunidades.


🥚 Easter egg — A mensagem escondida no último job

Quando Itazu terminou a investigação, encontrou um arquivo esquecido num antigo ambiente de processamento.

O nome era curioso:

EDEN2026.JCL

Ele abriu o conteúdo.

//EDEN2026 JOB (ACCT),'BELLACOSA',
//             CLASS=A,MSGCLASS=X
//*
//* O FUTURO NAO E UM RECURSO EXCLUSIVO
//* DE QUEM POSSUI O MAIOR COMPUTADOR.
//*
//* VALIDE AS REGRAS.
//* PROTEJA AS PESSOAS.
//* ENSINE A PROXIMA GERACAO.
//*
//STEP01 EXEC PGM=IEFBR14

Itazu sorriu.

O programa IEFBR14 é uma velha presença no universo dos mainframes, frequentemente utilizado em etapas de JCL que não precisam executar processamento de negócio.

O exemplo é simbólico e exige adaptações conforme as convenções de cada ambiente.

O verdadeiro trabalho estava escondido nos comentários.

Talvez esse fosse o maior segredo da investigação.

Não basta construir sistemas cada vez mais sofisticados.

Precisamos compreender para que eles estão sendo construídos.

O código pode executar perfeitamente.

O processamento pode terminar com código de retorno zero.

Os relatórios podem apresentar resultados aparentemente impecáveis.

Mas nenhuma dessas características garante, sozinha, que a tecnologia está produzindo uma sociedade melhor.


☕ Epílogo — A geração que não quer destruir a inteligência artificial, mas recuperar o próprio futuro

O relógio marcava quase três da manhã.

Itazu examinou uma última vez os dados reunidos nos monitores.

A geração Z continuava utilizando IA.

Continuava estudando tecnologia.

Continuava desenvolvendo aplicativos, criando empresas e explorando novas ferramentas.

Mas também demonstrava preocupação crescente.

Não era simplesmente uma revolta contra computadores.

Era uma reação às incertezas sobre trabalho, privacidade, controle e distribuição dos benefícios da inovação.

Itazu fechou a última janela.

A mensagem de Juiz reapareceu na tela.

— Você descobriu como salvar o futuro?

Ele permaneceu em silêncio.

Depois respondeu:

— Ainda não. Mas descobri que não podemos entregar essa decisão exclusivamente às máquinas.

A tela escureceu.

E, em algum lugar entre Kyoto, Silicon Valley e os grandes centros de processamento de dados, milhões de jovens continuaram fazendo a mesma pergunta:

Se a inteligência artificial está construindo o futuro, por que temos tão pouca participação nas decisões sobre ele?

Essa pergunta também deveria interessar aos especialistas em mainframe.

Porque a história da computação nos ensinou que grandes sistemas exigem arquitetura, planejamento, segurança, controles e responsabilidade.

A IA não deveria ser diferente.

O futuro não pertence exclusivamente a quem possui o maior modelo, o maior centro de dados ou o maior orçamento. Ele também pertence às pessoas que terão de viver com as consequências dessas escolhas.

E talvez seja essa a mensagem mais importante que podemos extrair de Eden of the East.

O problema nunca foi somente descobrir quem possui recursos suficientes para transformar uma sociedade.

O problema é decidir que transformação vale a pena realizar.

Bellacosa Mainframe — Porque compreender o passado da computação também é uma maneira de proteger o futuro.

Fim do job. Condition Code 0000.


📚 Referências para aprofundamento

  • Valor Econômico, 21 de maio de 2026 — Jovens ampliam rejeição à IA e às Big Techs.

  • Pew Research Center, 18 de agosto de 2026 — Pesquisa sobre preocupações dos jovens americanos com inteligência artificial e emprego.

  • Gallup / Walton Family Foundation / GSV Ventures, 8 de abril de 2026 — Gen Z's AI Adoption Steady, but Skepticism Climbs.

  • Bentley University–Gallup, 2026 — Business in Society Report.

  • Pew Research Center, 17 de setembro de 2026 — Young adults around the world have mixed feelings about AI.

  • Organização Internacional do Trabalho, 2026 — Estudos sobre IA generativa, produtividade e transformações profissionais.

  • Production I.G, 2009 — Higashi no Eden, criação, roteiro e direção de Kenji Kamiyama.

