☕ 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 IBM Bob. Mostrar todas as mensagens
Mostrar mensagens com a etiqueta IBM Bob. Mostrar todas as mensagens

segunda-feira, 3 de agosto de 2026

CSI Las Vegas — O Caso do Agente Fantasma Afinal : Onde Mora o IBM Bob?

Bellacosa Mainframe e o caso do agente fantasma onde o ibm bob habita?

☕ Um Café no Bellacosa Mainframe

CSI Las Vegas — O Caso do Agente Fantasma

Afinal... Onde Mora o IBM Bob?

"Toda investigação começa com uma pergunta aparentemente simples. No CSI Las Vegas aprendemos que, muitas vezes, a resposta está escondida exatamente onde ninguém pensa em procurar."

A pergunta chegou ao laboratório Bellacosa Mainframe numa tarde qualquer.

"O IBM Bob mora dentro do Mainframe?"

Silêncio.

O programador COBOL olha para o SDSF.

O operador observa a JES2.

O Sysprog abre a SYS1.PROCLIB.

O Administrador RACF consulta os Started Tasks.

Nada.

Nenhum PROC chamado BOB.

Nenhuma SYS.BOB.LIB.

Nenhum BOBLOAD.

Nenhum BOBPROC.

Nenhum STC.

Então...

Onde diabos mora esse agente?

Pegue sua lanterna.

Hoje investigaremos uma das maiores cenas do crime da Inteligência Artificial aplicada ao IBM Z.


Cena do Crime

CSI Las Vegas.

Sala escura.

Monitores iluminando o laboratório.

Na parede um enorme diagrama do z/OS.

Grissom aproxima-se.

— Catherine...

Onde está o Bob?

Nick responde:

— Não encontramos nenhum dataset.

Sara consulta o catálogo.

LISTCAT LEVEL(SYS.BOB)

Resultado:

ENTRY NOT FOUND

Brass pergunta:

— Então ele não existe?

Grissom sorri.

— Existe.

Só não mora onde vocês estão procurando.



A Primeira Hipótese

Todo programador COBOL imagina algo parecido com isto.

SYS1.PROCLIB

↓

SYS1.PARMLIB

↓

SYS1.LINKLIB

↓

USER.COBOL

↓

COPYLIB

↓

JCLLIB

↓

SYS.BOB.LIB

Seria maravilhoso.

Uma biblioteca contendo:

BOB

BOBINIT

BOBPROC

BOBLOAD

BOBCFG

Mas isso simplesmente não existe.

Pelo menos não na arquitetura atual.


O Grande Engano

Nós, profissionais de mainframe, fomos treinados durante quarenta anos para acreditar que:

"Se executa alguma coisa...

ela deve morar em algum dataset."

É natural pensar assim.

O CICS mora em bibliotecas.

O DB2 mora em bibliotecas.

O IMS mora em bibliotecas.

O MQ mora em bibliotecas.

O RACF possui módulos.

O DFSORT possui módulos.

Até o ISPF possui bibliotecas.

Então...

onde mora Bob?

A resposta muda completamente nossa forma de pensar.



Bob não mora no z/OS

Bob é um serviço.

Mais precisamente,

um AI Software Engineer Service.

Ele vive em infraestrutura moderna.

Pode estar:

  • IBM Cloud

  • Linux

  • Kubernetes

  • OpenShift

  • LinuxONE

  • Cloud privada

  • Data Center corporativo

Mas normalmente

não dentro do Address Space do z/OS.


Pense no Banco de Dados

Imagine um programa COBOL.

READ CLIENTE

Os dados não estão no COBOL.

Estão no VSAM.

Agora imagine:

EXEC SQL
SELECT *
FROM CLIENTES

O DB2 não mora no COBOL.

Ele responde ao COBOL.

Bob faz exatamente isso.



O Novo Modelo Mental

Em vez disso,

pense assim.

                 IBM Bob

             AI Service

                 │

      HTTPS / MCP / APIs

                 │

      IBM Z Open Editor

                 │

          Seu Programa

                 │

              Mainframe

O Bob está do outro lado da conversa.


Quem faz a ponte?

Aqui entra um personagem novo.

O MCP.

Model Context Protocol.

Imagine o velho VTAM.

Ele ligava terminais.

O MCP liga Inteligências Artificiais.


Antes

3270

↓

VTAM

↓

CICS


Hoje

Bob

↓

MCP

↓

Git

↓

Filesystem

↓

Mainframe

↓

Cloud

↓

SQLite

↓

Appwrite

↓

GitHub

É o mesmo conceito.

Mudou apenas o protocolo.


O Investigador encontra uma pista

Sara abre o VS Code.

Existe um programa COBOL.

CLIENTE.CBL

Bob consegue explicar.

Grissom pergunta.

Como?

Será que Bob entrou no PDS?

Não.

Quem abriu o programa foi o editor.

O editor entregou o conteúdo ao Bob.


Quem entrega os COPYBOOKs?

Outra pergunta excelente.

Imagine.

COPY CLIENTE.

COPY CONTA.

COPY BMSMAP.

O editor conhece o projeto.

Ele resolve os COPYBOOKs.

Quando Bob precisa entender o código,

ele recebe esse contexto.

Não porque entrou no Mainframe.

Mas porque alguém lhe mostrou.


A mesma lógica vale para

  • JCL

  • PROC

  • SYSIN

  • SQL

  • REXX

  • CLIST

  • HLASM

Tudo depende do contexto entregue.



Então Bob nunca acessa o Mainframe?

Aí está o detalhe interessante.

Ele pode acessar.

Mas através de portas autorizadas.

Nunca "invadindo" o z/OS.

Por exemplo.


Caminho 1

VS Code

↓

Zowe Explorer

↓

z/OSMF

↓

REST

↓

Mainframe

Caminho 2

Bob

↓

MCP

↓

Git

↓

Pipeline

↓

DBB

↓

Mainframe

Caminho 3

Bob

↓

SSH

↓

USS

↓

Linux

Tudo depende da arquitetura.


LinuxONE entra na investigação

Agora a história fica muito mais interessante.

Imagine um datacenter IBM.

Rack

↓

IBM Z

+

LinuxONE

↓

Rede interna

↓

Storage

↓

OpenShift

O LinuxONE é um monstro.

Ele roda Linux.

Mas não é um Linux qualquer.

Ele compartilha muitas características do IBM Z.

Alta disponibilidade.

Segurança.

Virtualização.

Criptografia.

Escalabilidade absurda.


E se Bob morasse no LinuxONE?

Agora estamos falando.

Imagine.

LinuxONE

↓

OpenShift

↓

Container

↓

IBM Bob

Esse cenário faz muito sentido.

Porque:

  • baixa latência

  • segurança

  • sem sair do datacenter

  • integração corporativa


Bob e OpenShift

Imagine.

Pod

↓

IBM Bob

↓

MCP Server

↓

REST APIs

Tudo rodando localmente.

O Mainframe conversa pela rede interna.

Muito parecido com:

CICS

↓

MQ

↓

Application Server


O papel do Telum

Agora entra outro personagem.

Telum.

O processador do IBM Z.

Muita gente pensa:

"O Telum roda Bob."

Não exatamente.


O que Telum realmente faz?

Telum possui IA embarcada.

Mas ela foi criada para inferência transacional.

Exemplo.

Fraude bancária.

Cartão de crédito.

Detecção de risco.

Scoring.

Machine Learning.

Tudo isso acontece durante a própria transação.


Imagine.

Cliente compra.

↓

CICS.

↓

COBOL.

↓

DB2.

↓

Telum AI.

↓

Fraude detectada.

↓

Autoriza.

↓

Resposta.

Tudo em poucos milissegundos.


Então Bob usa Telum?

Hoje,

não diretamente.

Bob é um agente.

Telum é um acelerador de IA.

São papéis diferentes.

É como comparar.

Compilador COBOL

e

CPU

O compilador usa a CPU.

Mas não mora nela.


Poderia usar?

Perfeitamente.

Imagine uma arquitetura futura.

IBM Bob

↓

LLM

↓

Agente

↓

Inferência Telum

↓

Mainframe

Algumas decisões poderiam ser aceleradas pelo hardware.


O Grande Sonho do Sysprog

Agora imagine uma empresa.

Tudo dentro do próprio datacenter.

                  Firewall

                     │

────────────────────────────────────

             IBM Z

────────────────────────────────────

       z/OS

         │

    z/OSMF

         │

    REST APIs

────────────────────────────────────

     LinuxONE

────────────────────────────────────

 OpenShift Cluster

      │

 IBM Bob

 MCP Server

 Vector Database

 Granite LLM

 watsonx

────────────────────────────────────

      Storage

────────────────────────────────────

Observe.

Bob continua não morando no z/OS.

Mas mora ao lado.

Dentro da mesma empresa.


Como um Sysprog enxergaria isso?

Algo parecido com:

Users

↓

VS Code

↓

Bob

↓

MCP

↓

z/OSMF

↓

RACF

↓

Datasets

↓

JES2

↓

CICS

↓

DB2

Cada camada conversa apenas com a seguinte.


O papel do RACF

Outra pergunta importante.

Bob pode ler qualquer dataset?

Não.

Quem manda continua sendo o RACF.

Imagine.

USER

↓

RACF

↓

Permissão

↓

Dataset

Bob nunca deveria ultrapassar essas permissões.

Ele atua com as credenciais autorizadas.


E o Sysadmin?

O Sysadmin enxerga diferente.

Ele pensa.

CPU.

Containers.

Pods.

