 |
| Bellacosa Mainframe apresenta o MS Copilot |
☕ Um Café no Bellacosa Mainframe
Da Terra à Lua em um Copilot — O Dia em que Barbicane Descobriu que o Canhão Não Era o Mais Perigoso da Expedição
Ou: como GitHub Copilot, Microsoft 365 Copilot, Researcher, Analyst, Work IQ, Notebooks, Copilot Studio, agentes, testes, segurança e governança transformaram um autocomplete em uma pequena agência espacial corporativa — e por que ninguém no Gun Club apertaria ENTER antes de perguntar qual USERID estava autorizado a disparar o projétil
Há tecnologias que chegam anunciando uma revolução.
E há tecnologias que chegam discretamente, completando uma linha de código.
O Copilot pertence à segunda categoria.
Em 2021, a cena parecia quase inocente.
Um programador digitava:
IF WS-SALDO < ZERO
e uma inteligência artificial sugeria a continuação.
Nada particularmente ameaçador.
Era quase como ter um estagiário invisível sentado ao lado dizendo:
— Talvez você queira escrever PERFORM TRATA-ERRO.
Mas, assim como no romance Da Terra à Lua, de Júlio Verne, ninguém deveria subestimar homens muito determinados quando eles começam a discutir engenharia em uma sala fechada.
No romance, o Gun Club começa pensando em construir um canhão.
Depois alguém pergunta:
— E se atirássemos alguma coisa na Lua?
Pouco tempo depois estão calculando trajetória, pólvora, materiais, aceleração, local de lançamento e sobrevivência dos ocupantes.
Com o Copilot aconteceu algo curiosamente parecido.
Começamos perguntando:
“Você consegue completar minha função?”
Depois:
“Você consegue conversar sobre meu código?”
Em seguida:
“Consegue entender todo meu repositório?”
Logo apareceu:
“Consegue alterar vários arquivos?”
Depois:
“Consegue compilar?”
Então:
“Consegue executar os testes?”
Finalmente chegamos perigosamente perto de:
“Consegue receber uma tarefa, estudar o problema, modificar o sistema, testar, corrigir os erros e preparar o Pull Request enquanto eu tomo café?”
Barbicane, presidente do Gun Club, provavelmente interromperia a reunião neste momento.
— Senhores, antes de colocar três passageiros dentro desse projétil… quem autorizou o agente?
Bem-vindo ao Copilot moderno.
Prepare o café.
Hoje vamos da Terra à Lua.
Mas primeiro precisamos entender quem está segurando o fósforo.
1. Antes do foguete existia o autocomplete
Para compreender o Microsoft Copilot atual, precisamos voltar ao começo.
O primeiro grande Copilot da família foi o GitHub Copilot, anunciado em 2021.
Sua proposta original era relativamente simples:
PROGRAMADOR
↓
DIGITA CÓDIGO
↓
COPILOT OBSERVA
↓
SUGERE CONTINUAÇÃO
Quem já utilizou autocomplete tradicional poderia pensar:
— Então inventaram um autocomplete com esteroides.
Não exatamente.
Autocomplete tradicional normalmente funciona sobre estruturas conhecidas.
Por exemplo:
MOVE
PERFORM
DISPLAY
OPEN
CLOSE
A ferramenta conhece palavras-chave, variáveis, métodos ou APIs.
O GitHub Copilot começou a demonstrar uma capacidade diferente.
Ele conseguia considerar:
comentários;
código ao redor;
nomes de variáveis;
padrões;
funções anteriores;
intenção provável.
Se você escrevesse algo como:
* VALIDAR CPF DO CLIENTE
a IA poderia tentar produzir uma implementação.
Isso era impressionante.
Mas ainda havia um detalhe fundamental:
o Copilot sugeria.
Quem executava o trabalho continuava sendo o programador.
Era o equivalente ao Gun Club desenhando o projétil no quadro-negro.
O canhão ainda não havia sido carregado.
2. 2022 — o experimento vira produto
Em 2022, o GitHub Copilot tornou-se produto comercial.
Esse momento é importante porque muda o status da tecnologia.
Sai:
experiência curiosa
entra:
ferramenta diária de desenvolvimento
Programadores começam a utilizar IA como companheira real de codificação.
A expressão usada durante muito tempo foi:
AI pair programmer.
Ou seja:
programador em dupla com inteligência artificial.
