 |
| Bellacosa Mainframe e as 6 etapas de ia para um programador cobol |
☕ Um Café no Bellacosa Mainframe
Dr. House Entra no Centro de Operações — Seis Etapas de IA, um Programa COBOL em Coma e o Diagnóstico que o Logo Bonito Não Faz
Ou: por que assinar vinte ferramentas de inteligência artificial não salva um processo mal definido, não conserta um S0C7 e certamente não dá alta para produção sem exame, teste e alguém disposto a dizer “isso não fecha”
Prólogo — O paciente chegou falando em produtividade
Eram 7h12 quando um jovem padawan COBOL entrou na sala de diagnóstico do hospital imaginário de Princeton-Plainsboro, carregando um notebook, três abas abertas, uma apresentação com quarenta logos coloridos e uma expressão de quem acabara de descobrir o Santo Graal da produtividade.
— Doutor House, encontrei o mapa definitivo. São seis etapas para fazer mais com IA: pensar, programar, criar conteúdo, trabalhar melhor, fazer imagens e automatizar tudo.
House nem levantou os olhos da bengala.
— “Automatizar tudo” é uma frase linda. Também é uma ótima maneira de automatizar um desastre inteiro antes do café.
O rapaz ficou imóvel.
— Mas tem ChatGPT, Claude, Perplexity, Cursor, Replit, Midjourney, n8n, Zapier…
— Exatamente — respondeu House. — Uma ambulância cheia de aparelhos não cura o paciente se ninguém souber qual órgão está falhando. Agora me diga: qual é o problema?
E ali começa a conversa que todo iniciante precisa ter. Inteligência artificial não é uma coleção de aplicativos com ícones bonitos. É uma camada de apoio para pensar, pesquisar, escrever, programar, revisar, criar, organizar e automatizar. Quando usada com método, poupa tempo e melhora a qualidade. Quando usada como caixa-preta, produz uma quantidade industrial de respostas convincentes, código aparentemente elegante, imagens espetaculares e erros muito bem embalados.
No mainframe, onde um detalhe de dado, segurança ou processamento pode afetar milhares — às vezes milhões — de operações, essa diferença é ainda maior.
O Dr. House, naturalmente, não está interessado em “qual IA é a melhor”. Ele quer saber: qual é o sintoma? Qual dado confirma a hipótese? O que pode estar escondido? E qual ação ainda precisa de um ser humano com responsabilidade e café suficiente?
1. Primeira etapa: pensar e perguntar — antes de pedir resposta, descubra a pergunta
A primeira camada do quadro reúne ferramentas como ChatGPT, Claude e Perplexity. Em aparência, elas fazem a mesma coisa: você escreve uma pergunta e recebe uma resposta. Na prática, o uso saudável é mais profundo.
Uma ferramenta conversacional pode ajudar a:
organizar uma ideia confusa;
explicar um conceito técnico em vários níveis;
criar exemplos;
comparar soluções;
revisar um texto;
transformar um requisito em casos de teste;
fazer o papel de aluno iniciante, arquiteto, revisor ou advogado do diabo.
Já uma ferramenta focada em pesquisa tende a ser mais útil quando você precisa localizar fontes, comparar documentação, verificar onde uma afirmação apareceu e continuar a investigação por conta própria.
A primeira lição do padawan COBOL é simples: a IA responde à pergunta que você fez, não à pergunta que você queria ter feito.
Compare:
“Explique CICS.”
Agora compare:
“Explique
HANDLE CONDITIONem CICS para um programador COBOL iniciante. Diferencie-o deHANDLE ABEND, apresente um exemplo de erro ao tratarNOTFNDe explique por que capturar um abend e simplesmente retornar pode esconder um problema de integridade.”
A segunda pergunta tem objetivo, contexto, profundidade e critérios de qualidade. Ela força a ferramenta a trabalhar. A primeira pede uma apostila genérica, algo entre “CICS é um monitor de transações” e uma vontade súbita de fechar a aba.
House bateu com a bengala na mesa.
— Todo mundo mente. Inclusive o requisitante. Ele diz que precisa de “uma explicação sobre Db2”, mas na verdade precisa descobrir por que o programa Java recebe -805 e o SELECT no SPUFI funciona.
É uma provocação, mas ela carrega uma verdade operacional: perguntas vagas produzem respostas vagas. Em tecnologia, o problema real costuma estar escondido atrás da primeira descrição.