TLS.

Certificados.

Load Balancer.

Storage.

OpenShift.

Logs.

Monitoramento.

Prometheus.

Grafana.

Para ele,

Bob é apenas mais um serviço corporativo.


O Sysprog pensa diferente

Ele pensa.

SYS1.PARMLIB

LPAR

SMF

RMF

APF

LINKLIST

JES

RACF

WLM

Por isso existe a confusão.

Bob pertence mais ao universo DevOps do que ao universo clássico do z/OS.


E se IBM decidisse integrar tudo?

Agora começa a ficção científica.

Imagine.

IBM.BOB.STC

Started Task.

BOBPROC

PROC.

SYS1.BOBLIB

Biblioteca.

BOBCFG

Parâmetros.

BOBMCP

Servidor.

Tudo hospedado em USS.

Não é impossível.

Na verdade,

USS já permite executar aplicações Linux-like dentro do z/OS.

Poderíamos imaginar:

USS

↓

Container

↓

Granite

↓

MCP

↓

Bob

Embora hoje esse não seja o modelo oficial.


Easter Egg nº 1

Lembra quando dizíamos:

"O Mainframe é um computador enorme."

Hoje essa definição está errada.

O IBM Z virou um grande orquestrador.

Ele conversa com:

  • Linux

  • Cloud

  • Kubernetes

  • APIs

  • IA

  • Containers

O computador deixou de ser uma ilha.


Easter Egg nº 2

Nos anos 1980 perguntávamos:

"Onde está o programa?"

Hoje perguntamos:

"Onde está o serviço?"

É uma mudança filosófica enorme.


Easter Egg nº 3

Daqui a alguns anos,

talvez um novo programador pergunte:

"Onde mora o Agente?"

E o Sysprog responderá:

"Não importa onde ele mora.

Importa apenas qual identidade RACF ele usa."


Veredito do CSI Las Vegas

Grissom fecha a pasta da investigação.

Na primeira página está escrito:

O Caso do Agente Fantasma

Conclusão:

O IBM Bob não desapareceu.

Nunca esteve escondido em uma SYS.BOB.LIB.

Nunca foi um módulo APF.

Nunca ocupou uma PDSE ao lado dos seus COPYBOOKs.

Ele representa uma nova geração de software: serviços inteligentes distribuídos, acessados por protocolos modernos e integrados ao ecossistema corporativo.

Para o programador COBOL, isso pode parecer estranho no início. Afinal, passamos décadas procurando tudo em bibliotecas, PROCs, LOADLIBs e datasets catalogados. Mas o mundo mudou.

Hoje, o código continua vivendo no z/OS. Os dados continuam protegidos pelo RACF. Os JOBs continuam passando pelo JES2. O CICS continua processando milhões de transações e o Db2 continua armazenando o coração do negócio.

A novidade é que surgiu um novo colega de equipe.

Ele não mora na estante das bibliotecas.

Ele mora na rede.

Pode estar em um cluster OpenShift sobre LinuxONE, em uma nuvem privada IBM, integrado ao watsonx e aos modelos Granite, conversando com o z/OS por z/OSMF, Zowe, MCP e APIs seguras.

É como um consultor extremamente experiente sentado do outro lado do vidro da sala de operações. Ele não toca diretamente nos datasets nem invade o sistema. Observa o contexto que você lhe fornece, analisa, sugere, documenta, revisa e acelera o trabalho.

Talvez essa seja a maior transformação desde o surgimento do CICS ou do Db2: o conhecimento deixou de estar preso a uma biblioteca física e passou a existir como um serviço inteligente, distribuído, colaborativo e conectado.

E quem sabe, daqui a alguns anos, ao abrir um console do z/OS, o Sysprog encontre finalmente aquele velho sonho realizado:

===> START BOB

IEF403I BOB - STARTED

IBM AI Software Engineer ready.

Waiting for next mission...

Nesse dia, provavelmente Grissom apenas sorriria e diria:

"O agente nunca esteve perdido. Nós é que estávamos procurando no lugar errado."

domingo, 2 de agosto de 2026

IBM Bob : O Holocron do Padawan — Da Primeira Pergunta até os Agentes Inteligentes

 

Bellacosa Mainframe e o holocron do conhecimento do ibm bob

☕ Um Café no Bellacosa Mainframe

IBM Bob para Programadores COBOL

O Holocron do Padawan — Da Primeira Pergunta até os Agentes Inteligentes

"Quando um programador COBOL encontra uma IA pela primeira vez, a tendência é pensar que ela escreve código. Depois de alguns dias percebe que ela faz muito mais. Depois de alguns meses percebe que quem realmente mudou foi a forma de pensar sobre desenvolvimento."


Durante décadas nós aprendemos uma sequência relativamente estável.

Requisito
↓
Análise
↓
Codificação
↓
Compilação
↓
Teste
↓
Produção

O IBM Bob não muda esse fluxo.

Ele muda quem participa dele.

O desenvolvedor deixa de trabalhar sozinho e passa a trabalhar acompanhado por uma IA especializada.

Essa é exatamente a ideia por trás de praticamente todas as fases do treinamento.



Capítulo 1 — O que é o IBM Bob?

O erro mais comum é pensar:

"Bob é um ChatGPT."

Não.

Bob é um AI Software Engineer.

Ele foi construído para acompanhar todo o ciclo de vida do software (SDLC).

Ele entende:

  • código

  • arquitetura

  • documentação

  • Git

  • Pull Request

  • testes

  • APIs

  • banco de dados

  • DevOps

  • Cloud

  • Mainframe

Ele não responde apenas perguntas.

Ele participa do desenvolvimento.



Capítulo 2 — O verdadeiro SDLC

Praticamente em vários momentos do curso falam do SDLC.

A ordem correta é:

Planejamento

↓

Levantamento de requisitos

↓

Análise

↓

Design

↓

Implementação

↓

Testes

↓

Deploy

↓

Manutenção

Nunca confunda.

Os testes nunca vêm antes dos requisitos.


Planejamento

Aqui respondemos:

O que será construído?

Quem vai usar?

Qual problema resolve?


Requisitos

Aqui descobrimos:

  • regras de negócio

  • usuários

  • limitações

  • integrações

É exatamente como conversar com o cliente antes de escrever um COBOL.


Design

Aqui definimos

Arquitetura.

Tecnologias.

Banco.

API.

Cloud.

Infraestrutura.

É a planta da casa.


Implementação

Aqui escrevemos código.

COBOL.

Java.

Python.

TypeScript.

Não importa.

O design vira código.


Testes

Somente agora validamos.

Não antes.


Capítulo 3 — Contexto é Rei

Uma das maiores mensagens do curso.

IA sem contexto é praticamente inútil.

Imagine perguntar:

Melhore esse programa.

Qual programa?

Qual arquivo?

Qual função?

Qual objetivo?

Agora compare com:

Arquivo:

CLIENTE.CBL

Objetivo:

Melhorar performance da leitura VSAM.

Não alterar layout.

Não modificar regras fiscais.

Não instalar bibliotecas.

Agora Bob entende.

Toda IA funciona melhor quando recebe contexto.



Capítulo 4 — Janela de Contexto

Outro assunto recorrente.

A Janela de Contexto é simplesmente tudo aquilo que Bob conhece naquele momento.

Ela contém:

  • conversa

  • arquivos

  • regras

  • prompts

  • histórico

  • documentos

Quanto maior o contexto útil,

melhor a resposta.

Quanto maior o contexto inútil,

pior a resposta.


Context Poisoning

Uma expressão importante.

Imagine manter aberto:

Projeto Banco A.

Depois mudar para

Projeto Banco B.

Mas esquecer documentos antigos.

Bob pode misturar regras.

Isso chama-se

Context Poisoning.

A IA passa a raciocinar baseada em informações erradas.



Capítulo 5 — Human in the Loop

Talvez seja o conceito mais importante do treinamento.

Bob nunca substitui o desenvolvedor.

Ele trabalha junto.

Você continua responsável por:

✔ validar

✔ revisar

✔ aprovar

✔ decidir

A IA sugere.

Você decide.


Capítulo 6 — Auto Approve

Bob pode executar ações automaticamente.

Mas existem níveis.

Exemplo:

Leitura

Pode abrir arquivos.

Pode listar diretórios.

Sem perguntar.

Já comandos perigosos

como

git reset

rm

git push

normalmente pedem confirmação.

Por quê?

Porque alterar um repositório é diferente de apenas ler um arquivo.


Capítulo 7 — Checkpoints

O que faz um checkpoint? Muitas vezes usamos o conceito mas não paramos para analisar e fazer um mapa mental.

Checkpoint significa:

Criar um ponto seguro.

Igual snapshot.

Antes de uma grande mudança:

✔ cria checkpoint

✔ modifica

✔ testa

✔ aprova

É exatamente igual ao conceito de backup antes de um grande IPL.



Capítulo 8 — Bob Rules

Aqui está um conceito excelente.

Imagine um programador COBOL.

Toda vez você escreve:

Sempre documente.

Nunca use GO TO.

Explique em português.

Isso é repetitivo.

As Bob Rules resolvem isso.

São regras permanentes.

Exemplo:

Sempre gerar comentários.

Nunca instalar dependências.

Usar Clean Code.

Elas ficam válidas para o projeto inteiro.



Capítulo 9 — Slash Commands

Enquanto Rules são permanentes,

Slash Commands são ações.

Exemplo:

/review

Revisar código.

/document

Gerar documentação.

/performance

Analisar desempenho.

São pequenas automações.