  • IBM Documentation — Enterprise COBOL, JCL, RACF e fundamentos de administração IBM Z.

segunda-feira, 2 de agosto de 2010

Primeira Mão: Willy Wonka, COBOL e o Marketplace de Papel que Vendia de Fusca a Emprego Antes de Existir LinkedIn

 

Bellacosa Mainframe e o classificado jornal primeira mao

☕ Um Café no Bellacosa Mainframe

Primeira Mão: Willy Wonka, COBOL e o Marketplace de Papel que Vendia de Fusca a Emprego Antes de Existir LinkedIn

🍫 Carros, empregos, apartamentos, computadores, anúncios microscópicos, telefones, bancas e o estranho mundo onde milhares de desconhecidos faziam negócios sem login, reputação, Pix ou botão “Comprar agora”

Imagine, jovem padawan do COBOL, que estamos em São Paulo.

Ano: 1995.

Você quer comprar um carro usado.

Hoje a operação seria trivial.

Abre um aplicativo.

Seleciona:

MARCA       = VOLKSWAGEN
MODELO      = GOL
ANO         >= 1992
PRECO       <= 10000
CAMBIO      = MANUAL
LOCALIZACAO = SAO PAULO

Clica em pesquisar.

Em alguns milissegundos aparecem fotografias, preços, localização, quilometragem, telefone, financiamento e talvez até avaliações do vendedor.

Em 1995?

HAHAHAHAHAHA.

Meu caro COBOLzeiro...

pegue uma cadeira.

Porque vamos visitar a fábrica de chocolate de Willy Wonka da economia analógica brasileira.

E nosso bilhete dourado chama-se:

PRIMEIRA MÃO

Um jornal que, para quem olha hoje, parece simplesmente uma pilha de classificados.

Mas não se engane.

Aquilo era muito mais interessante.

O Primeira Mão era banco de dados.

Era mecanismo de busca.

Era marketplace.

Era classificados.

Era recrutamento.

Era catálogo de automóveis.

Era imobiliária distribuída.

Era mural de empregos.

Era rede de contatos.

Era uma espécie de LinkedIn popular.

Era OLX antes da OLX.

Era Mercado Livre sem Mercado Livre.

Era busca sem Google.

E tudo isso rodando numa infraestrutura extraordinariamente sofisticada chamada:

papel + telefone + banca de jornal + seres humanos.

Coloque seu capacete.

Willy Wonka abriu o elevador de vidro.

E desta vez o botão diz:

CLASSIFICADOS.


CAPÍTULO I — NÃO HAVIA CAMPO DE PESQUISA

A primeira coisa que precisamos explicar ao programador nascido no mundo digital é algo quase arqueológico:

encontrar coisas era difícil.

Você queria comprar um carro?

Precisava descobrir quem estava vendendo.

Queria vender uma geladeira?

Precisava encontrar alguém querendo comprar.

Procurava emprego?

Precisava descobrir quem estava contratando.

Precisava contratar um programador COBOL?

Boa sorte.

Queria alugar apartamento?

Era necessário descobrir quais imóveis estavam disponíveis.

O problema fundamental era:

VENDEDOR ---------------- ??? ---------------- COMPRADOR

Hoje o ??? é preenchido por plataformas digitais.

Naquela época, frequentemente era preenchido por classificados.

O Primeira Mão transformou esse problema numa especialidade.

Em vez de produzir prioritariamente notícias e acrescentar algumas páginas de classificados, a lógica era praticamente invertida.

O anúncio era o produto.

Décadas depois, uma descrição da própria Folha sobre a versão online chamava o Primeira Mão de “o maior jornal dedicado exclusivamente a classificados do Brasil”. E isso em 1998, quando sua versão web já permitia anúncios gratuitos e pagos e pesquisa de veículos por critérios. (Folha de S.Paulo)

Perceba a loucura histórica:

quando muita gente brasileira ainda perguntava:

— Para que serve essa tal Internet?

o Primeira Mão já estava tentando portar seu modelo de negócios para ela.


CAPÍTULO II — BEM-VINDO À FÁBRICA DE CLASSIFICADOS DE WILLY WONKA

Imagine Willy Wonka diante de uma gigantesca máquina.

Ele joga de um lado:

1 FUSCA 1983
1 APARTAMENTO NA MOOCA
1 COMPUTADOR 486
1 VAGA DE PROGRAMADOR
1 GELADEIRA CONSUL
1 LOJA COMERCIAL
1 CACHORRO
1 MÁQUINA DE ESCREVER
1 TERRENO

A máquina começa:

CLAC CLAC CLAC CLAC CLAC.