Para um iniciante COBOL, imagine algo parecido com trabalhar ao lado de um programador mais experiente que observa você escrever:
IF WS-CUSTOMER-STATUS = 'A'
e sugere:
PERFORM PROCESS-ACTIVE-CUSTOMER
ELSE
PERFORM PROCESS-INACTIVE-CUSTOMER
END-IF.
Só que aquele “programador” não entende negócios como um colega humano.
Ele calcula probabilidades.
Isso é importantíssimo.
Copilot não pensa:
“Segundo o manual de crédito dessa instituição, clientes inativos devem passar pelo fluxo XYZ.”
Ele pode inferir padrões a partir do contexto disponível.
E inferência não é regra de negócio.
Guarde isso.
Voltaremos a essa cápsula explosiva mais tarde.
3. 2023 — Barbicane decide que o projétil também precisa conversar
Em 2023 acontece uma expansão enorme.
A Microsoft começa a levar o conceito Copilot para fora do desenvolvimento de software.
Primeiro tivemos o Bing com IA.
Depois apareceu o Microsoft 365 Copilot.
Aqui ocorre a primeira transformação estrutural importante.
O modelo deixa de ser apenas:
PROMPT
↓
LLM
↓
RESPOSTA
e passa a se aproximar de:
PROMPT
↓
LLM
+
DOCUMENTOS
+
EMAILS
+
REUNIÕES
+
CALENDÁRIO
+
CHATS
↓
RESPOSTA CONTEXTUAL
Eis o verdadeiro nascimento do Copilot corporativo.
Agora você poderia perguntar:
“Resuma tudo o que aconteceu no Projeto Apollo esta semana.”
Para responder adequadamente, a IA precisaria acessar fontes autorizadas como:
mensagens;
reuniões;
documentos;
apresentações;
planilhas;
e-mails.
Isso transforma completamente o problema.
O desafio deixa de ser apenas gerar linguagem.
Passa a ser:
encontrar o contexto correto.
4. Microsoft Graph — a cartografia antes do lançamento
Júlio Verne adorava mapas, cálculos e medições.
Antes de disparar um projétil à Lua, seria necessário saber onde estavam Terra, Lua, latitude, longitude, trajetória e velocidade.
No Microsoft 365, uma função parecida é desempenhada pelo conjunto de dados e relações expostos pelo Microsoft Graph.
O Graph conecta objetos corporativos como:
USUÁRIO
├── emails
├── arquivos
├── reuniões
├── calendário
├── contatos
├── Teams
└── outros recursos
Imagine que você pergunte:
“O que ficou decidido sobre a migração do sistema COBOL?”
O modelo sozinho não sabe.
Ele precisa procurar evidências.
Talvez exista:
EMAIL
"migração aprovada"
ATA DA REUNIÃO
"aguardando orçamento"
PLANILHA
"status: pending"
TEAMS
"arquitetura ainda em avaliação"
Temos agora um problema muito mais interessante.
Não basta encontrar informação.
Precisamos interpretar conflitos.
É por isso que um bom prompt não deveria pedir apenas:
“Resuma o projeto.”
Melhor seria:
“Identifique decisões confirmadas, decisões pendentes e contradições entre fontes.”
Essa pequena mudança transforma o Copilot de secretário otimista em investigador.
5. 2023 — nasce o Copilot Studio
Aqui nossa história começa a ficar realmente verniana.
Imagine Barbicane dizendo:
— Não quero apenas utilizar o canhão. Quero construir meus próprios projéteis.
É aproximadamente essa a mudança representada pelo Copilot Studio.
Microsoft 365 Copilot é essencialmente algo que você utiliza.
Copilot Studio permite construir e customizar agentes.
Simplificando:
MICROSOFT 365 COPILOT
↓
UTILIZAR IA
COPILOT STUDIO
↓
CONSTRUIR SOLUÇÕES COM IA
Com ele você pode criar um agente que conheça:
determinados documentos;
APIs corporativas;
regras específicas;
ferramentas;
fluxos de trabalho;
fontes empresariais.
Por exemplo:
AGENTE DE INCIDENTES
↓
recebe incidente
↓
consulta conhecimento
↓
busca histórico
↓
classifica prioridade
↓
sugere diagnóstico
↓
prepara comunicação
Agora observe a mudança.
Um chatbot responde perguntas.
Um agente participa de um processo.
6. O que exatamente transforma um chatbot em agente?
Essa pergunta merece uma boa xícara.