Capítulo 10 — agent.md

Uma excelente ideia.

O arquivo

agent.md

é um manual para Bob.

Ele registra:

  • arquitetura

  • convenções

  • decisões

  • padrões

  • organização

É muito parecido com um grande README técnico.


Capítulo 11 — Git

O curso insiste bastante nisso.

Fluxo correto.

git checkout -b

↓

editar

↓

commit

↓

push

↓

Pull Request

↓

Review

↓

Merge

Jamais:

Editar diretamente a Main.


Pull Request

Não é apenas enviar código.

É pedir revisão.


Code Review

Serve para verificar

✔ qualidade

✔ documentação

✔ arquitetura

✔ padrões

✔ clareza

✔ links

✔ consistência

Não apenas bugs.



Capítulo 12 — MCP

Aqui começa o futuro.

Model Context Protocol.

Imagine um cabo USB.

Você conecta:

Bob

Git

SQLite

Appwrite

GitHub

Filesystem

Terminal

APIs

Tudo usando um padrão.

Esse padrão chama-se MCP.


MCP Local

Vale apenas para um projeto.


MCP Global

Vale para todos.


MCP Remoto

Permite conversar com serviços externos.

Exemplo:

Appwrite.


API Keys

Sem credenciais

Bob não entra.

Assim como RACF protege um dataset,

API Keys protegem serviços Cloud.



Capítulo 13 — LLM

Outra sequência cobrada.

LLM

↓

Chatbot

↓

Copilot

↓

Agente

LLM

Motor.


Chatbot

Conversa.


Copilot

Ajuda.


Agente

Executa.

Planeja.

Decide.

Corrige.



Capítulo 14 — Sistemas Agentic

Agente faz muito mais.

Ele consegue:

Planejar.

Executar.

Reavaliar.

Corrigir.

Continuar.

Esse conceito aparece sempre que usamos um chat bot, seria o nosso passo a passo na execução da tarefa.


Multistep

Executa várias etapas.

Não apenas uma.


Self Correction

Errou?

Corrige sozinho.


Human in the Loop

Mesmo assim,

o desenvolvedor continua aprovando.



Capítulo 15 — Analytics

Outro bloco do curso.

Bob Analytics mostra:

Consumo.

Bob Coins.

Plano.

Uso.

Métricas.


Bob Coins

Padronizam consumo.

Não importa qual modelo está por trás.


Trial

Temporário.


PRO

Renova Bob Coins mensalmente.


Overage

Uma pegadinha da prova.

No treinamento foi enfatizado que:

o overage precisa ser reativado manualmente a cada mês para continuar em uso.

Mesmo que essa característica possa variar entre serviços, essa é a resposta esperada no contexto da aula.



Capítulo 16 — O Grande Mapa Mental

Cliente

↓

Requisitos

↓

Design

↓

Bob entende contexto

↓

Rules

↓

Slash Commands

↓

agent.md

↓

Checkpoint

↓

Implementação

↓

Git

↓

Commit

↓

Push

↓

Pull Request

↓

Review

↓

Merge

↓

Deploy

↓

Analytics

↓

Melhoria Contínua


O Pensamento Bellacosa Mainframe

Quando comecei no mainframe, lá no final dos anos 1980, a inteligência estava concentrada em dois lugares: na cabeça do analista experiente e nos milhares de programas COBOL que sustentavam o negócio. Hoje, continuamos precisando dessa experiência, mas ganhamos um novo parceiro.

O IBM Bob não substitui o programador COBOL. Ele não conhece melhor o negócio do que quem mantém aquele sistema há anos. O que ele faz é acelerar tarefas repetitivas, organizar informações, sugerir melhorias e reduzir o tempo gasto com atividades mecânicas.

Pense nele como um novo integrante da equipe. Ele trabalha rápido, lê milhares de arquivos em segundos e nunca se cansa de revisar código. Porém, ainda depende do arquiteto, do analista e do desenvolvedor para definir o rumo correto.

No fim das contas, a principal lição de todo esse treinamento não é aprender comandos, MCPs ou Bob Rules. É compreender uma nova forma de desenvolver software:

A IA executa. O desenvolvedor direciona. A experiência humana continua sendo o verdadeiro sistema operacional por trás de qualquer projeto.

Esse é o verdadeiro espírito do Bellacosa Mainframe: combinar décadas de conhecimento em engenharia de software com as novas capacidades da Inteligência Artificial, formando um desenvolvedor que entende tanto o legado quanto o futuro.

sábado, 1 de agosto de 2026

IBM BOB — O Companheiro de Bordo do Desenvolvedor Moderno

 

Bellacosa Mainframe e uma visão introdutoria no ibm ia bob

☕ Um Café no Bellacosa Mainframe

IBM BOB — O Companheiro de Bordo do Desenvolvedor Moderno

Quando a Inteligência Artificial finalmente aprendeu a conversar com o Programador COBOL

"Todo padawan precisa de um mestre. Às vezes esse mestre veste um manto. Outras vezes... responde em linguagem natural e ajuda a escrever código."


Introdução

Durante décadas, o desenvolvimento em IBM Z parecia uma arte secreta.

Os conhecimentos eram transmitidos de um programador experiente para outro, quase como antigos mestres Jedi passando seus holocrons.

Quem começava aprendia observando.

Depois copiava JCLs.

Depois copiava programas COBOL.

Depois aprendia por que aquela instrução existia.

Depois descobria que ninguém mais lembrava.

Foi assim por mais de cinquenta anos.

Então chegou a Inteligência Artificial.

Mas não aquela IA dos filmes que domina o mundo.

Nem aquela que escreve poesia.

Nem aquela que desenha gatos astronautas.

A IBM resolveu criar algo diferente.

Criou uma IA voltada para empresas.

Uma IA treinada para compreender documentação técnica.

Uma IA capaz de ajudar desenvolvedores.

Uma IA que entende infraestrutura corporativa.

Uma IA que conversa sobre APIs, COBOL, Java, Linux, Cloud, DevOps, Watsonx, OpenShift e IBM Z.

Essa IA recebeu um nome curioso.

IBM BOB.


Afinal...

O que é o IBM BOB?

BOB é o assistente de Inteligência Artificial corporativo da IBM.

Pense nele como um colega extremamente paciente.

Ele nunca reclama.

Nunca diz:

"Leia a documentação."

Ao contrário.

Ele lê a documentação por você.

Explica.

Resume.

Sugere.

Cria exemplos.

Ajuda a escrever código.

Explica mensagens de erro.

Traduz conceitos difíceis.

Auxilia arquitetos.

Auxilia desenvolvedores.

Auxilia administradores.

Auxilia alunos.

É praticamente um copiloto especializado no universo IBM.


Por que o nome "BOB"?

A IBM nunca tratou o nome apenas como uma sigla técnica.

O objetivo sempre foi dar ao assistente uma identidade simples, amigável e fácil de lembrar.

Curiosamente, "Bob" é um dos nomes mais comuns do idioma inglês.

Não intimida.

Não parece um robô.

Parece um colega de equipe.

E essa é justamente a proposta.

Não substituir pessoas.

Mas trabalhar junto delas.


Como nasceu essa ideia?

Durante muitos anos a IBM produziu milhares de páginas de documentação.

Imagine apenas:

  • z/OS

  • CICS

  • IMS

  • Db2

  • RACF

  • MQ

  • WebSphere

  • OpenShift

  • LinuxONE

  • Power

  • Storage

  • Cloud Pak

  • Watsonx

São milhões de linhas de documentação.

Nenhum ser humano consegue decorar tudo.

Mesmo especialistas vivem pesquisando.

A IBM percebeu algo importante.

O problema não era falta de informação.

Era excesso dela.

Assim surgiu a ideia:

"E se a documentação pudesse conversar?"

Essa pergunta mudou tudo.


A evolução da IA na IBM

Antes do BOB vieram muitos projetos importantes.

Década de 1990:

Especialistas começaram a estudar sistemas inteligentes.

Anos 2000:

Chegaram mecanismos de busca corporativos.

Depois vieram sistemas especialistas.

Então surgiu um projeto famoso.

Watson.


Watson mudou tudo

Em 2011 o IBM Watson venceu o programa Jeopardy.

Foi um marco histórico.

Pela primeira vez uma IA compreendia perguntas feitas em linguagem natural.

Ela precisava interpretar:

  • contexto

  • ambiguidades

  • referências

  • significado

Era muito diferente de apenas pesquisar palavras.

Foi ali que nasceu boa parte da tecnologia usada anos depois.


Depois veio a IA Generativa

Com os grandes modelos de linguagem, tudo acelerou.

A IBM lançou a plataforma:

watsonx

Ela reúne:

  • modelos de IA

  • treinamento

  • governança

  • segurança

  • IA corporativa

BOB nasceu justamente dentro dessa nova geração.


O grande diferencial

Existem muitas IAs.

Mas poucas entendem o mundo corporativo.

BOB foi criado pensando em empresas.

Ele entende:

  • documentação IBM

  • arquitetura

  • APIs

  • infraestrutura

  • padrões

  • segurança

  • desenvolvimento

Ele evita inventar respostas quando não possui contexto suficiente.

Essa característica é fundamental em ambientes corporativos.


Para que serve?

Imagine seu primeiro dia trabalhando em um banco.

Seu líder diz:

"Precisamos alterar um programa COBOL."

Você abre um programa com 18 mil linhas.

Existem:

  • COPYBOOKS

  • SQL

  • CICS

  • VSAM

  • MQ

  • dezenas de PERFORM

  • centenas de variáveis

Você pensa:

"Por onde começo?"