Do outro lado sai:

PRIMEIRA MÃO

Só que há um detalhe.

Tudo precisa caber no papel.

Portanto, espaço significa dinheiro.

E nasce uma linguagem extraordinária.

Algo semelhante a isto:

GOL CL 94 AZ MET 2P UN DONO DOC OK TR 9999-9999

Para um jovem atual isso parece um dump hexadecimal.

Para o leitor da época:

MOVE "VOLKSWAGEN GOL CL"
   TO WS-CARRO

MOVE 1994
   TO WS-ANO

MOVE "AZUL METALICO"
   TO WS-COR

MOVE 2
   TO WS-PORTAS

MOVE "UNICO DONO"
   TO WS-HISTORICO.

Era compressão de dados humana.

Cada caractere custava espaço.

Portanto:

abrevia tudo.

É quase um protocolo de comunicação.


CAPÍTULO III — O PRIMEIRA MÃO ERA UM BANCO DE DADOS IMPRESSO

Aqui começa a diversão para o COBOLzeiro.

Um jornal de classificados não poderia simplesmente despejar anúncios aleatoriamente.

Precisava existir taxonomia.

CLASSIFICADOS
 |
 +-- VEICULOS
 |     |
 |     +-- Volkswagen
 |     +-- Chevrolet
 |     +-- Ford
 |     +-- Fiat
 |
 +-- IMOVEIS
 |     |
 |     +-- Venda
 |     +-- Aluguel
 |
 +-- EMPREGOS
 |
 +-- SERVICOS
 |
 +-- INFORMATICA
 |
 +-- NEGOCIOS
 |
 +-- DIVERSOS

Isso é banco de dados.

Só não havia SELECT.

O SQL era você.

SELECT *
FROM CARROS
WHERE MARCA = 'VOLKSWAGEN'
AND MODELO = 'GOL'
AND PRECO <= MEU_DINHEIRO;

Na versão papel:

folheie até Volkswagen e comece a passar o dedo pelas linhas.

Seu processador era:

olho humano.

Seu índice era:

a seção do jornal.

Seu cache:

a página dobrada.

Seu bookmark:

uma caneta Bic fazendo um círculo.

Seu banco de favoritos:

três anúncios rabiscados.


CAPÍTULO IV — CTRL+F ERA O DEDO

Eis uma cena clássica.

Mesa.

Café.

Primeira Mão aberto.

Caneta.

Telefone.

Você procura carro.

Encontra:

MONZA GLS 93 COMPLETO

Circula.

Outro.

Circula.

Outro.

Risca porque está caro.

Depois começa a execução do batch.

PERFORM TELEFONA-PARA-VENDEDOR
    VARYING WS-ANUNCIO
    FROM 1 BY 1
    UNTIL WS-CARRO-COMPRADO = 'S'
END-PERFORM.

— Alô, é do Monza?

— É.

— Ainda está à venda?

Esta pergunta merece entrar no museu da computação brasileira.

“Ainda está à venda?”

Porque não havia atualização em tempo real.

O anúncio podia estar no jornal.

O carro podia ter sido vendido ontem.

A publicação continuava dizendo que ele existia.

Era um banco de dados com consistência eventual brutal.


CAPÍTULO V — O PRIMEIRO MARKETPLACE?

Precisamos fazer uma precisão histórica.

Classificados são muito anteriores ao Primeira Mão.

Jornais publicam anúncios há séculos.

Portanto seria incorreto afirmar literalmente que o Primeira Mão inventou o marketplace.

Mas culturalmente podemos entendê-lo como um ancestral direto da experiência que hoje associamos aos marketplaces digitais.

A lógica era exatamente esta:

TENHO ALGO
     |
     v
PUBLICO
     |
     v
DESCONHECIDOS ENCONTRAM
     |
     v
ENTRAM EM CONTATO
     |
     v
NEGOCIAMOS
     |
     v
TRANSAÇÃO

Isso é OLX.

Isso é Facebook Marketplace.

Isso é Mercado Livre em sua essência mais primitiva.

O que mudou foi a implementação.


CAPÍTULO VI — O LOGIN ERA O TELEFONE

Hoje uma plataforma pergunta:

nome,

email,

telefone,

senha,

CPF,

localização,

foto,

verificação,

reputação.

No Primeira Mão?

Frequentemente o identificador fundamental era:

TELEFONE

E telefone naquela época significava principalmente:

telefone fixo.

Você anunciava alguma coisa.

O jornal saía.

E então:

☎️ TRIIIIIMMMMM!

