Microsoft Copilot: Muito Além do Chat. Como um Programador Júnior Pode Trabalhar 10x Melhor Integrando IA ao Dia a Dia

 

Bellacosa Mainframe e o microsoft copilot

☕ Um Café no Bellacosa Mainframe

Microsoft Copilot: Muito Além do Chat. Como um Programador Júnior Pode Trabalhar 10x Melhor Integrando IA ao Dia a Dia

"A Inteligência Artificial não substitui o conhecimento técnico. Ela potencializa quem sabe fazer as perguntas certas."

Durante muitos anos, o diferencial de um bom programador era dominar uma linguagem de programação. Depois, passou a ser conhecer frameworks, metodologias ágeis, DevOps, Cloud e arquitetura de software.

Em 2026, estamos vivendo mais uma grande transformação.

O diferencial deixou de ser apenas saber usar Inteligência Artificial.

Agora, o verdadeiro diferencial é integrar a IA ao fluxo de trabalho.

Essa é uma mudança de mentalidade que todo desenvolvedor — especialmente quem está começando sua carreira — precisa compreender.

Muita gente ainda abre o ChatGPT ou o Microsoft Copilot apenas para fazer perguntas.

Isso é útil.

Mas representa apenas uma pequena fração do potencial dessas ferramentas.

Os profissionais que mais se destacam utilizam a IA como um verdadeiro membro da equipe. Ela participa da análise, da documentação, dos testes, da comunicação, da organização e até da tomada de decisões.

É justamente sobre essa nova forma de trabalhar que vamos conversar neste Café no Bellacosa Mainframe.

---

O erro que quase todo iniciante comete

Imagine um programador COBOL recém-contratado.

Ele recebe um programa com cinco mil linhas.

A primeira reação normalmente é:

"Copilot, explique esse programa."

A resposta até pode ajudar.

Mas o profissional continua trabalhando praticamente da mesma maneira de antes.

Agora imagine outro desenvolvedor.

Ele utiliza o Copilot desde o início do processo.

Antes de abrir o código, pergunta:

• Qual o objetivo deste sistema?

• Quais módulos costumam chamar este programa?

• Quais tabelas DB2 são utilizadas?

• Existe documentação?

• Existem padrões da empresa?

• Existem riscos conhecidos?

Depois disso:

• gera documentação;

• cria diagramas;

• produz casos de teste;

• identifica possíveis melhorias;

• prepara perguntas para o desenvolvedor mais experiente.

Percebe a diferença?

O primeiro usa IA.

O segundo trabalha com IA.

---

O Copilot não é apenas um chatbot

Quando ouvimos falar em Microsoft Copilot, muitas pessoas imaginam apenas uma janela semelhante ao ChatGPT.

Na realidade, o Copilot é muito maior.

Ele está sendo integrado ao ecossistema Microsoft inteiro.

Isso significa que ele pode trabalhar dentro de aplicações que você provavelmente já utiliza diariamente.

Entre elas:

• Word

• Excel

• PowerPoint

• Outlook

• Teams

• OneNote

• SharePoint

• OneDrive

• Planner

• Loop

• Microsoft 365

Ou seja...

Em vez de abrir uma ferramenta separada para pedir ajuda, a IA passa a trabalhar dentro do ambiente onde você já executa suas tarefas.

Esse detalhe muda completamente a experiência do usuário.

---

Copilot no Word: muito além de escrever textos

Quando alguém fala em Word, normalmente pensa em documentos.

Mas um programador produz muito mais documentação do que imagina.

Durante um projeto, são criados:

• documentos técnicos;

• especificações funcionais;

• documentação de APIs;

• manuais operacionais;

• runbooks;

• procedimentos de instalação;

• planos de contingência;

• documentação para auditoria.

Tudo isso consome horas.

O Copilot consegue acelerar esse processo.

Você pode fornecer apenas alguns tópicos:

"Documente este processo Batch em COBOL."

Ou:

"Explique este programa para um desenvolvedor júnior."

Em poucos segundos surge uma primeira versão bastante consistente.

Ela não substitui sua revisão.

Mas elimina a parte mais cansativa: começar do zero.

---

Um exemplo no mundo Mainframe

Imagine um JOB JCL responsável pelo fechamento financeiro.

Normalmente, um analista experiente precisaria ler dezenas de etapas para entender seu funcionamento.

Com IA você pode solicitar:

"Explique este JOB utilizando linguagem simples."

Ou ainda:

"Transforme esta documentação em um guia para operadores."

O resultado é um material muito mais acessível para novos integrantes da equipe.

---

Excel: uma das maiores revoluções silenciosas

Existe uma brincadeira que diz:

"Metade do mundo funciona graças ao Excel."

Pode parecer exagero.

Mas basta observar quantas decisões empresariais dependem de planilhas.

No ambiente Mainframe isso também acontece.

Relatórios de CPU.

Consumo de disco.

Quantidade de transações.

Volume de processamento.

Abends.

Tempo de resposta.