Um método simples para perguntar melhor
Antes de chamar uma IA, organize cinco itens:
Objetivo: o que você quer decidir, aprender ou produzir?
Contexto: qual ambiente, linguagem, versão, público ou restrição?
Entrada: quais dados, logs, trecho de código ou fontes são confiáveis?
Saída esperada: explicação, checklist, código, teste, tabela, roteiro?
Critério de aceitação: como você saberá que a resposta presta?
Exemplo aplicado:
“Tenho um programa COBOL batch que lê um arquivo sequencial e recebe
S0C7ao calcular valor líquido. Crie hipóteses ordenadas por probabilidade, diga quais campos devo inspecionar, mostre um exemplo seguro de validação antes do cálculo e não invente o conteúdo do dump.”
Essa é uma excelente conversa técnica. A IA pode sugerir que campos numéricos contêm espaços, caracteres inválidos, sinal inesperado, desalinhamento de layout ou uma origem de dados mal tratada. Mas o dump, o DISPLAY, o FILE STATUS, o layout real e a evidência ainda são seus.
A IA pode levantar diagnóstico diferencial. Não pode declarar o paciente curado sem exame.
2. A segunda etapa: construir e programar — velocidade não substitui entendimento
Cursor, Replit, Lovable, Base44 e ferramentas semelhantes prometem construir aplicações rapidamente. E cumprem parte da promessa. Elas conseguem gerar telas, APIs simples, formulários, protótipos, integrações comuns e até estruturas iniciais de projetos em tempo muito menor que o desenvolvimento manual.
Mas existe uma diferença histórica entre:
fazer uma demonstração funcionar;
fazer um sistema sobreviver à realidade.
No hospital de House, o jovem padawan mostra um aplicativo de cadastro de clientes gerado em vinte minutos.
— Ele cria, altera e exclui clientes — comemora.
House olha para a tela.
— Quem pode excluir? Exclusão é física ou lógica? O CPF pode mudar? Como você evita que dois operadores alterem o mesmo registro? Cadê o log de auditoria? Onde está o rollback? O que acontece se o banco cair entre atualizar o cadastro e registrar a transação? Quem validou a autorização?
Silêncio.
Em COBOL, nós já conhecemos esse filme. Um MOVE é fácil. O difícil é saber se ele deveria acontecer. Um WRITE é fácil. O difícil é garantir que o registro não foi duplicado, que a chave é válida, que o arquivo está consistente e que o operador não está vendo uma mensagem bonita escondendo um erro grave.
A IA é muito boa para acelerar tarefas mecânicas:
criar o esqueleto de um programa;
explicar um trecho legado;
gerar comentários iniciais;
sugerir refatorações;
criar casos de ZUnit;
transformar regras descritas em linguagem natural em cenários de teste;
elaborar uma matriz de entradas e saídas;
ajudar a escrever JCL de laboratório;
documentar um fluxo CICS, Db2 ou VSAM.
Mas ela precisa ser tratada como um desenvolvedor júnior muito rápido, muito disponível e perigosamente confiante. Ela não conhece o seu ambiente por osmose. Ela não sabe quais copybooks são padrão, quais campos carregam regras históricas, qual job tem janela crítica, qual transação depende de outra nem que um campo aparentemente inocente é usado por um sistema de fraude há quinze anos.
O teste da pergunta incômoda
Antes de aceitar código gerado por IA, pergunte:
Compila?
Passa nos testes?
Trata erro?
Mantém o padrão do projeto?
Expõe dado sensível?
Tem permissão excessiva?
Entende concorrência?
É reversível?
Foi revisado por alguém que conhece a regra de negócio?
Se a resposta a qualquer uma for “não sei”, o código não está pronto. Está apenas escrito.
A produtividade verdadeira não é gerar mais linhas. É reduzir o tempo entre entender uma necessidade e entregar uma mudança correta, testada, auditável e sustentável.
3. Terceira etapa: criar conteúdo — a IA multiplica formatos, não fabrica autoridade
A terceira faixa do mapa fala de ferramentas para texto, avatar, vídeo, edição, cortes e newsletter. Aqui existe um ganho extraordinário para quem cria conteúdo técnico.
Uma explicação boa sobre COBOL pode virar várias peças:
artigo detalhado para blog;
roteiro de vídeo;
short de 45 segundos;
carrossel para LinkedIn;
infográfico;
checklist;
newsletter;
exercício para alunos;
perguntas e respostas;
thumbnail para YouTube.