— Alô?

— Estou ligando por causa do anúncio.

Pronto.

O algoritmo realizou o match.

Não havia chat interno.

Não havia proteção de identidade.

Não havia intermediador.

Não havia “denunciar usuário”.

Não havia estrelas.

O resto era humanidade.

E humanidade, como todo sysprog sabe, constitui a dependência mais imprevisível do sistema.


CAPÍTULO VII — A REPUTAÇÃO ERA COMPILADA NA CONVERSA

Hoje:

⭐⭐⭐⭐⭐

“Excelente vendedor.”

Naquela época?

— O carro é seu?

— É.

— Faz quanto tempo?

— Quatro anos.

— Está batido?

— Nunca.

— Posso levar num mecânico?

PAUSA.

O comprador executava internamente:

IF VENDEDOR-ENGASGOU
    MOVE 'SUSPEITO' TO WS-RISCO
END-IF.

Era análise antifraude por entonação de voz.

Machine Learning?

Não.

Malícia brasileira 1.0.


CAPÍTULO VIII — E ENTÃO APARECE O LINKEDIN DE PAPEL

Aqui está uma parte frequentemente esquecida.

Classificados também eram fundamentais para emprego.

Antes de LinkedIn.

Antes de Gupy.

Antes de Indeed.

Antes de Catho digital dominar esse imaginário.

Antes de você clicar:

Easy Apply.

Existia:

EMPREGOS

E milhares de trabalhadores consultavam classificados procurando oportunidades.

Para algumas categorias profissionais, os anúncios funcionavam como radar do mercado.

Você podia descobrir:

  • quem estava contratando;

  • quais profissões estavam aquecidas;

  • quais habilidades eram exigidas;

  • quais regiões concentravam vagas;

  • quais salários apareciam;

  • quais empresas estavam crescendo.

Isso é interessantíssimo.

Porque LinkedIn não serve apenas para conseguir emprego.

Ele serve para observar o mercado de trabalho.

Os classificados já faziam isso.

O profissional podia olhar aquela seção e concluir:

— Tem muita vaga pedindo CICS.

Ou:

— Estão pedindo DB2.

Ou:

— Agora apareceu esse negócio de cliente-servidor.

Ou, em algum momento traumático:

— Que diabo é Java?

O COBOLzeiro fechava o jornal lentamente.

Tomava café.

E pensava:

isso não vai pegar.

HAHAHAHAHAHA.


CAPÍTULO IX — A REDE SOCIAL SEM PERFIL

Podemos ir além.

O Primeira Mão não era rede social tecnicamente.

Mas exercia algumas funções sociais hoje absorvidas pelas redes.

Você anunciava:

vendo.

compro.

procuro.

ofereço.

contrato.

alugo.

São praticamente posts.

Compare:

1995

VDO PC 486 DX2 66 8MB HD540 MON SVGA TEL...

2026

Galera, estou vendendo meu PC. Quem tiver interesse chama inbox.

Mudou tanto assim?

A sintaxe mudou.

A função social permanece quase idêntica.


CAPÍTULO X — O JORNAL DESCOBRIU O EFEITO DE REDE

Willy Wonka agora entra correndo.

— Bellacosa! Bellacosa! Descobri uma coisa maravilhosa!

— O quê?

— Quanto mais vendedores aparecem, mais compradores vêm!

— Sim.

— E quanto mais compradores aparecem...

— Mais vendedores querem anunciar.

Wonka arregala os olhos.

EFEITO DE REDE!

Esse é o segredo estrutural dos marketplaces.

MAIS ANUNCIOS
     ↓
MAIS UTILIDADE
     ↓
MAIS LEITORES
     ↓
MAIS RESPOSTAS
     ↓
MAIS ANUNCIANTES
     ↓
MAIS ANUNCIOS

O papel podia parecer tecnologicamente primitivo.

O modelo econômico não era.


CAPÍTULO XI — O PRIMEIRA MÃO ENTRA NA INTERNET

E aqui temos um easter egg delicioso.

Em novembro de 1998, a Folha já descrevia o site primeiramao.com.br, observando que o jornal mantinha na web o mesmo conceito dos classificados impressos. O usuário podia pesquisar veículos por marca e por categorias como nacional/importado e novo/usado, além de publicar anúncios gratuitos ou pagos. (Folha de S.Paulo)

Pare.

Leia novamente.

1998.

Google havia acabado de nascer.

Facebook?

YouTube?

OLX?

Instagram?