Capacidade.

Tudo acaba chegando em alguma planilha.

Até pouco tempo atrás era necessário construir fórmulas complexas, tabelas dinâmicas e gráficos manualmente.

Hoje basta perguntar.

Por exemplo:

"Quais aplicações consumiram mais CPU?"

Ou:

"Existe alguma tendência de crescimento no uso deste dataset?"

O Copilot interpreta os dados, cria gráficos, identifica padrões e até sugere explicações.

Para quem ainda está aprendendo Excel, isso representa uma enorme vantagem.

---

PowerPoint: comunicação também faz parte do trabalho

Um dos maiores erros dos programadores iniciantes é acreditar que desenvolvimento de software significa apenas escrever código.

Na realidade, passamos boa parte do tempo comunicando ideias.

Precisamos explicar:

• problemas;

• soluções;

• arquiteturas;

• cronogramas;

• riscos;

• resultados.

O PowerPoint continua sendo uma das ferramentas mais utilizadas para isso.

O Copilot pode transformar um documento técnico inteiro em uma apresentação organizada.

Imagine um manual IBM de cinquenta páginas.

Em poucos minutos ele pode produzir:

• resumo executivo;

• treinamento;

• apresentação comercial;

• workshop;

• material para onboarding.

Isso economiza muitas horas.

---

Outlook: administrando o caos

Quem nunca recebeu dezenas de e-mails em um único dia?

No ambiente corporativo isso é rotina.

Especialmente em grandes bancos.

Muitos desses e-mails possuem dezenas de respostas.

Ler tudo pode consumir boa parte do expediente.

O Copilot consegue:

• resumir conversas;

• identificar decisões;

• destacar pendências;

• sugerir respostas;

• organizar prioridades.

Em vez de gastar meia hora lendo uma longa discussão, você entende rapidamente o contexto.

---

Teams: reuniões que realmente geram resultados

Reuniões fazem parte do desenvolvimento de software.

Planejamento.

Daily.

Refinamento.

Arquitetura.

Produção.

Mudanças.

Problemas.

Incidentes.

O problema é que normalmente alguém precisa registrar tudo.

Durante a reunião, o Copilot pode produzir automaticamente:

• ata;

• resumo;

• decisões;

• responsáveis;

• prazos;

• tarefas.

Imagine uma reunião envolvendo SysProg, DBA, Desenvolvedores COBOL e Operação.

Ao final, ninguém precisa perguntar:

"Quem ficou responsável por isso?"

Tudo já está registrado.

---

OneNote: construindo sua base de conhecimento

Todo programador acumula conhecimento diariamente.

Comandos.

Atalhos.

Mensagens de erro.

Links.

Procedimentos.

Tutoriais.

Anotações.

O problema é organizar tudo isso.

O Copilot consegue transformar páginas completamente bagunçadas em documentação estruturada.

É como possuir um assistente organizando seu caderno de estudos.

---

O verdadeiro cérebro do Copilot: Microsoft Graph

Existe um componente pouco conhecido, mas extremamente importante.

Chama-se Microsoft Graph.

É ele que conecta praticamente todos os serviços do Microsoft 365.

Quando o Copilot responde uma pergunta como:

"Mostre os documentos relacionados ao Projeto Alfa."

Ele pode consultar:

• SharePoint;

• Outlook;

• Teams;

• OneDrive;

• Planner;

• Calendário.

Ou seja...

Ele não responde apenas utilizando conhecimento geral.

Ele utiliza o conhecimento da própria organização.

Esse é um dos grandes diferenciais em relação a um chatbot isolado.

---

IA integrada ao fluxo de trabalho

Aqui está a maior mudança de mentalidade.

Imagine duas empresas.

A primeira possui IA.

Mas ela é utilizada apenas ocasionalmente.

Sempre que alguém lembra.

A segunda empresa integrou IA ao processo.

Cada documento passa pelo Copilot.

Cada reunião gera resumo automático.

Cada planilha recebe análise.

Cada apresentação nasce assistida por IA.

Cada procedimento é documentado automaticamente.

Qual empresa tende a produzir mais?

A resposta é evidente.

O ganho não vem apenas da tecnologia.

Vem da integração.

---

E no IBM Mainframe?

Talvez você esteja pensando:

"Tudo isso parece interessante... mas trabalho com Mainframe."

Na verdade, o impacto pode ser ainda maior.

Imagine um Copilot conectado ao ambiente corporativo.

Você pergunta:

"Explique este ABEND S0C7."

Ou:

"Quais tabelas DB2 este programa acessa?"

Ou:

"Documente este JCL."

Ou ainda:

"Explique este PROC para um operador iniciante."

Essas tarefas deixam de consumir horas.

---

IA para SysProg

Um administrador de sistemas IBM Z também pode se beneficiar enormemente.

Imagine perguntas como:

"Quais JOBs ficaram mais de vinte minutos em HOLD?"

"Mostre os datasets que cresceram acima de 15%."

"Explique este RACF Permit."