BOB ajuda exatamente nisso.


Exemplos do dia a dia

Entender um programa COBOL

Você pergunta:

Explique este PERFORM.

Ele explica.


Criar documentação

Pode transformar comentários técnicos em documentação.


Gerar exemplos

Pode criar programas exemplo.


Aprender comandos

Pergunte:

"Como funciona SORT FIELDS?"

Ele explica.


Entender mensagens

Recebeu um ABEND?

Cole a mensagem.

BOB explica.


Aprender APIs

Peça um exemplo REST.


Explicar JCL

Mostra cada DD.

Cada DISP.

Cada SPACE.

Cada UNIT.


Traduzir documentação

Boa parte da documentação IBM está em inglês.

BOB ajuda a interpretar rapidamente.


Um exemplo prático

Imagine um padawan.

Ele recebe:

IF SALDO > LIMITE
    MOVE "S" TO APROVADO
ELSE
    MOVE "N" TO APROVADO
END-IF

Ele pergunta:

Explique linha por linha.

BOB responde detalhadamente.

Agora imagine um código com 4 mil linhas.

O princípio é o mesmo.


Um exemplo ainda melhor

Imagine um JCL.

//STEP01 EXEC PGM=SORT

Pergunte:

"O que faz?"

Ele responde.

Depois:

"O que significa EXEC?"

Depois:

"O que significa PGM?"

Depois:

"Como funciona SORT?"

Você transforma um JCL inteiro em uma aula.


BOB não é apenas para COBOL

Ele auxilia em:

  • Java

  • Python

  • C#

  • Go

  • JavaScript

  • Terraform

  • Kubernetes

  • Linux

  • OpenShift

  • Git

  • GitHub

  • Jenkins

  • DevOps

E naturalmente...

IBM Z.


Primeiros passos para um Padawan COBOL

Aqui começa a aventura.

Passo 1

Não peça código.

Peça explicações.

Isso desenvolve raciocínio.


Passo 2

Mostre pequenos programas.

Nunca envie milhares de linhas inicialmente.


Passo 3

Pergunte:

"O que esta variável representa?"


Passo 4

Depois pergunte:

"Como melhorar?"


Passo 5

Só então peça exemplos.


Uma rotina interessante

Imagine estudar uma hora.

30 minutos:

Leia o material IBM.

30 minutos:

Converse com BOB.

Esse ciclo acelera absurdamente o aprendizado.


O que um desenvolvedor experiente faz?

Curiosamente...

Ele usa BOB de maneira diferente.

Não pergunta:

"Como escrever COBOL?"

Pergunta:

"Existe uma forma mais elegante?"

ou

"Há algum risco de performance?"

ou

"Existe um padrão mais moderno?"

A IA vira um segundo par de olhos.


Um paralelo com Star Wars

Luke possuía R2-D2.

Anakin tinha C-3PO.

Os pilotos tinham seus computadores de bordo.

No mundo IBM...

BOB cumpre um papel parecido.

Ele não pilota sua nave.

Mas ajuda durante toda a missão.


Curiosidades

Pouca gente percebe algumas coisas interessantes.

Curiosidade 1

BOB conversa em linguagem natural.

Você não precisa decorar comandos.


Curiosidade 2

Ele entende perguntas incompletas.

Como:

"Explique este JCL."


Curiosidade 3

Ele pode resumir documentações enormes.


Curiosidade 4

Ele reduz bastante o tempo gasto procurando informações.


Curiosidade 5

Ele funciona melhor quando recebe contexto.

Quanto melhor sua pergunta...

Melhor a resposta.


O segredo está no Prompt

Existe um velho ditado da programação.

Garbage In, Garbage Out.

Na IA vale exatamente a mesma regra.

Pergunta ruim.

Resposta ruim.

Pergunta excelente.

Resposta excelente.


Easter Egg 1

No universo Star Wars existiam Holocrons.

No mundo IBM...

A documentação técnica sempre foi o Holocron dos administradores de sistema.

BOB é quase um tradutor desses holocrons.


Easter Egg 2

Nos anos 70 existia um "BOB".

Só que era diferente.

Era aquele colega veterano que sabia tudo.

Ninguém sabia onde ele aprendia.

Mas quando havia um ABEND impossível...

Chamavam o Bob.

Décadas depois...

Agora existe outro Bob.

Só que digital.


Easter Egg 3

Programadores COBOL sempre tiveram fama de decorar códigos de erro.

Hoje não precisam decorar tanto.

Precisam entender.

BOB ajuda justamente nisso.


Easter Egg 4

Existe uma ironia interessante.

Durante décadas diziam:

"O COBOL vai desaparecer."

Hoje uma das áreas onde IA mais cresce é justamente ajudando empresas que possuem milhões de linhas de COBOL.

A história deu uma enorme volta.


O que BOB não faz?

Ele não substitui experiência.

Não conhece automaticamente todas as regras de negócio da sua empresa.

Não entende processos internos sem contexto.

Não aprova mudanças.

Não faz code review definitivo.

Ele auxilia.

A decisão continua sendo humana.


O futuro

Tudo indica que assistentes como o BOB serão cada vez mais integrados às ferramentas de desenvolvimento.

Imagine abrir o VS Code ou o IBM Z Open Editor e conversar com a IA enquanto programa, recebendo explicações, sugestões de testes, análise de impacto e ajuda para navegar por sistemas legados. Em vez de alternar entre dezenas de abas de documentação, o conhecimento chega diretamente ao ambiente de trabalho.

Para quem desenvolve em COBOL, isso representa uma mudança importante: o tempo gasto procurando respostas diminui, enquanto o tempo dedicado a compreender o negócio e criar soluções aumenta.


Conclusão

Se há alguns anos o maior patrimônio de uma equipe era o veterano que conhecia cada detalhe do sistema, hoje esse conhecimento pode ser ampliado por assistentes de IA como o IBM BOB. Isso não reduz o valor do profissional; pelo contrário, torna sua experiência ainda mais estratégica, permitindo que tarefas repetitivas sejam aceleradas e que o foco esteja naquilo que realmente importa: resolver problemas de negócio com qualidade.

Para o padawan COBOL, BOB não é um atalho para evitar estudar. É um mentor digital que responde perguntas, sugere caminhos e ajuda a interpretar décadas de conhecimento acumulado pela IBM. Quanto mais você aprende, melhores ficam suas perguntas — e melhores ficam as respostas.

Como diria o Bellacosa Mainframe, enquanto serve mais uma caneca de café:

"O verdadeiro mestre não é aquele que sabe todas as respostas. É aquele que aprendeu a fazer as perguntas certas. O IBM BOB pode responder muitas delas, mas a curiosidade continua sendo o compilador mais poderoso de qualquer programador."

sexta-feira, 31 de julho de 2026

👋 Boas-vindas ao IBM Bob Bootcamp

 

Bellacosa Mainframe apresenta o bootcamp DIO da IBM e seu agente BOB

👋 Boas-vindas ao IBM Bob Bootcamp

IA de Nível Empresarial para Desenvolvedores e Tech Leaders

Olá, pessoal!

Meu nome é Vagner Bellacosa, sou Analista de Sistemas IBM Mainframe, IBM Champion e, acima de tudo, um apaixonado por tecnologia, compartilhamento de conhecimento e aquele tradicional café que acompanha toda boa sessão de aprendizado.

É um enorme prazer fazer parte desta turma do IBM Bob Bootcamp.

Vivemos um momento raro na história da computação. Durante décadas ouvimos que a Inteligência Artificial era "o futuro". Pois bem... o futuro resolveu aparecer mais cedo do que imaginávamos, bater na porta e perguntar:

"Posso ajudar no seu código?"

A resposta, obviamente, foi:

"Pode... mas primeiro passa pelo Code Review!" 😄



Afinal... o que estamos fazendo aqui?

Estamos reunidos porque entendemos que IA não é moda.

É ferramenta.

É produtividade.

É aceleração.

É uma nova forma de pensar soluções.

Se você desenvolve software, administra ambientes, lidera equipes ou trabalha com arquitetura, provavelmente percebeu que a pergunta deixou de ser:

"Vou usar IA?"

e passou a ser

"Como posso utilizá-la melhor que os outros?"


Um recado para quem vem do Mainframe

Eu sou suspeito para falar...

Venho do universo IBM Z, COBOL, CICS, Db2 e z/OS.

Aquele ambiente que muitos juram que é "velho"...

...até descobrirem que movimenta boa parte do dinheiro do planeta.

Então, quando alguém pergunta:

"Mainframe combina com Inteligência Artificial?"

Minha resposta é sempre:

Combina tanto quanto café combina com madrugada de implantação.

Ou seja...

É praticamente obrigatório. ☕😂

Hoje a IA conversa com APIs REST, z/OS Connect, Watsonx, OpenShift, GitHub Copilot, Assistentes Inteligentes e, cada vez mais, com aplicações corporativas que executam justamente em IBM Z.


Minha expectativa

Espero aprender muito com todos vocês.

Cada participante chega com experiências diferentes.

Uns dominam Cloud.

Outros conhecem Kubernetes.

Alguns vivem em Java, Python ou JavaScript.

Outros, como eu, passaram anos escrevendo COBOL e fazendo milhões de transações passarem silenciosamente por um Data Center.

No fim das contas...

Todos estamos aprendendo a conversar com uma nova ferramenta.

E isso é fantástico.


Minha filosofia

Sempre gostei de uma frase simples:

Quem compartilha conhecimento nunca perde espaço; cria novos lugares para todos crescerem.