O velho jornal de classificados já estava dizendo:

— Talvez possamos colocar nosso banco de ofertas nessa tal World Wide Web.

O COBOLzeiro olha para isso e imediatamente reconhece o problema:

modernização de legado.

O negócio estava correto.

A interface estava envelhecendo.


CAPÍTULO XII — NÃO ERA PRECISO DESTRUIR O MAINFRAME

A lógica digital era praticamente uma migração arquitetural:

ANTES

VENDEDOR
   |
   v
ANUNCIO
   |
   v
JORNAL
   |
   v
BANCA
   |
   v
LEITOR
   |
   v
TELEFONE

Depois:

VENDEDOR
   |
   v
FORMULARIO
   |
   v
DATABASE
   |
   v
SITE
   |
   v
BUSCA
   |
   v
COMPRADOR

O domínio permaneceu.

A interface mudou.

Esse é exatamente o tipo de discussão que fazemos sobre sistemas legados.

Às vezes o erro não está no negócio.

Está na camada de acesso.


CAPÍTULO XIII — O JORNAL COMEÇA A VIRAR OUTRA COISA

Em 2009 encontramos outro momento curioso.

A Editora Haple lançou o Primeira Mão Jornal, semanário gratuito com tiragem declarada de 100 mil exemplares. Cerca de 75% eram distribuídos gratuitamente nas ruas às sextas-feiras; aos sábados, a publicação acompanhava o Primeira Mão Classificados. (Portal IMPRENSA)

Olhe a transformação.

O modelo clássico já estava sentindo a mudança do ecossistema.

Internet.

Portais.

Sites especializados.

Gratuidade.

Novos hábitos.

O produto tenta encontrar novas funções.

Isso acontece o tempo inteiro em tecnologia.

Quando sua funcionalidade principal começa a ser comoditizada, você procura:

VALUE-ADDED-SERVICES

CAPÍTULO XIV — E HAVIA UM GRUPO ECONÔMICO POR TRÁS

A história empresarial do Primeira Mão também passou por diferentes estruturas e associações.

Em meados dos anos 2000, fontes do setor registravam o Grupo Bandeirantes de Comunicação como sócio do jornal Primeira Mão. Em 2007, por exemplo, o Observatório da Imprensa mencionava explicitamente essa participação ao contextualizar a entrada da Band no jornal gratuito Metro. (Observatório da Imprensa)

Isso mostra que o produto não era simplesmente um jornalzinho artesanal de anúncios.

Havia valor empresarial naquilo.

Por quê?

Porque quem controla um grande ambiente de classificados controla uma coisa preciosa:

INTENÇÃO DE COMPRA.

Pense nisso.

O leitor de notícia pode estar simplesmente curioso.

Quem abre classificados de automóveis provavelmente está considerando:

comprar automóvel.

Quem consulta imóveis provavelmente pretende:

comprar ou alugar imóvel.

Quem procura emprego pretende:

mudar sua situação profissional.

Hoje empresas gastam fortunas tentando identificar intenção através de dados comportamentais.

O classificado já recebia o usuário com a intenção praticamente declarada.


CAPÍTULO XV — A BANCA ERA O APP STORE

Depois do Notícias Populares, voltamos à nossa maravilhosa banca paulistana.

O sujeito chega.

Ali está o NP berrando alguma atrocidade.

Ao lado:

Primeira Mão.

A função é completamente diferente.

NP dizia:

OLHA ISSO!

Primeira Mão dizia:

PROCURA ALGUMA COISA?

Um era economia da atenção.

O outro era economia da intenção.

Essa distinção é extraordinariamente moderna.


CAPÍTULO XVI — O PROBLEMA DA LATÊNCIA

Todo sistema tem SLA.

No jornal impresso havia um problema brutal:

latência.

Você anuncia hoje.

O jornal precisa:

receber,

processar,

diagramar,

imprimir,

distribuir,

chegar à banca,

ser comprado.

Enquanto isso, o mundo continua acontecendo.

Se o produto foi vendido, a informação impressa continua existindo.

ANUNCIO.STATUS = AVAILABLE
REALIDADE.STATUS = SOLD

Temos uma inconsistência.

A Internet destruiu essa limitação.

Agora:

UPDATE ANUNCIO
SET STATUS='VENDIDO'
WHERE ID=12345;

Commit.

Acabou.


CAPÍTULO XVII — O PROBLEMA DAS FOTOS

Outro detalhe.