"Quais CICS apresentaram maior consumo de CPU?"

"Existe documentação deste procedimento?"

Perceba que a IA deixa de ser apenas um gerador de texto.

Ela passa a atuar como um assistente operacional.

---

O próximo passo: Agentes Inteligentes

Estamos entrando em uma nova fase da Inteligência Artificial.

Até pouco tempo atrás fazíamos perguntas.

Agora começamos a criar agentes.

Mas o que é um agente?

Pense em um funcionário digital.

Ele possui uma missão específica.

Pode consultar informações.

Executar tarefas.

Tomar pequenas decisões.

Gerar documentação.

Enviar notificações.

Tudo automaticamente.

---

Um exemplo prático

Imagine um incidente em produção.

Hoje o fluxo costuma ser:

O operador percebe o problema.

↓

Abre um chamado.

↓

Alguém analisa.

↓

Consulta documentação.

↓

Encontra a causa.

↓

Atualiza registros.

↓

Comunica a equipe.

Com agentes inteligentes, parte desse processo pode ser automatizada.

O agente identifica o evento.

Consulta a documentação.

Relaciona ocorrências semelhantes.

Sugere a causa provável.

Gera um relatório.

Atualiza o sistema de chamados.

Notifica os responsáveis.

Tudo em poucos minutos.

---

O papel do programador não desaparece

Existe um medo recorrente.

"A IA vai substituir os programadores?"

A resposta mais equilibrada é:

Ela substituirá tarefas repetitivas.

Mas continuará sendo necessário alguém capaz de:

• entender o negócio;

• validar resultados;

• definir arquitetura;

• garantir segurança;

• interpretar requisitos;

• tomar decisões.

A IA acelera.

Mas quem conduz continua sendo o profissional.

---

O que um programador júnior deve aprender agora?

Se eu pudesse orientar alguém que está iniciando sua carreira em desenvolvimento, sugeriria o seguinte roteiro:

1. Aprenda lógica de programação profundamente.

2. Domine uma linguagem de programação.

3. Aprenda Git e controle de versões.

4. Estude SQL.

5. Entenda arquitetura de software.

6. Aprenda documentação técnica.

7. Desenvolva habilidades de comunicação.

8. Utilize IA diariamente.

9. Aprenda a criar bons prompts.

10. Automatize tarefas repetitivas.

Perceba que a IA aparece como uma ferramenta complementar, e não como substituta dos fundamentos.

---

O futuro pertence aos profissionais aumentados por IA

A maior transformação da Inteligência Artificial não é tecnológica.

Ela é cultural.

Durante décadas, utilizamos computadores para executar comandos.

Agora começamos a trabalhar ao lado de sistemas capazes de compreender linguagem natural, interpretar contexto, resumir informações e auxiliar na tomada de decisões.

Isso muda completamente a forma como produzimos software.

O Microsoft Copilot representa muito bem essa nova realidade.

Ele não foi criado apenas para escrever textos ou gerar apresentações.

Seu verdadeiro objetivo é integrar a Inteligência Artificial ao cotidiano do trabalho, reduzindo tarefas repetitivas, organizando informações e permitindo que os profissionais concentrem seus esforços naquilo que realmente exige criatividade, experiência e pensamento crítico.

Para quem está começando na carreira, essa é uma oportunidade extraordinária. Nunca foi tão fácil aprender, documentar, pesquisar e acelerar o desenvolvimento de novas habilidades. Porém, é importante lembrar que nenhuma ferramenta substitui uma boa base técnica. Conhecimentos em lógica, algoritmos, arquitetura, banco de dados, redes, sistemas operacionais e boas práticas de engenharia continuam sendo os pilares de uma carreira sólida.

No universo IBM Mainframe, essa transformação também já começou. Desenvolvedores COBOL, analistas de sistemas, DBAs e SysProgs podem utilizar a IA para compreender códigos legados, documentar aplicações, analisar incidentes, automatizar processos e compartilhar conhecimento com muito mais eficiência.

A tecnologia muda rapidamente. Os fundamentos da Engenharia de Software permanecem. O profissional que combinar esses fundamentos com o uso inteligente da IA estará preparado não apenas para acompanhar a evolução do mercado, mas para liderá-la.

Porque, no fim das contas, a Inteligência Artificial não veio para pensar no lugar do desenvolvedor. Ela veio para ampliar aquilo que ele faz de melhor: resolver problemas, criar soluções e transformar conhecimento em valor. Esse continuará sendo o verdadeiro diferencial dos grandes profissionais da Engenharia de Software.

 

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:

1. localizar programas relevantes;

2. identificar copybooks;

3. procurar testes existentes;

4. alterar código;

5. compilar;

6. executar teste;

7. corrigir erro de compilação;

8. atualizar documentação;

9. 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:

• identidade;

• autorização;

• auditoria;

• jobs;

• workflows;

• logs;

• segregação;

• processamento automatizado;

• retorno de execução.

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.

☕🚀🌕