A IA reduz o esforço de conversão entre formatos. Ela pode pegar um texto longo e sugerir títulos, cortes, pontos de curiosidade, estrutura de carrossel ou uma lista de dúvidas frequentes.
Mas atenção: converter não é repetir.
Se você pega um artigo técnico e manda a IA “criar dez posts”, ela provavelmente entregará dez versões da mesma sopa requentada: “No mundo acelerado de hoje…”, “Você sabia?”, “A revolução chegou…”. É conteúdo que não ofende ninguém e também não permanece em ninguém.
A conexão nasce de uma voz própria, de um exemplo realista e de uma tese. Um texto sobre S0C7 é mais memorável quando explica que o programa não “ficou louco”: alguém mandou o COBOL tratar como número algo que, em algum ponto da cadeia, deixou de ser número. O abend é o médico gritando que o exame de sangue não combina com o diagnóstico.
House aprovaria essa parte.
— O sintoma não é a doença. Febre não é diagnóstico. S0C7 também não.
Para conteúdo técnico, a IA deve ajudar a estruturar e editar; a experiência humana deve fornecer o cheiro de produção. É ela que sabe por que um ICH408I em homologação pode ser uma configuração inocente ou a primeira pista de uma concessão de acesso feita sem controle. É ela que sabe que o programa “simples” costuma ter uma regra escondida no copybook, uma exceção em um IF e uma história antiga que ninguém documentou.
A máquina produz texto. O autor produz significado.
4. Quarta etapa: trabalhar com mais inteligência — não é só escrever melhor, é construir memória confiável
Ferramentas de correção, anotações, e-mail, ditado, pesquisa de documentos e organização parecem menos glamourosas do que gerar um vídeo cinematográfico. Mas, para quem trabalha com conhecimento, elas podem ser mais úteis.
A maior virada de chave ocorre quando a IA deixa de conversar apenas com “a internet” e passa a trabalhar sobre material confiável e permitido: documentação oficial, runbooks, procedimentos, atas, manuais, apostilas, normas, código autorizado e notas técnicas.
Imagine duas perguntas.
A primeira:
“Como resolver um ICH408I?”
A segunda:
“Com base no procedimento de acesso de homologação, explique o fluxo aprovado para investigar ICH408I, indicando que evidências devem ser coletadas antes de solicitar alteração de perfil.”
A primeira pode oferecer boas ideias gerais. A segunda pode ajudar no trabalho real — desde que a base de documentos esteja correta e que a empresa autorize esse tratamento.
Aqui entra um cuidado sério: dados de produção, dumps, credenciais, informações pessoais, chaves, código proprietário e documentação interna não devem ser enviados automaticamente para qualquer serviço externo. O entusiasmo com IA não suspende LGPD, contrato, sigilo profissional, política de segurança ou bom senso.
No mainframe, segurança não é enfeite de apresentação. É controle de acesso, segregação de funções, trilha de auditoria e mínima permissão necessária. Uma ferramenta inteligente com acesso amplo continua sendo uma ferramenta com acesso amplo. E isso é exatamente o tipo de coisa que House chamaria de “ideia ruim com interface amigável”.
5. Quinta etapa: voz, imagem, vídeo e design — visual forte exige direção, não apenas geração
Ferramentas de imagem, vídeo, música, voz e design permitem testar ideias com uma rapidez que seria impensável há pouco tempo. Você pode imaginar um mainframe como uma usina, um cowboy CICS perseguindo um abend ou Dr. House examinando um programa COBOL em coma — e transformar essa cena em imagem.
Isso é valioso. O visual prende atenção, facilita a memória e abre a porta para a explicação.
Mas imagem gerada não é documentação técnica. Ela ilustra uma ideia; não prova um fato. E qualquer texto técnico dentro de uma imagem exige revisão. Nomes de comandos, mensagens de erro, campos COBOL, números de versão e sintaxe são terreno fértil para pequenas deformações que o olho passa por cima e o leitor atento percebe.
Um bom processo visual tem quatro partes:
Definir a mensagem: qual é a única ideia que a imagem deve transmitir?
Gerar a cena-base: usar IA para composição, personagens, cor e atmosfera.
Revisar os detalhes: corrigir termos, legibilidade, logo, dados e contexto.
Manter identidade: repetir elementos visuais que façam o leitor reconhecer sua marca.
A imagem não precisa explicar tudo. Ela deve fazer o leitor querer entrar no texto.