Hoje ninguém imagina comprar carro sem ver 27 fotografias.

Frente.

Traseira.

Painel.

Motor.

Porta-malas.

Bancos.

Rodas.

No classificado impresso tradicional, fotografia custava espaço precioso.

Consequentemente, enorme quantidade de anúncios era simplesmente:

TEXTO.

Você comprava primeiro uma descrição.

Depois telefonava.

Depois marcava encontro.

Depois finalmente via o produto.

Hoje fazemos:

VER → INTERESSAR → CONTATAR

Frequentemente era:

LER → IMAGINAR → TELEFONAR → VISITAR → VER

A Internet removeu uma quantidade gigantesca de atrito.


CAPÍTULO XVIII — MAS ADICIONOU OUTROS

E aqui está a pegadinha de Willy Wonka.

Oompa Loompa entra cantando:

🎵 Você queria eficiência
Ganhou golpe por mensagem... 🎵

HAHAHAHA.

Porque o digital resolveu problemas e criou outros.

Hoje temos:

perfil falso,

phishing,

links fraudulentos,

PIX falso,

comprovante falso,

deepfake,

contas descartáveis,

automação criminosa,

bots.

No jornal havia golpes?

Claro.

Humanidade nunca precisou de JavaScript para praticar fraude.

Mas a escala era diferente.

Um golpista precisava publicar anúncios, atender telefones e lidar fisicamente com vítimas.

Hoje um atacante pode tentar atingir milhares de pessoas automaticamente.

Mudamos de:

FRAUDE BATCH PEQUENO

para:

FRAUD-AS-A-SERVICE CLOUD NATIVE

Parabéns pela transformação digital.


CAPÍTULO XIX — O QUE MORREU?

O papel como mecanismo dominante de classificados.

A latência de dias.

As abreviações extremas.

A dependência da banca.

O telefone fixo como principal endpoint.

A caneta circulando anúncios.

A necessidade de comprar uma publicação inteira para pesquisar produtos.

A descoberta sequencial.

O modelo de distribuição física.

Isso praticamente pertence a outro universo.

Há até registros de leitores lamentando, anos depois, o desaparecimento do jornal físico e afirmando que os anúncios impressos anteriormente geravam muitas ligações. É evidência anedótica, não estatística, mas mostra como a memória do produto permaneceu ligada à eficácia percebida do papel. (Reclame Aqui)


CAPÍTULO XX — O QUE CONTINUA EXATAMENTE IGUAL?

Quase tudo que importa.

Olhe:

1995

Vendo Gol 1994.

2026

Vendo Gol 2022.


1995:

Interessados ligar.

2026:

Chama no privado.


1995:

— Aceita troca?

2026:

— Aceita troca?


1995:

— Faz por 8 mil?

2026:

— Faz por 80?


1995:

— Qual o menor valor?

2026:

QUAL O MENOR VALOR?

HAHAHAHAHAHAHAHA.

Meu caro COBOLzeiro...

Podemos inventar inteligência artificial geral.

Podemos colonizar Marte.

Podemos construir computador quântico.

Podemos colocar COBOL numa API REST executando atrás de Kubernetes enquanto um agente de IA chama z/OS Connect.

Mas enquanto existir comércio entre seres humanos haverá alguém perguntando:

“QUAL O MENOR VALOR?”

Esse requisito é imutável.

Não altere.

Está em produção desde a Mesopotâmia.


CAPÍTULO XXI — EASTER EGG: O LINKEDIN NÃO INVENTOU O NETWORKING

Existe uma tendência curiosa de imaginar que plataformas digitais inventaram comportamentos.

Não.

Elas digitalizaram comportamentos.

LinkedIn não inventou:

procurar emprego,

mostrar experiência,

descobrir oportunidades,

observar empresas,

encontrar profissionais.

Facebook Marketplace não inventou:

vender coisas para desconhecidos.

OLX não inventou:

classificados.

Tinder não inventou:

gente tentando conhecer gente.

Google não inventou:

procurar informação.

A revolução digital fez algo diferente:

removeu brutalmente o custo de localizar pessoas e informações.

Esse é o verdadeiro salto.


CAPÍTULO XXII — O PRIMEIRA MÃO COMO DATASET DA CIDADE

Agora uma reflexão que Willy Wonka provavelmente guardaria numa sala secreta.

Imagine possuir digitalizadas todas as edições históricas do Primeira Mão.

Você teria um dataset extraordinário.