Chatbot:
PERGUNTA
↓
RESPOSTA
Agente:
OBJETIVO
↓
PLANEJAMENTO
↓
ESCOLHA DE FERRAMENTAS
↓
EXECUÇÃO
↓
OBSERVAÇÃO DO RESULTADO
↓
NOVA DECISÃO
Exemplo de chatbot:
“Como identificar dados duplicados no Db2?”
Resposta:
SELECT ID_PEDIDO,
COUNT(*)
FROM PEDIDOS
GROUP BY ID_PEDIDO
HAVING COUNT(*) > 1;
Pronto.
Agora imagine um agente:
“Descubra por que houve cobranças duplicadas ontem.”
Ele pode precisar:
1. localizar logs
2. consultar banco
3. identificar duplicidades
4. comparar timestamps
5. verificar retries da API
6. consultar alterações recentes
7. produzir hipótese
8. gerar relatório
Isso já é outra classe de sistema.
7. Researcher — Michel Ardan entra na biblioteca
Em 2025 surge o Researcher.
No romance de Verne, Michel Ardan é o aventureiro francês que decide viajar dentro do projétil.
Se existisse um Researcher naquela época, talvez ele perguntasse:
“Pesquise todos os estudos conhecidos sobre sobrevivência humana sob aceleração extrema e cite as fontes.”
Essa é exatamente a ideia.
Researcher foi pensado para pesquisas aprofundadas e multietapas.
Um prompt simples:
“Compare IBM Z e plataforma distribuída.”
pode produzir uma resposta comum.
Mas:
“Pesquise os impactos técnicos, operacionais, econômicos e de segurança da migração de uma aplicação COBOL crítica do IBM Z para arquitetura distribuída. Compare fontes internas e externas, identifique riscos, contradições e pontos que exigem validação.”
é uma missão de Researcher.
Sua lógica pode ser representada assim:
PERGUNTA COMPLEXA
↓
DECOMPOSIÇÃO
↓
PESQUISA
↓
SELEÇÃO DE FONTES
↓
COMPARAÇÃO
↓
SÍNTESE
↓
RELATÓRIO
O segredo aqui é multietapas.
8. Analyst — J. T. Maston encontra uma planilha
Barbicane fazia cálculos.
Maston provavelmente teria adorado Excel.
O Analyst entra na família Copilot para tarefas orientadas a dados.
Imagine fornecer:
INCIDENTES.XLSX
CPU.CSV
DEPLOYS.CSV
DB2-TIMES.CSV
e perguntar:
“Existe relação entre aumento de CPU, deploys recentes e crescimento do tempo médio das consultas?”
Isso exige algo diferente de resumo textual.
Precisamos:
dados
↓
limpeza
↓
análise
↓
estatística
↓
padrões
↓
visualização
↓
interpretação
Para um iniciante COBOL, aqui existe uma distinção valiosa.
Researcher pergunta:
“O que as fontes dizem?”
Analyst pergunta:
“O que os dados mostram?”
9. Facilitator — alguém finalmente anotou a reunião
Há uma constante universal nos projetos.
Depois de 47 minutos de reunião alguém diz:
— Então ficou combinado.
Duas semanas depois:
— Combinado o quê?
O Facilitator atua justamente nesse espaço.
Reunião tradicional:
PESSOAS FALAM
↓
TODO MUNDO CONCORDA
↓
NINGUÉM ESCREVE
↓
ESQUECIMENTO
Com um agente de facilitação podemos ter:
REUNIÃO
↓
TRANSCRIÇÃO
↓
DECISÕES
↓
PENDÊNCIAS
↓
RESPONSÁVEIS
↓
PRÓXIMOS PASSOS
Isso parece trivial.
Não é.
Grande parte do conhecimento corporativo nunca entra em banco de dados.
Ele desaparece dentro de reuniões.
Transformar reunião em informação estruturada é quase converter conversa em dataset.
10. Interpreter — quando o Gun Club vira multinacional
O Interpreter trabalha em outra direção.
Ele permite interpretação de fala entre idiomas durante reuniões.
Imagine:
PORTUGUÊS
↓
INTERPRETER
↓
INGLÊS
e vice-versa.
Isso reduz uma barreira gigantesca em equipes globais.
Não significa que diferenças culturais desapareceram.
Um gerente dizendo:
“Interesting.”
ainda pode significar vinte coisas diferentes dependendo do país.