6. Sexta etapa: automatizar — o ponto onde a produtividade vira operação
Automação é a etapa mais poderosa e, por isso mesmo, a que exige mais disciplina.
Ferramentas como n8n, Zapier, agentes, conectores, robôs de coleta e serviços de integração permitem ligar eventos e ações. Um arquivo chegou? O fluxo lê, organiza, gera resumo e envia para revisão. Uma fonte oficial publicou notícia? O fluxo coleta links, classifica assuntos e prepara o radar semanal. Uma planilha mudou? O processo atualiza uma base ou cria uma tarefa.
Isso poupa horas. Mas “automatizar tudo” é uma frase que deveria vir com sirene, extintor e uma pessoa segurando o botão de desligar.
O fluxo saudável é:
Evento → coleta → organização → rascunho → revisão humana → ação externa
O fluxo perigoso é:
Evento → IA interpreta → IA decide → IA publica → IA responde → problema
A diferença é a aprovação humana. Quanto maior o impacto da ação, maior deve ser a trava.
Para automatizar com segurança, siga o passo a passo do jovem padawan:
Escolha uma tarefa repetitiva e bem compreendida.
Execute o processo manualmente algumas vezes e documente cada passo.
Defina entradas, saídas e exceções.
Automatize primeiro apenas a coleta ou o rascunho.
Mantenha aprovação humana para publicar, enviar, apagar, pagar, conceder acesso ou alterar registros críticos.
Registre logs.
Crie limite de volume, tentativas e custo.
Teste falhas de propósito.
Garanta que exista um botão de desligar.
Revise o fluxo periodicamente.
Em linguagem de mainframe: não entregue ALTER, DELETE, acesso privilegiado e SUBMIT de produção para um processo que ninguém consegue explicar. Primeiro defina o procedimento. Depois teste. Depois limite. Depois monitore. Só então escale.
7. A etapa esquecida no infográfico: validar
O grande buraco de muitos mapas de IA é a ausência da validação. Eles mostram pensar, criar e automatizar, mas pulam justamente a parte em que o adulto entra na sala e pergunta: “como sabemos que isso está certo?”
A versão madura das seis etapas seria:
definir o problema;
pesquisar e raciocinar;
produzir um rascunho;
validar tecnicamente e contextualmente;
publicar ou executar;
automatizar o que já funciona.
A validação depende do tipo de trabalho:
| Entrega | Validação mínima |
|---|---|
| Texto técnico | fontes, exemplos, termos e versão correta |
| Código | compilação, testes, revisão e segurança |
| Imagem | legibilidade, fidelidade de termos e direitos |
| Automação | logs, limites, falhas e reversão |
| Resposta operacional | evidência, procedimento e responsável |
House fecha a pasta do paciente.
— Então qual é o diagnóstico?
O padawan respira e responde:
— IA não é um substituto para pensar. É uma forma de encurtar a distância entre uma pergunta bem feita e uma entrega revisada.
House dá um meio sorriso, o equivalente médico a fogos de artifício.
— Agora você pode ter alta. Mas não toque em produção.
Epílogo — O logo não tem a culpa, mas também não faz o trabalho
As ferramentas do infográfico são úteis. Muitas são excelentes. Algumas serão substituídas, incorporadas por outras ou mudarão de preço, recurso e qualidade em poucos meses. Esse é o detalhe menos importante.
O que permanece é o método.
Use IA para pensar melhor, não para terceirizar o pensamento. Use-a para acelerar código, mas teste antes de confiar. Use-a para multiplicar um conteúdo que tenha substância. Use-a para organizar conhecimento permitido e confiável. Use-a para criar visuais que abram a conversa. Use-a para automatizar o repetitivo — nunca para entregar decisões perigosas a uma caixa-preta simpática.
O programador COBOL iniciante que aprende isso cedo leva uma vantagem enorme. Ele não será a pessoa que sabe pedir “faça um sistema bancário completo”. Será a pessoa que entende a pergunta, identifica a regra, procura a evidência, testa a resposta, protege os dados e sabe onde a automação deve parar.
No fim, o mainframe e o Dr. House concordam em algo: confiança não vem de uma tela bonita dizendo que deu certo. Confiança vem de evidência, controle, rastreabilidade e da capacidade de descobrir o que aconteceu quando, inevitavelmente, alguma coisa der errado.
E quando o primeiro S0C7 aparecer no plantão, não entre em pânico. Pegue o café, reúna os fatos, faça perguntas melhores e desconfie de toda resposta que parece fácil demais.