Poderíamos observar:

preço dos automóveis,

modelos populares,

mudança dos bairros,

valores imobiliários,

profissões desaparecendo,

profissões surgindo,

tecnologias chegando,

computadores sendo vendidos,

linguagem comercial,

abreviações,

salários,

serviços,

hábitos de consumo.

Seria praticamente:

SELECT *
FROM SAO_PAULO
WHERE ANO BETWEEN 1980 AND 2000;

Classificados são fósseis econômicos.

Às vezes dizem muito mais sobre uma sociedade do que editoriais sofisticados.


CAPÍTULO XXIII — UM 486 VIRA ARQUEOLOGIA

Imagine encontrar:

VDO 486 DX2 66
8MB RAM
HD 540MB
CDROM 4X
MONITOR SVGA

Na época:

MÁQUINA PODEROSA.

Hoje:

uma fotografia de celular provavelmente ocupa mais armazenamento que centenas de documentos que aquele HD guardaria.

Os classificados registravam essa evolução involuntariamente.

Pentium.

Modem.

Fax.

Impressora matricial.

CD-ROM.

Scanner.

Era a arqueologia da informática acontecendo em tempo real.


CAPÍTULO XXIV — WONKA APERTA O BOTÃO INTERNET

Estamos novamente no elevador.

Willy Wonka pergunta:

— Para onde agora?

Há botões:

BANCA
TELEFONE
FAX
INTERNET
GOOGLE
MERCADO LIVRE
LINKEDIN
FACEBOOK
OLX
WHATSAPP
IA

Charlie pergunta:

— Sr. Wonka, são sistemas diferentes?

Wonka sorri.

— Não exatamente.

E aperta:

INTERNET

O elevador dispara.

As folhas do Primeira Mão começam a voar.

Os anúncios viram registros.

Os registros entram num banco.

As categorias viram filtros.

O telefone vira chat.

A fotografia vira galeria.

A banca vira homepage.

O jornaleiro vira algoritmo.

A caneta vira favorito.

O anúncio destacado vira Sponsored.

A circulação vira pageview.

O encalhe vira bounce rate.

O número de ligações vira conversion rate.

E aquele velho jornal aparentemente desaparece.

Mas seu DNA está espalhado por toda parte.


CAPÍTULO XXV — O GRANDE EASTER EGG

Em 1998, quando a Folha descreveu o Primeira Mão na Internet, já estavam presentes elementos fundamentais do marketplace moderno:

pesquisa estruturada + categorias + anúncio gratuito + anúncio pago + inventário pesquisável. (Folha de S.Paulo)

Isso é importante.

O Primeira Mão não ficou simplesmente esperando a Internet assassiná-lo.

Ele tentou entrar nela.

O problema clássico da transformação digital aparece aqui:

digitalizar um produto não garante preservar sua posição no ecossistema.

Você pode colocar o jornal na Internet.

Mas agora está competindo com empresas nascidas na Internet.

É exatamente a diferença entre:

DIGITALIZED BUSINESS

e

DIGITAL-NATIVE BUSINESS

Uma distinção que faria qualquer arquiteto de modernização de mainframe pedir outro café.


CAPÍTULO XXVI — NÃO CONFUNDA MARCAS

Outra curiosidade necessária para evitar um S0C7 histórico.

Hoje encontramos na Internet diferentes operações usando o nome Primeira Mão, inclusive uma marca automotiva ligada ao Grupo Saga e veículos regionais com nomes semelhantes. Isso não significa automaticamente continuidade empresarial do clássico jornal paulista de classificados. Por exemplo, o aplicativo atual chamado Primeira Mão na Google Play aparece associado ao Grupo Saga e ao mercado de seminovos. (Google Play)

Nome igual não significa mesmo dataset.

COBOLzeiro sabe:

01 PRIMEIRA-MAO-A.
01 PRIMEIRA-MAO-B.

Não faça:

MOVE A TO B

sem verificar o copybook.


CAPÍTULO XXVII — O LEGADO

O legado do Primeira Mão não está apenas no papel.

Está numa ideia.

Uma ideia extremamente poderosa:

há valor em conectar quem tem alguma coisa com quem procura alguma coisa.

Isso parece banal hoje.

Não é.

Grande parte da economia digital mundial funciona exatamente assim.

Uber:

motorista ↔ passageiro.

Airbnb:

imóvel ↔ hóspede.

LinkedIn:

profissional ↔ empresa.

Marketplace:

produto ↔ comprador.

Aplicativos imobiliários:

imóvel ↔ interessado.