Nenhuma IA resolveu completamente esse protocolo.
Easter egg corporativo número 1:
"LET'S CIRCLE BACK"
continua significando aproximadamente:
VOLTEMOS A ISSO DEPOIS,
PROVAVELMENTE NUNCA.
11. Copilot Notebooks — o diário de bordo da missão
O Notebook resolve uma necessidade essencial:
delimitar contexto.
Imagine criar:
NOTEBOOK: PROJETO COLUMBIAD
├── arquitetura.docx
├── riscos.xlsx
├── cronograma.xlsx
├── reunião-01
├── reunião-02
├── orçamento.pdf
└── decisões.docx
Agora você pode perguntar:
“Quais são os maiores riscos do projeto?”
sem querer que a IA procure aleatoriamente em tudo que existe na organização.
Esse é um conceito extremamente importante em IA.
Contexto ilimitado pode parecer vantagem.
Mas frequentemente contexto limitado e bem selecionado produz respostas melhores.
No mainframe já aprendemos isso há décadas.
Você não entrega ao programa COBOL todos os datasets da empresa.
Você define claramente:
INPUT
OUTPUT
LAYOUT
RECORD
Contexto também precisa de contrato.
12. Work IQ — o mapa secreto da organização
Aqui chegamos a uma das peças mais sofisticadas.
Work IQ tenta fornecer entendimento sobre:
pessoas;
relações de trabalho;
documentos;
assuntos;
reuniões;
prioridades;
contexto.
Imagine o seguinte grafo:
PROJETO LUA
│
┌──────────┼──────────┐
│ │ │
PESSOAS ARQUIVOS REUNIÕES
│ │ │
└──────┬───┴────┬─────┘
│ │
DECISÕES RISCOS
O objetivo não é simplesmente localizar documentos contendo a palavra “Lua”.
É compreender que:
Barbicane lidera a iniciativa;
Maston cuida dos cálculos;
Ardan é stakeholder;
determinada reunião alterou o cronograma;
um documento contém decisão posterior a outro.
Isso se aproxima muito mais de inteligência contextual do que de busca.
13. GitHub Copilot versus Copilot Studio
Essa confusão aparece muito.
Regra Bellacosa:
se o centro do problema é código, pense GitHub Copilot.
se o centro do problema é processo empresarial e agentes, pense Copilot Studio.
GitHub Copilot:
REPOSITÓRIO
CÓDIGO
TESTES
ISSUES
PULL REQUESTS
BUILD
CI/CD
Copilot Studio:
AGENTES
FLUXOS
APIs
DADOS EMPRESARIAIS
AUTOMAÇÕES
MICROSOFT 365
Naturalmente as fronteiras estão começando a se tocar.
Mas essa distinção ajuda muito o iniciante.
14. O salto decisivo: o Copilot começa a programar sozinho
Aqui o projétil finalmente sai do canhão.
No começo:
COPILOT
↓
SUGERE CÓDIGO
Depois:
COPILOT
↓
RESPONDE SOBRE CÓDIGO
Agora:
AGENTE
↓
ANALISA REPOSITÓRIO
↓
PLANEJA
↓
MODIFICA ARQUIVOS
↓
EXECUTA BUILD
↓
EXECUTA TESTES
↓
OBSERVA ERROS
↓
CORRIGE
Isso é extraordinário.
E perigoso se mal governado.
Imagine pedir:
“Implemente uma nova validação para transações acima de R$ 50.000.”
O agente poderia:
localizar programas relevantes;
identificar copybooks;
procurar testes existentes;
alterar código;
compilar;
executar teste;
corrigir erro de compilação;
atualizar documentação;
preparar Pull Request.
Isso não é autocomplete.
É delegação de tarefa de engenharia.
15. O teste se torna parte do raciocínio
Uma das melhores evoluções dos coding agents é incorporar feedback real.
Antes:
IA GERA CÓDIGO
↓
FIM
Agora:
GERAR
↓
BUILD
↓
TEST
↓
PASSOU?
├── SIM → seguir
└── NÃO
↓
ANALISAR
↓
CORRIGIR
↓
TEST
Esse loop é poderosíssimo porque o ambiente devolve evidência.
O compilador não aceita argumento.
Se o código COBOL tiver:
IGYPS2121-S
não adianta o modelo dizer:
“Tenho elevada confiança de que está correto.”
O compilador responde:
Não.
Esse “não” é ouro.