Então contem comigo durante o Bootcamp.

Se eu puder ajudar em alguma dúvida, trocar experiências ou simplesmente conversar sobre tecnologia, será um prazer.



Um pequeno aviso (com humor Bellacosa)

Caso durante o Bootcamp você apresente algum dos sintomas abaixo...

  • conversar com IA como se fosse um colega de equipe;

  • pedir para o Copilot escrever aquele método "rapidinho";

  • descobrir que um prompt bem escrito vale mais que cinquenta pesquisas;

  • começar a enxergar automação em absolutamente tudo;

...não se preocupe.

É perfeitamente normal.

Os efeitos costumam ser irreversíveis. 😄



https://web.dio.me/track/ibm-bob-ia-nivel-empresarial-para-desenvolvedores?

Boa sorte a todos!

Que este Bootcamp seja uma excelente oportunidade para aprender, compartilhar experiências, fazer novas amizades e descobrir como utilizar a Inteligência Artificial de forma prática e responsável.

Como diria o Bellacosa Mainframe:

"Prepare o café, abra a mente e mantenha o Git atualizado. Porque a IA pode até sugerir o código... mas a responsabilidade pelo commit continua sendo nossa!"

Nos vemos durante o Bootcamp!

☕🤖🚀

terça-feira, 30 de junho de 2026

Agentic Data Intelligence no IBM watsonx.data intelligence: Quando a Inteligência Artificial Descobre que Dados Sem Contexto São Apenas Bits Perdidos

 

Bellacosa Mainframe introduz o agentic data intelligence no ibm watsonx

☕ Um Café no Bellacosa Mainframe

Agentic Data Intelligence no IBM watsonx.data intelligence: Quando a Inteligência Artificial Descobre que Dados Sem Contexto São Apenas Bits Perdidos

Como um Programador COBOL Padawan Pode Entender a Próxima Grande Revolução da Inteligência Artificial Corporativa

Durante muito tempo, ouvimos que a Inteligência Artificial iria substituir programadores.

Depois disseram que bastava conectar um LLM (Large Language Model) ao banco de dados da empresa e todos os problemas estariam resolvidos.

Hoje sabemos que nenhuma dessas ideias estava completamente correta.

O verdadeiro desafio nunca foi fazer a IA "ler" dados.

O desafio sempre foi fazer a IA entender o significado daqueles dados.

Essa diferença parece pequena.

Na prática, ela separa uma IA que apenas gera respostas bonitas de uma IA capaz de trabalhar como um verdadeiro analista de negócios.

É exatamente esse o objetivo do novo Agentic Data Intelligence, incorporado ao IBM watsonx.data intelligence.

Para quem trabalha com IBM Z, COBOL, CICS, DB2, VSAM ou IMS, esse assunto é muito mais importante do que parece. Na realidade, ele conversa diretamente com um problema que todo programador experiente já enfrentou: como descobrir o impacto de uma mudança em um sistema gigantesco criado ao longo de décadas?

Pegue sua caneca de café.

Hoje vamos conversar sobre uma das tecnologias que provavelmente fará parte do futuro do desenvolvimento em Mainframe.


O maior problema da IA nunca foi inteligência

Imagine que amanhã você seja contratado por um grande banco.

No primeiro dia, entregam seu usuário RACF.

Você recebe acesso ao:

  • TSO/ISPF

  • SDSF

  • DB2

  • CICS

  • JCL

  • dezenas de bibliotecas PDS

  • milhares de programas COBOL

Você consegue abrir qualquer programa.

Consegue consultar tabelas.

Consegue executar jobs.

Mas consegue entender o sistema?

Claro que não.

Você não sabe:

  • qual tabela é oficial;

  • qual copybook está obsoleto;

  • qual campo representa uma regra de negócio;

  • quem é o responsável por determinado cadastro;

  • quais programas utilizam aquele arquivo VSAM;

  • quais APIs dependem daquele campo.

Agora imagine uma Inteligência Artificial.

Ela sofre exatamente do mesmo problema.

Ela consegue acessar dados.

Mas não conhece a empresa.


Dados não são conhecimento

Essa talvez seja a primeira grande lição deste artigo.

Existe uma enorme diferença entre:

Dados

e

Conhecimento Corporativo.

Por exemplo:

CLIENTE.STATUS = "A"

Para você isso significa o quê?

Nada.

Agora imagine que o glossário da empresa define:

"A = Cliente Ativo"

Já faz sentido.

Mas e se outra empresa definir:

"A = Cliente Aposentado"

Ou ainda:

"A = Cliente de Alto Valor"

Percebe?

O dado é exatamente igual.

O significado muda completamente.

É isso que chamamos de contexto.


O que é o IBM watsonx.data intelligence?

Pense nele como um enorme cérebro corporativo.

Ele não guarda apenas tabelas.

Ele guarda conhecimento sobre essas tabelas.

Ele sabe:

  • quem criou;

  • quem mantém;

  • quem utiliza;

  • quais sistemas dependem;

  • de onde vieram os dados;

  • quais regras foram aplicadas;

  • qual o nível de qualidade;

  • quais políticas de segurança existem.

Em outras palavras...

Ele transforma metadados em conhecimento utilizável.


Fazendo uma analogia com o Mainframe

Todo ambiente z/OS possui diversos "cérebros invisíveis".

Por exemplo:

  • ICF Catalog

  • RACF

  • SYS1.PARMLIB

  • PROCLIB

  • SMS

  • JES2

Nenhum deles processa transações bancárias.

Mesmo assim...

sem eles o banco simplesmente para.

O watsonx.data intelligence exerce um papel semelhante.

Ele não substitui o DB2.

Nem o VSAM.

Nem o IMS.

Ele explica para a IA como interpretar tudo isso.


Como funciona o Agentic Data Intelligence?

Vamos imaginar um fluxo simples.

Um usuário pergunta:

"Quais clientes Premium tiveram queda no faturamento este mês?"

Uma IA tradicional faria algo parecido com isto:

Pergunta

↓

Procura tabelas

↓

Executa SQL

↓

Entrega resposta

Parece bom.

Mas há vários riscos.

Ela pode consultar:

  • tabela errada;

  • coluna desatualizada;

  • dados duplicados;

  • informações sem governança.

Agora veja o novo fluxo.

Pergunta

↓

Consulta o catálogo corporativo

↓

Verifica definições de negócio

↓

Consulta Data Lineage

↓

Verifica políticas

↓

Avalia qualidade

↓

Gera resposta

É um processo muito mais inteligente.


O que significa "Trusted Context"?

Esse é provavelmente o conceito mais importante do watsonx.data intelligence.

Traduzindo livremente:

Contexto Confiável.

A IA deixa de confiar apenas nos dados.

Ela passa a confiar também nas regras que explicam aqueles dados.

Isso muda completamente a qualidade das respostas.


O papel do Business Glossary

Imagine um banco.

A palavra "Saldo" pode significar:

Saldo Contábil

Saldo Disponível

Saldo Projetado

Saldo Bloqueado

Saldo Médio

Todos são "Saldo".

Mas representam conceitos diferentes.

O Business Glossary resolve exatamente esse problema.

Ele funciona como um dicionário oficial da empresa.

Quando a IA encontra um termo, ela consulta o glossário antes de responder.

É como perguntar ao analista de negócios:

"Quando vocês dizem saldo, qual saldo exatamente?"


Data Lineage: seguindo o caminho dos dados

Agora imagine um campo chamado:

LIMITE_DISPONIVEL

De onde ele veio?

A IA consegue descobrir algo como:

PIX

↓

Movimentações

↓

Conta Corrente

↓

Motor Financeiro

↓

Tabela DB2

↓

Dashboard

Ela enxerga toda a cadeia de transformação.

Isso é chamado de Lineage.


Pensando como um Programador COBOL

Imagine alterar um copybook.

01 CLIENTE.
   05 LIMITE        PIC S9(9)V99 COMP-3.

Antes de alterar esse campo, você gostaria de saber:

  • Quantos programas usam esse copybook?

  • Quais transações CICS dependem dele?

  • Existe algum Job Batch?

  • Alguma API REST utiliza esse campo?

  • Existe integração com sistemas externos?

Hoje isso normalmente exige:

SDSF.

Pesquisa no Endevor.

Ferramentas de Impact Analysis.

Consulta a analistas.

Reuniões.

Com Agentic Data Intelligence, boa parte dessa investigação pode ser automatizada.


O poder do Data Quality

Imagine perguntar:

"Qual o faturamento do último trimestre?"

Uma IA comum responde.

Uma IA inteligente responde:

"O conjunto de dados possui 97,8% de qualidade, porém existem registros duplicados na origem."

Essa pequena diferença aumenta enormemente a confiança na resposta.


Governança não é burocracia

Muitos iniciantes acham que Governança serve apenas para gerar documentação.

Na verdade...

Governança protege a empresa.

Por exemplo:

CPF.

A IA sabe que:

  • deve mascarar;

  • exige autorização;

  • está protegido pela LGPD;

  • possui classificação confidencial.

Ela aprende regras.

Não apenas dados.


Ownership: quem é o dono da informação?

Imagine encontrar uma tabela chamada:

CLIENT_MASTER

Quem responde por ela?

Financeiro?

CRM?

Marketing?

TI?

A IA consulta o catálogo.

Descobre o proprietário.

E informa.

Isso reduz muito o tempo gasto procurando especialistas.


O que é o MCP?

MCP significa:

Model Context Protocol.