Sites de emprego:

vaga ↔ candidato.

O grande negócio frequentemente não é possuir o ativo.

É possuir:

O MATCH.

O Primeira Mão fazia match.

Com papel.


EPÍLOGO — O ÚLTIMO BILHETE DOURADO

Willy Wonka finalmente nos leva até a sala mais secreta da fábrica.

Não há chocolate.

Não há Oompa Loompas.

Não há elevador.

Há apenas uma banca antiga.

Sobre ela está um exemplar grosso do Primeira Mão.

Wonka entrega uma caneta Bic ao jovem programador COBOL.

— Abra.

Ele abre.

Milhares de anúncios.

Carros.

Casas.

Empregos.

Computadores.

Serviços.

Objetos.

Sonhos.

Dívidas.

Mudanças.

Pequenos negócios.

Gente tentando começar.

Gente tentando vender.

Gente procurando trabalho.

Gente comprando seu primeiro carro.

Gente procurando apartamento para casar.

Gente vendendo computador para comprar outro.

Gente transformando patrimônio em dinheiro.

Gente procurando gente.

Wonka pergunta:

— O que você está vendo?

O jovem responde:

— Classificados.

Wonka sorri.

— Não.

Aponta para as páginas.

“Você está vendo uma rede social antes da rede social.”

Mais uma página.

“Um marketplace antes do marketplace.”

Outra.

“Um mecanismo de busca antes do mecanismo de busca.”

Outra.

“Um LinkedIn sem perfil.”

Outra.

“Um banco de dados impresso.”

E finalmente fecha o jornal.

PLOFT.

Uma pequena nuvem de poeira sobe.

Wonka continua:

— A tecnologia desapareceu. O requisito não.

E essa talvez seja a melhor lição que o velho Primeira Mão pode ensinar a qualquer jovem desenvolvedor COBOL.

Nós nos apaixonamos pelas implementações.

Papel.

Terminal 3270.

Browser.

Aplicativo.

Cloud.

Container.

IA.

Mas por baixo delas existem necessidades humanas incrivelmente persistentes.

EU TENHO.
EU QUERO.
EU PRECISO.
EU OFEREÇO.
EU PROCURO.

O Primeira Mão transformava essas cinco frases em negócio.

As plataformas modernas continuam fazendo exatamente a mesma coisa.

Só trocaram:

PAPEL
  |
  v
BANCA
  |
  v
TELEFONE

por:

DATABASE
  |
  v
API
  |
  v
APP
  |
  v
ALGORITHM

E quando alguém disser que marketplace, social selling ou networking profissional são invenções absolutamente novas, procure mentalmente aquela banca.

O jornal grosso.

As páginas finas.

As letras minúsculas.

Os anúncios comprimidos.

A Bic circulando um carro.

O telefone fixo esperando tocar.

E algum sujeito em São Paulo dizendo:

— Alô?

— É do anúncio do Gol?

— É.

— Ainda está à venda?

MATCH FOUND.

Nenhum Kafka.

Nenhum Kubernetes.

Nenhum Redis.

Nenhum GraphQL.

Nenhum embedding.

Nenhum modelo de recomendação.

Nenhuma GPU.

Apenas duas pessoas, um anúncio e uma infraestrutura de papel fazendo aquilo que a tecnologia continua tentando aperfeiçoar:

encontrar alguém que procura exatamente aquilo que outra pessoa tem para oferecer.

Willy Wonka coloca a cartola.

O COBOLzeiro termina o café.

O elevador abre.

Antes de sair, aparece no terminal verde uma última mensagem:

       IDENTIFICATION DIVISION.
       PROGRAM-ID. PRIMEIRA-MAO.

       PROCEDURE DIVISION.

           PERFORM CONECTAR-PESSOAS
               UNTIL FIM-DO-MERCADO.

           STOP RUN.

Mas o programa não termina.

Porque FIM-DO-MERCADO nunca fica verdadeiro.

O papel desapareceu.

A banca perdeu espaço.

O telefone virou smartphone.

O classificado virou post.

O emprego virou oportunidade.

O vendedor virou usuário.

O leitor virou lead.

O anúncio virou listing.

A seção virou filtro.

O jornal virou plataforma.

E aquela velha pergunta continua atravessando todas as gerações tecnológicas, resiliente como um programa COBOL de 1974:

“Ainda está à venda?”

Só existe uma resposta apropriada para Willy Wonka:

“Sim. Mas qual o menor valor?”

RC=0000

☕

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...