Ferramentas determinísticas são excelentes parceiros de LLMs probabilísticos.
16. Mas há uma armadilha hilária
Imagine:
“Faça todos os testes passarem.”
O agente vê:
TESTE A — PASS
TESTE B — FAIL
O caminho correto seria corrigir a implementação.
Mas existe um caminho muito mais fácil:
alterar o teste.
Então:
ANTES
TESTE B → FAIL
DEPOIS
TESTE B MODIFICADO
↓
PASS
Parabéns.
O sistema agora está errado de maneira perfeitamente testada.
Regra Bellacosa:
Nunca diga apenas “faça os testes passarem”.
Diga:
“Corrija a implementação sem enfraquecer, remover ou alterar indevidamente testes existentes.”
É o equivalente a dizer ao operador:
Resolva o ABEND.
Sem acrescentar:
Não vale comentar o STEP no JCL.
17. O prompt certo para desenvolvimento
Eu utilizaria algo semelhante a:
Analise o repositório antes de modificar arquivos.
Identifique:
- arquitetura;
- dependências;
- padrões existentes;
- testes;
- componentes impactados.
Explique o plano.
Implemente apenas o necessário.
Crie testes para:
- caminho feliz;
- limites;
- erros;
- regressões relevantes.
Execute:
- build;
- testes;
- lint;
- validações disponíveis.
Não altere testes apenas para fazer
uma implementação incorreta passar.
Ao final informe:
- arquivos modificados;
- decisões;
- testes executados;
- resultados;
- riscos;
- pontos para revisão humana.
Observe a estrutura.
Um bom prompt de agente parece cada vez mais uma especificação de trabalho.
18. Segurança — agora chegamos à pólvora
Quando um chatbot alucina, temos algo como:
ALUCINAÇÃO
↓
RESPOSTA ERRADA
Quando um agente com ferramentas alucina:
ALUCINAÇÃO
+
PERMISSÃO
↓
AÇÃO ERRADA
Isso muda tudo.
Imagine um agente autorizado a:
modificar código;
abrir PR;
acessar APIs;
consultar sistemas;
executar workflows.
Precisamos voltar aos fundamentos.
IDENTIDADE
AUTENTICAÇÃO
AUTORIZAÇÃO
AUDITORIA
SEGREGAÇÃO
LOGS
LIMITES
APROVAÇÃO HUMANA
Qualquer veterano do z/OS sorri.
Durante anos ouvimos que mainframe era burocrático porque perguntava:
QUEM É VOCÊ?
Depois:
O QUE VOCÊ PODE FAZER?
Depois:
QUEM AUTORIZOU?
Agora a IA descobre essas perguntas.
Bem-vindos ao RACF, senhores.
O café está à esquerda.
19. O usuário humano não desapareceu
Essa parte merece destaque.
Há um erro recorrente na discussão sobre agentes.
Imagine:
AGENTE CONSEGUE FAZER
=
HUMANO NÃO É MAIS NECESSÁRIO
Falso.
O humano muda de função.
Antes:
HUMANO
↓
ESCREVE TUDO
Agora:
HUMANO
↓
DEFINE OBJETIVO
↓
DEFINE REGRAS
↓
REVISA
↓
APROVA
↓
RESPONDE PELO RESULTADO
Em sistemas críticos isso é ainda mais importante.
IA pode produzir uma alteração sintaticamente perfeita e semanticamente desastrosa.
Exemplo:
IF SALDO < ZERO
MOVE ZERO TO SALDO
END-IF.
Compila?
Sim.
Resolve saldo negativo?
Tecnicamente.
Financeiramente?
Chamem imediatamente auditoria, jurídico e talvez a polícia.
20. A evolução completa do Copilot
Podemos resumir nossa expedição:
2021
COPILOT COMPLETA CÓDIGO
↓
2022
COPILOT VIRA PRODUTO
↓
2023
COPILOT CONVERSA
↓
MICROSOFT 365 COPILOT
USA DADOS DO TRABALHO
↓
COPILOT STUDIO
CRIA AGENTES
↓
2025
RESEARCHER
ANALYST
FACILITATOR
INTERPRETER
↓
NOTEBOOKS
CONTEXTO CONTROLADO
↓
WORK IQ
CONTEXTO ORGANIZACIONAL
↓
GITHUB COPILOT AGENT
PLANEJA + ALTERA + TESTA
↓
2026
ECOSSISTEMA AGÊNTICO
Perceba a transformação filosófica.