Você pode imaginar o MCP como um "idioma universal" entre agentes de IA e sistemas corporativos.

Assim como:

ODBC

JDBC

ODBC permitiu acessar bancos de dados diferentes.

O MCP pretende permitir que qualquer IA consulte conhecimento corporativo da mesma maneira.

Isso significa integração com:

  • IBM Bob

  • Claude

  • GitHub Copilot

  • watsonx Orchestrate

  • aplicações internas


Agent Skills: ensinando experiência para a IA

Aqui está uma das partes mais interessantes.

Imagine ensinar um estagiário.

Você não diz apenas:

"Cadastre um novo Data Product."

Você entrega um procedimento.

Receber dados

↓

Classificar

↓

Enriquecer metadados

↓

Aplicar LGPD

↓

Publicar

↓

Validar

Esse fluxo recebe o nome de Agent Skill.

São habilidades reutilizáveis.

É como um PROC em JCL.

Você encapsula conhecimento.

Depois reutiliza quantas vezes quiser.


Um exemplo para quem conhece JCL

Veja este comando:

//STEP01 EXEC PROC=BACKUP

Você não precisa lembrar:

  • IDCAMS

  • SORT

  • DELETE

  • DEFINE

  • REPRO

Tudo já está preparado.

Agent Skills funcionam exatamente assim.


Um exemplo de uso no mundo real

Imagine um auditor perguntando:

"De onde veio o valor mostrado neste Dashboard?"

A IA pode responder:

Dashboard

↓

Data Product

↓

Tabela Curada

↓

Pipeline ETL

↓

DB2

↓

Programa COBOL

↓

Arquivo VSAM

↓

Sistema de Origem

Tudo automaticamente.

Sem abrir dez ferramentas diferentes.


Outro exemplo para o Padawan

Você altera um Copybook.

Antes do Deploy, pergunta:

"Qual será o impacto?"

O agente responde:

  • 218 programas COBOL afetados;

  • 12 aplicações Java;

  • 31 APIs REST;

  • 4 sistemas parceiros;

  • 6 dashboards;

  • 2 modelos de IA.

Isso é muito mais poderoso do que uma simples pesquisa textual.


Como isso muda a vida do Programador COBOL?

Muito.

Hoje gastamos boa parte do tempo tentando descobrir:

"Quem usa isso?"

No futuro a pergunta será:

"IA, mostre todo o impacto desta alteração."

A IA não apenas responderá.

Ela mostrará:

  • dependências;

  • riscos;

  • qualidade;

  • governança;

  • responsáveis.


Como começar a estudar?

Se você é um COBOL Padawan, siga esta ordem.

Etapa 1 — Domine o Mainframe

Antes de IA, conheça bem:

  • JCL

  • TSO

  • SDSF

  • VSAM

  • DB2

  • CICS

  • IMS

Sem isso, você não entenderá de onde vêm os dados.


Etapa 2 — Aprenda Modelagem de Dados

Estude:

  • Chaves primárias

  • Chaves estrangeiras

  • Normalização

  • Data Warehouse

  • Data Lake

  • Data Products


Etapa 3 — Aprenda Governança

Entenda conceitos como:

  • Metadata

  • Business Glossary

  • Data Steward

  • Lineage

  • Data Quality

  • Data Catalog

  • Ownership

Esses termos aparecerão cada vez mais no mercado.


Etapa 4 — Estude IA Corporativa

Depois avance para:

  • LLM

  • RAG (Retrieval-Augmented Generation)

  • Agentes de IA

  • MCP (Model Context Protocol)

  • IBM watsonx

  • IBM Bob

  • watsonx Orchestrate

Você perceberá que IA corporativa é muito diferente de simplesmente conversar com um chatbot.


Dicas práticas para evoluir

✔ Aprenda SQL profundamente. A IA depende de dados bem estruturados.

✔ Leia documentação de arquitetura dos sistemas onde trabalha. O contexto de negócio é tão importante quanto o código.

✔ Familiarize-se com ferramentas de análise de impacto, catálogos de dados e governança. Muitas das capacidades do Agentic Data Intelligence automatizam tarefas que hoje são feitas manualmente.

✔ Estude conceitos de segurança, LGPD e classificação de dados. Um bom profissional de Mainframe entende que proteger a informação é tão importante quanto processá-la.

✔ Experimente copilotos e agentes de IA, mas sempre valide as respostas. A confiança em IA corporativa nasce da combinação entre automação e governança.


Curiosidades

  • A maior parte do conhecimento de uma empresa não está no código COBOL, mas nas regras de negócio documentadas — ou, muitas vezes, apenas na cabeça dos especialistas.

  • Grandes bancos mantêm aplicações com mais de 40 anos de evolução contínua. Compreender suas dependências é um desafio monumental.

  • O conceito de lineage existe há anos em ferramentas de integração de dados, mas agora passa a fazer parte das respostas produzidas por agentes de IA.

  • O Model Context Protocol (MCP) está se consolidando como um padrão importante para conectar modelos de IA a ferramentas e fontes de conhecimento corporativo.

  • O futuro da IA empresarial dependerá menos de modelos gigantes e mais da capacidade de utilizar dados confiáveis, governados e contextualizados.


Conclusão: o futuro pertence a quem entende contexto

Durante décadas, o diferencial de um excelente programador COBOL nunca foi decorar comandos do compilador ou conhecer todas as instruções da linguagem. O que realmente fazia diferença era compreender profundamente as regras de negócio, as dependências entre sistemas e a história por trás de cada aplicação.

O Agentic Data Intelligence leva essa mesma filosofia para a Inteligência Artificial.

Em vez de responder apenas com base em dados brutos, os agentes passam a consultar glossários de negócio, políticas de governança, linhagem dos dados, métricas de qualidade e informações sobre responsabilidade dos ativos. Em outras palavras, eles começam a agir como faria um analista experiente que conhece o ambiente da empresa.

Para o COBOL Padawan, isso representa uma oportunidade extraordinária. Dominar apenas a linguagem COBOL continuará sendo importante, mas já não será suficiente. O profissional que se destacar será aquele capaz de unir programação, arquitetura de dados, governança, inteligência artificial e conhecimento do negócio.

Assim como o Mainframe evoluiu de cartões perfurados para APIs REST, microsserviços e integração com nuvem, a próxima evolução será impulsionada por agentes inteligentes capazes de compreender o contexto completo da organização.

E talvez essa seja a maior lição deste café no Bellacosa Mainframe:

O código continua sendo essencial, mas o verdadeiro poder está em compreender o significado dos dados. Quem dominar esse conhecimento ajudará a construir a próxima geração de sistemas inteligentes sobre a plataforma mais confiável do mundo: o IBM Z.

 

segunda-feira, 29 de junho de 2026

IBM Bob + Docling for watsonx: Quando a Inteligência Artificial Aprende a Trabalhar Como um Analista Mainframe

 

Bellacosa Mainframe criando automacao de documentos com o ibm bob

☕ Um Café no Bellacosa Mainframe

IBM Bob + Docling for watsonx: Quando a Inteligência Artificial Aprende a Trabalhar Como um Analista Mainframe

Da Especificação ao Código, dos Documentos ao Conhecimento — O Futuro da Engenharia de Software Também Está Chegando ao COBOL

"Um bom programador escreve código. Um excelente programador entende o problema antes de escrever a primeira linha. O IBM Bob faz exatamente isso."


Introdução

Durante décadas, nós, profissionais de Mainframe, aprendemos uma verdade que continua absolutamente válida.

Codificar nunca foi a parte mais difícil de um projeto.

O verdadeiro desafio sempre esteve em entender o problema.

Quem trabalhou em bancos, seguradoras, empresas aéreas ou grandes indústrias conhece essa realidade.

Antes de abrir o ISPF e digitar o primeiro:

IDENTIFICATION DIVISION.

havia semanas — às vezes meses — dedicados a:

  • levantamento de requisitos;

  • entrevistas com usuários;

  • documentação funcional;

  • especificação técnica;

  • desenho de fluxo;

  • modelagem de arquivos;

  • validação com analistas;

  • revisão de arquitetura.

Somente depois disso alguém começava a escrever COBOL.

Curiosamente, durante muitos anos a Inteligência Artificial fez exatamente o contrário.

Ela recebia um prompt como:

"Crie um sistema de vendas."

E imediatamente começava a gerar milhares de linhas de código.

Parecia impressionante.

Mas para quem viveu projetos corporativos, havia um problema evidente:

Ninguém desenvolve software sério dessa forma.

Foi exatamente essa percepção que levou a IBM a criar uma abordagem muito mais madura, demonstrada no tutorial "Extract structured data from messy documents with Docling for IBM watsonx and IBM Bob".

Mais do que apresentar uma ferramenta, o tutorial mostra uma mudança de paradigma na engenharia de software.


O desenvolvimento tradicional

Vamos imaginar um projeto COBOL.

O usuário diz:

"Precisamos importar Ordens de Compra."

Parece simples.

Mas imediatamente surgem dezenas de perguntas.

  • Qual o layout?

  • Quantos fornecedores existem?

  • Existe autenticação?

  • Há processamento paralelo?

  • Como tratar arquivos inválidos?

  • Qual o limite diário?

  • Como exportar os resultados?

Essas perguntas não são feitas pelo compilador.

São feitas pelo analista.

Durante décadas essa foi exatamente a função do Analista de Sistemas.

Antes do programador existir, existe o entendimento do negócio.


O velho erro da IA

Grande parte dos copilots atuais funciona assim:

Usuário

↓

Prompt

↓

Código

Isso funciona para pequenos exemplos.

Mas em sistemas corporativos surgem problemas.

Por exemplo:

"Crie um sistema de compras."

Qual banco?

Qual autenticação?

Quais APIs?

Qual arquitetura?

Como tratar erros?

Onde salvar?

Como testar?

Como implantar?

Sem essas respostas, o código pode até funcionar, mas dificilmente será um sistema robusto.


A proposta do IBM Bob

O IBM Bob muda completamente essa lógica.

O fluxo passa a ser:

Ideia

↓

Requisitos

↓

Especificação Técnica

↓

Arquitetura

↓

Implementação

↓

Testes

↓

Correções

↓

Aplicação

Perceba a diferença.

O código deixa de ser o primeiro passo.

Ele passa a ser uma consequência.

Essa abordagem é chamada de Spec-Driven Development (SDD).


O que é Spec-Driven Development?

Imagine construir um prédio.

Ninguém começa levantando paredes.

Primeiro vêm:

  • levantamento do terreno;

  • projeto arquitetônico;

  • projeto elétrico;

  • projeto hidráulico;

  • cálculos estruturais.

Somente depois aparece o concreto.

Na engenharia de software deveria ser igual.

O documento de especificação passa a ser o "projeto da construção".

É exatamente isso que Bob produz automaticamente.


O papel do Docling

Outro protagonista do tutorial é o Docling for watsonx.

À primeira vista pode parecer apenas uma biblioteca para ler PDFs.

Mas isso seria reduzir demais sua importância.

O Docling faz algo muito mais sofisticado.

Ele transforma documentos desestruturados em dados compreensíveis para IA.

Imagine uma Ordem de Compra.

Visualmente ela possui:

  • logotipo;

  • cabeçalho;

  • fornecedor;

  • data;

  • tabela;

  • rodapé;

  • observações.

Para um ser humano isso é trivial.

Para um computador tradicional tudo isso é apenas texto espalhado.

O Docling reconstrói a estrutura lógica do documento.

Ele entende:

  • títulos;

  • subtítulos;

  • listas;

  • tabelas;

  • colunas;

  • imagens;

  • relações hierárquicas.

Isso muda completamente o jogo.


PDF não é banco de dados

Esse talvez seja o conceito mais importante para um programador COBOL entender.

Durante anos trabalhamos com:

  • VSAM

  • DB2

  • IMS

  • Sequential Files

Todos possuem estrutura.

Um PDF não.

Ele é praticamente uma fotografia.

Extrair informação dele sempre foi difícil.

Bibliotecas antigas conseguiam apenas:

Texto

Texto

Texto

Texto

As tabelas desapareciam.

As colunas eram misturadas.

Os totais se perdiam.

O Docling preserva a estrutura.

Isso faz toda diferença.


O exemplo do tutorial

O exemplo utilizado é bastante interessante.

O usuário deseja um sistema capaz de:

  • receber vários PDFs;

  • identificar Ordens de Compra;

  • extrair fornecedores;

  • consolidar produtos;

  • calcular totais;

  • exportar CSV.

Nada extraordinário.

Mas observe como Bob trabalha.

Primeiro ele cria um documento chamado:

requirements-intent.md

Esse documento representa apenas a intenção.

Não existe código.


A IA faz perguntas

Em seguida Bob começa a agir como um Analista de Sistemas.

Ele pergunta:

Existe autenticação?

O processamento será paralelo?

Quantos PDFs?

Como tratar falhas?

É exatamente o tipo de pergunta que um analista humano faria.

Essa talvez seja a parte mais impressionante do tutorial.

A IA deixa de ser um "digitador automático".

Ela passa a participar do entendimento do problema.


A especificação técnica

Depois das respostas surge automaticamente:

TECHNICAL_SPEC.md

Esse documento contém:

  • visão geral;

  • arquitetura;

  • APIs;

  • diretórios;

  • modelos;

  • diagramas Mermaid;

  • componentes.

Quem trabalhou com metodologias tradicionais certamente lembrou imediatamente dos antigos documentos de Análise Estruturada.

A diferença é que agora eles são produzidos automaticamente.


A arquitetura

O sistema criado segue uma arquitetura bastante limpa.

Carbon Design

↓

Flask

↓

Upload

↓

Docling

↓

Markdown

↓

Parser

↓

Analytics

↓

CSV

Observe que cada componente possui responsabilidade única.

Esse princípio é chamado de Separation of Concerns.

É exatamente o mesmo conceito utilizado em aplicações CICS modernas.


O Carbon Design

Outro elemento importante é o Carbon Design System.

Programadores COBOL normalmente não trabalham com interfaces gráficas.

Mas vale entender sua importância.

O Carbon é para aplicações Web aquilo que o ISPF foi para o z/OS.

Um conjunto padronizado de componentes.

Botões.

Menus.

Formulários.

Tabelas.

Ícones.

Tudo consistente.

Isso reduz muito o esforço de desenvolvimento.


O Parser

Após o Docling converter o PDF em Markdown estruturado entra em ação o Parser.

Sua função lembra muito um programa COBOL Batch.

Entrada:

Markdown

Saída:

Objetos estruturados

Ele identifica:

  • fornecedor;

  • data;

  • produto;

  • quantidade;

  • preço;

  • total.

Ou seja, transforma texto em registros.

É praticamente um ETL.


O módulo Analytics

Depois do Parser vem o Analytics.

Aqui os dados passam a ser consolidados.

Por fornecedor.

Por produto.

Por ordem de compra.

Por valor.

Isso lembra bastante programas COBOL responsáveis por gerar relatórios financeiros.

A diferença é que agora os dados vieram de documentos PDF.


O momento mais interessante

Durante os testes algo falha.

Um teste unitário acusa erro.

O parser não tratava corretamente valores:

None

O que Bob faz?

Não pergunta ao usuário.

Não pede ajuda.

Ele:

  • localiza o erro;

  • altera apenas o trecho necessário;

  • executa novamente os testes.

Todos passam.

Esse comportamento lembra muito práticas modernas de DevOps.


Testes primeiro, confiança depois

Durante muitos anos ouvi uma frase:

"Meu programa compilou."

No mundo atual isso significa muito pouco.

O importante é:

Os testes passaram?

No tutorial vemos:

  • testes unitários;

  • testes de integração;

  • validação completa.

Esse é exatamente o fluxo esperado em engenharia moderna.


O resultado final

A aplicação permite:

✔ Upload de múltiplos PDFs

✔ Processamento automático

✔ Extração inteligente

✔ Consolidação

✔ Dashboard

✔ Exportação CSV

Tudo produzido praticamente a partir de documentação.


O que isso significa para um Programador COBOL?

Talvez você esteja pensando:

"Isso serve apenas para aplicações Web."

Na verdade, não.

Imagine adaptar exatamente esse fluxo para o Mainframe.

Recebemos diariamente:

  • SYSOUT

  • JES2

  • SMF

  • RMF

  • Dumps

  • Relatórios RACF

  • Catálogos

  • Logs IMS

  • Logs CICS

  • JCLs

  • Listings COBOL

  • EXPLAIN PLAN do Db2

  • Documentação técnica

  • Procedimentos operacionais

Todos esses documentos poderiam ser processados pelo Docling.

Depois enviados ao Granite.

Depois consultados via RAG.

Imagine perguntar:

"Mostre todos os programas COBOL que utilizam o arquivo CLIENTES e fazem EXEC CICS XCTL."

Ou então:

"Quais jobs executam depois do fechamento do movimento financeiro?"

Ou ainda:

"Explique este ABEND S0C7 utilizando os padrões encontrados em incidentes anteriores."

Essa é exatamente a direção para onde a engenharia de software está caminhando.


Uma analogia com o Batch

Podemos comparar todo esse fluxo com um Job Batch.

INPUT

↓

Validação

↓

Transformação

↓

Classificação

↓

Consolidação

↓

Relatório

↓

OUTPUT

A diferença é que agora o INPUT é um PDF.

E parte do processamento é realizada por modelos de IA.


O futuro do Analista de Sistemas

Durante muito tempo acreditou-se que IA substituiria programadores.

Na prática, o que observamos é diferente.

Ela está assumindo tarefas repetitivas:

  • documentação;

  • geração de código;

  • testes;

  • revisão;

  • correção.

Mas continua dependendo do conhecimento humano para:

  • entender regras de negócio;

  • validar arquitetura;

  • decidir prioridades;

  • compreender impactos.

Ou seja, o papel do analista se torna ainda mais estratégico.


Lições para quem está começando em COBOL

Se você é um Programador COBOL Júnior, talvez pense que precisa aprender apenas sintaxe.

Não.

A sintaxe muda.

Os princípios permanecem.

Aprenda:

  • análise de requisitos;

  • modelagem;

  • documentação;

  • arquitetura;

  • testes;

  • versionamento;

  • integração;

  • observabilidade.

Esses conhecimentos continuarão valiosos independentemente da linguagem utilizada.


Conclusão

O tutorial da IBM demonstra algo muito maior do que uma nova ferramenta.

Ele mostra que a Inteligência Artificial está amadurecendo.

Em vez de simplesmente gerar código, ela começa a participar de todo o ciclo de desenvolvimento:

  • entende o problema;

  • faz perguntas;

  • escreve especificações;

  • projeta arquitetura;

  • implementa;

  • testa;

  • corrige;

  • valida.

Para nós, profissionais de Mainframe, essa evolução é particularmente interessante.