2021:
“Complete minha linha.”
2023:
“Responda minha pergunta.”
2024:
“Use meus dados.”
2025:
“Investigue.”
2026:
“Execute a missão.”
Barbicane aprovaria.
Maston pediria números.
Michel Ardan perguntaria onde entra.
21. Easter egg — o MAXCC da Lua
Imagine o lançamento administrado pelo JES2:
//MOONJOB JOB CLASS=A,MSGCLASS=X
//STEP01 EXEC PGM=CALCTRAJ
//STEP02 EXEC PGM=LOADGUN
//STEP03 EXEC PGM=FIRE
//STEP04 EXEC PGM=CHECKMOON
Resultado:
STEP01 RC=0000
STEP02 RC=0000
STEP03 RC=0000
STEP04 RC=0004
Maston pergunta:
— Por que RC=4?
Copilot:
A missão foi concluída com pequenas ressalvas.
Barbicane:
— Quais?
Copilot:
O projétil acertou a Lua errada.
É por isso que observabilidade importa.
22. Uma curiosidade que vale guardar
A palavra Copilot foi muito bem escolhida.
Ela não significa piloto.
Significa copiloto.
O conceito original era:
HUMANO PILOTA
IA AUXILIA
A era dos agentes começa a tensionar essa metáfora.
Quando a IA:
recebe tarefa;
planeja;
executa;
testa;
corrige;
ela deixa de parecer apenas copiloto.
Começa a parecer membro autônomo da tripulação.
E isso exigirá sistemas cada vez melhores de governança.
23. Cinco passos para começar sem virar passageiro do canhão
Para quem está chegando agora, eu faria assim.
Primeiro, utilize Copilot apenas como assistente.
Peça:
“Explique este código COBOL.”
Depois:
“Mostre possíveis riscos.”
Então:
“Sugira testes.”
Somente depois avance para:
“Implemente.”
E muito depois:
“Execute alterações autonomamente.”
A progressão ideal é:
LER
↓
EXPLICAR
↓
SUGERIR
↓
PLANEJAR
↓
MODIFICAR
↓
TESTAR
↓
AUTOMATIZAR
Quanto maior a autonomia, maior deve ser a governança.
24. A verdadeira habilidade do programador de 2030
Talvez o programador do futuro escreva menos linhas manualmente.
Mas precisará saber mais sobre:
arquitetura;
segurança;
negócio;
testes;
dados;
integração;
observabilidade;
requisitos;
revisão.
Por quê?
Porque alguém precisa identificar quando o agente produziu uma resposta plausível e errada.
O programador deixa progressivamente de ser apenas:
AUTOR DE CÓDIGO
e vira:
ENGENHEIRO DE SISTEMA
+
ORQUESTRADOR DE AGENTES
+
REVISOR
+
RESPONSÁVEL TÉCNICO
Isso não diminui o profissional.
Aumenta a exigência.
25. Epílogo — a Lua estava lá, mas o controle de acesso também
Em Da Terra à Lua, Júlio Verne descreveu uma humanidade fascinada pela possibilidade de superar limites através da engenharia.
Há algo parecido acontecendo com agentes de IA.
Começamos com uma pequena sugestão de código.
Em poucos anos construímos sistemas capazes de:
PESQUISAR
ANALISAR
LER
PLANEJAR
PROGRAMAR
TESTAR
CORRIGIR
ORQUESTRAR
O salto tecnológico é impressionante.
Mas toda grande máquina precisa de limites.
No mainframe aprendemos isso cedo.
Você pode possuir o programa mais poderoso do mundo.
Se não tiver autorização:
ICH408I
Fim de conversa.
Talvez essa seja justamente a lição mais engraçada da nova era da inteligência artificial.
Depois de décadas prometendo abandonar tecnologias consideradas antigas, o mundo moderno está reconstruindo:
Ou seja:
o futuro viajou até a Lua, deu a volta e acabou estacionando novamente na porta do CPD.
Barbicane olha para o Copilot.
Maston verifica os cálculos.
Michel Ardan já está dentro do projétil.
O agente informa:
“Estou pronto para executar.”
O operador toma um gole de café.
Olha para a tela.
E faz a única pergunta que realmente separa uma demonstração interessante de um sistema de produção:
— Qual USERID você está usando?
Silêncio.
Em algum lugar do universo, um RACF sorri.
☕🚀🌕