Durante décadas aprendemos que um bom sistema nasce de uma boa especificação, de uma arquitetura sólida e de testes rigorosos. O IBM Bob resgata exatamente essa disciplina, agora potencializada pela IA. O Docling, por sua vez, amplia a capacidade de transformar documentos corporativos em informação estruturada, aproximando o universo dos PDFs, contratos, relatórios e ordens de compra das aplicações inteligentes baseadas em IA.

No fim das contas, a maior lição não é tecnológica, mas metodológica: o futuro pertence aos profissionais que sabem compreender o negócio antes de escrever código. Linguagens, frameworks e ferramentas continuarão evoluindo, mas a capacidade de analisar problemas, projetar soluções e garantir qualidade continuará sendo o verdadeiro diferencial de um engenheiro de software — seja ele programando em COBOL no IBM Z, em Python na nuvem ou utilizando agentes inteligentes como o IBM Bob.


quinta-feira, 2 de abril de 2026

☕ O Holocron do Agente IBM Bob Como um Padawan COBOL Pode Aprender com um Companheiro de IA Criado pela IBM

 

Bellacosa Mainframe e o ibm bob

☕ O Holocron do Agente IBM Bob

Como um Padawan COBOL Pode Aprender com um Companheiro de IA Criado pela IBM para Entender, Modernizar e Construir Sistemas Empresariais

"Os antigos Mestres decoravam milhares de comandos. Os novos Mestres ensinam agentes a trabalhar ao seu lado."


Introdução

Durante décadas, um desenvolvedor IBM Z precisava carregar consigo uma espécie de biblioteca mental.

Era necessário conhecer:

  • COBOL

  • JCL

  • DB2

  • VSAM

  • CICS

  • RACF

  • SDSF

  • ISPF

  • MQ

  • Java

  • APIs REST

  • Git

  • Jenkins

  • Ansible

  • OpenShift

Além disso, precisava compreender regras de negócio escritas há quarenta anos por analistas aposentados, interpretar copybooks obscuros e descobrir por tentativa e erro qual programa atualiza determinada tabela.

Em 2025 a IBM decidiu mudar essa história.

Nascia o Project Bob.

Em 2026 ele finalmente se tornou disponível como produto.

O objetivo é bastante ambicioso:

Ter um agente inteligente capaz de acompanhar todo o ciclo de vida do software corporativo.

Não apenas sugerir linhas de código.

Mas pensar junto.

Planejar.

Explicar.

Refatorar.

Gerar testes.

Documentar.

Modernizar aplicações.

Encontrar defeitos.

Auditar segurança.

Criar APIs.

Auxiliar equipes inteiras.

Para um Padawan COBOL, Bob talvez seja a ferramenta mais interessante surgida desde o lançamento do Enterprise COBOL 6.x.


O que é IBM Bob?

IBM Bob é um AI Coding Agent desenvolvido pela IBM.

Diferentemente dos copilotos tradicionais, Bob trabalha como um agente de desenvolvimento.

Ele atua durante praticamente todo SDLC.

SDLC significa:

Software Development Life Cycle.

Bob pode ajudar em:

Planejamento

Análise

Codificação

Testes

Documentação

Segurança

Modernização

Entrega

Em vez de apenas responder perguntas, Bob executa fluxos completos de trabalho.

IBM chama isso de:

Agentic Development

ou

Agentic SDLC


A origem do Projeto

Bob não apareceu do nada.

Ele é resultado da convergência de vários projetos IBM.

Watsonx Code Assistant for Z

Lançado em 2023.

Objetivo:

Auxiliar modernização COBOL.

Funções:

Explicar código

COBOL → Java

Gerar documentação

Analisar aplicações


Code Assistant for RPG

Criado pelo laboratório Rochester.

Focado em IBM i.


Granite

LLM desenvolvido pela IBM.


Anthropic Claude

IBM anunciou parceria para ampliar capacidades de engenharia.


Em outubro de 2025, durante o TechXchange, surgiu oficialmente:

Project Bob

Em março de 2026 surgiu a primeira versão pública.

Versão:

Bob 1.0

Data aproximada de disponibilidade:

24 Março 2026.

Atualmente existe inclusive um pacote denominado:

IBM Bob Premium Package for Z.


Por que o nome Bob?

IBM nunca divulgou oficialmente uma explicação definitiva.

Mas existe uma curiosidade interessante.

Muitos desenvolvedores brincam dizendo:

Bob é o "Bob The Builder" corporativo.

Ele não destrói aplicações.

Ele conserta.

Moderniza.

Documenta.

Amplia.

Protege.

Algo extremamente alinhado ao universo IBM Z.

Em vez de substituir programadores, Bob funciona como um companheiro.


O que Bob consegue fazer?

1 — Explicar COBOL

Prompt:

Explique este programa COBOL.

Bob responde:

Regras de negócio

Arquivos usados

Campos

Dependências

Fluxos

Excelente para sistemas bancários.


2 — Criar documentação

/document

Pode gerar:

Markdown

README

Diagramas

Comentários

Arquitetura


3 — Testes

Exemplo:

/unit-test

Pode produzir:

JUnit

PyTest

Testes Java

Estruturas automatizadas


4 — Revisão de código

Pergunta:

Existem problemas neste programa COBOL?

Bob pode apontar:

PERFORM incorreto

GO TO excessivo

dead code

duplicação

bugs


5 — Segurança

Detecta:

SQL Injection

credenciais

falhas


6 — Modernização

Talvez seja a parte mais interessante.

Bob consegue auxiliar:

COBOL

Serviços COBOL

APIs

Java


Onde usar Bob?

Atualmente Bob trabalha principalmente integrado ao:

Visual Studio Code

CLI

Ambientes SaaS

IBM Cloud

Sistemas:

Windows

Linux

MacOS


Como testar gratuitamente

Passo 1

Criar conta IBM.

Passo 2

Solicitar Trial.

Acesse:

IBM Bob

ou

bob.ibm.com


Passo 3

Instalar VSCode


Passo 4

Instalar extensão

IBM Bob


Passo 5

Login

IBM ID


Passo 6

Abrir projeto

COBOL

Python

Java


Passo 7

Conversar

Exemplo:

Explique este COPYBOOK

Documente este programa

Crie testes

Faça refatoração

Sugira API REST


Primeiro laboratório para um Padawan COBOL

Pegue um programa antigo.

Exemplo:

CALCSAL.cbl

Pergunte:

Explique este programa.

Depois:

Crie documentação Markdown.

Depois:

Gere casos de teste.

Depois:

Sugira melhoria COBOL 6.5.

Depois:

Transforme em serviço REST.

Você verá praticamente um assessment sendo realizado em minutos.


Comandos interessantes

Embora Bob esteja evoluindo, comandos similares aos usados no WCA aparecem frequentemente.

/document

Documentação


/unit-test

Testes


/review

Code review


/explain

Explicação


/refactor

Refatoração


/security

Auditoria


/plan

Planejamento


/generate

Código novo


Exemplo prático

Pergunta:

Tenho um programa COBOL que atualiza saldo de conta.

Bob pode responder:

Programa principal identificado.

Copybooks encontrados.

Tabela DB2 utilizada.

Transação CICS relacionada.

Dependências localizadas.

Sugestão de API:

GET /saldo

POST /debito

POST /credito

Em alguns minutos.

Algo que antigamente levava dias.


Curiosidades

Bob utiliza arquitetura multi-modelo.

Pode combinar:

Granite

Claude

Llama

Mistral

Dependendo da tarefa.


Mais de seis mil desenvolvedores IBM já utilizavam Bob internamente antes do lançamento público.


Bob é considerado sucessor natural do:

Watsonx Code Assistant for Z


Existe forte foco em:

COBOL

PL/I

RPG

Java

JCL

Mainframe


Dicas para começar

Dica 1

Não tente gerar sistemas inteiros.

Comece pequeno.


Dica 2

Use programas COBOL simples.

100 linhas.

200 linhas.


Dica 3

Peça explicações.

Aprenda observando.


Dica 4

Valide tudo.

IA erra.

Sempre.


Dica 5

Construa biblioteca própria.

Prompts úteis:

Explique para um iniciante.

Mostre fluxograma.

Identifique regras.

Crie README.

Faça ZUnit.

Gerar OpenAPI.

Criar testes.

Migrar para COBOL 6.5.


Como aprofundar conhecimentos

Estude:

Enterprise COBOL 6.5

VSCode

Zowe

Git

OpenAPI

REST

JUnit

Ansible

Watsonx

Granite

RAG

MCP Servers

Agentic AI

Leia documentação IBM.

Assista TechXchange.

Teste diariamente.

Uma hora por dia é suficiente.


Considerações Finais

O IBM Bob representa uma mudança semelhante à chegada do ISPF para quem programava apenas com editores lineares.

Ele não substitui experiência.

Não conhece sozinho todas as regras de negócio.

Não entende automaticamente quarenta anos de exceções bancárias.

Mas reduz drasticamente o tempo gasto procurando informações espalhadas em milhares de programas.

Para o Padawan COBOL, Bob pode ser visto como um novo Holocron.

Um Holocron que não apenas guarda conhecimento, mas conversa, explica, ensina, sugere melhorias e ajuda a transformar aplicações legadas em ativos preparados para a próxima década.

E talvez esta seja a maior lição deixada pelo agente da IBM:

O futuro do desenvolvedor Mainframe não será escrever menos COBOL. Será aprender a trabalhar ao lado de agentes capazes de compreender COBOL tão profundamente quanto nós aprendemos a compreendê-lo ao longo dos anos.


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...