 |
| Bellacosa Mainframe e o UX na interface usuario |
☕ UM CAFÉ NO BELLACOSA MAINFRAME
🧠 ALAN TURING E O CURRÍCULO INVISÍVEL DA COMPUTAÇÃO — QUANDO O PROGRAMADOR COBOL DESCOBRIU QUE PACIÊNCIA, SNAKE E CHATGPT ERAM PROFESSORES DISFARÇADOS
CP/M, DOS, Windows, UX, Paciência, Campo Minado, Office, pirataria, Snake, smartphones, memória procedural, capital cognitivo, prompts, IA generativa, agentes — e o dia em que Alan Turing perguntou quanto da nossa inteligência desperdiçamos simplesmente procurando onde esconderam novamente o botão.
🎬 PRÓLOGO — ALAN TURING ESTAVA SENTADO DIANTE DO TERMINAL
Imagine entrar no CPD pela manhã.
O ar-condicionado está naquele nível clássico:
temperatura ideal para computadores e pinguins.
Há um terminal esperando.
Você se senta.
Na cadeira ao lado está ninguém menos que Alan Turing.
Ele olha para a tela.
Depois olha para você.
Na tela aparece:
C:\>— Sabe o que isso significa? — pergunta Turing.
O jovem programador COBOL responde:
— Que o computador está esperando um comando.
Turing sorri.
— Exatamente. Mas existe algo ainda mais importante. Ele está esperando que você saiba como fazer aquilo que deseja fazer.
Então ele escreve:
DIRENTER.
A lista de arquivos aparece.
— Durante décadas — continua Turing — ensinamos humanos a falar a linguagem das máquinas. Depois ensinamos máquinas a apresentar opções aos humanos. Agora estamos tentando ensinar máquinas a compreender o que os humanos querem.
E talvez essa seja uma maneira bastante interessante de contar a história da computação.
Não através de processadores.
Não através de gigabytes.
Nem sequer através de sistemas operacionais.
Mas através de uma pergunta:
Quanto o ser humano precisa aprender para conseguir dizer à máquina aquilo que deseja?
Prepare o café.
Porque vamos voltar ao tempo em que não havia botão Iniciar, não havia touchscreen, ninguém dizia “prompt engineering” e uma pequena cobrinha monocromática estava silenciosamente preparando milhões de pessoas para o futuro.
💾 CAPÍTULO 1 — QUANDO O COMPUTADOR NÃO TENTAVA ADIVINHAR NADA
Nos tempos do CP/M e posteriormente do DOS, utilizar um computador significava conhecer alguma coisa sobre o computador.
No CP/M poderíamos encontrar:
A>No DOS:
C:\>A interface era essencialmente linguística.
Não existia uma coleção de ícones dizendo:
Talvez você queira isto.
Você precisava informar o que desejava.
Por exemplo:
DIRlistava arquivos.
COPY ARQUIVO.TXT A:copiava um arquivo.
DEL TESTE.TXTapagava.
REN VELHO.TXT NOVO.TXTrenomeava.
TYPE README.TXTmostrava o conteúdo.
O modelo era aproximadamente:
INTENÇÃO
↓
CONHECIMENTO
↓
COMANDO
↓
SINTAXE
↓
EXECUÇÃOIsso tinha um enorme problema:
a curva de aprendizado.
Se você não soubesse que determinado comando existia, dificilmente o descobriria olhando para:
C:\>O prompt piscante não era exatamente um excelente vendedor.
Por outro lado, depois que você aprendia os comandos, acontecia algo maravilhoso:
velocidade.
Você pensava:
Quero descobrir meu endereço IP.
E escrevia:
ipconfigDécadas depois, esse princípio continua vivo.
🦖 CAPÍTULO 2 — O DINOSSAURO QUE RECUSA A EXTINÇÃO
Precisamos fazer uma pequena correção arqueológica.
Quando alguém abre atualmente o Prompt de Comando do Windows e chama aquilo de “janela do DOS”, tecnicamente não está executando o velho MS-DOS.
É cmd.exe.
Mas para gerações que atravessaram DOS e Windows, a expressão ficou.
E existe uma razão pela qual terminais continuam sobrevivendo mesmo depois de décadas de interfaces gráficas.
Compare.
Na GUI:
INTENÇÃO
↓
PROCURAR CONFIGURAÇÕES
↓
ENCONTRAR A CATEGORIA
↓
ABRIR A JANELA
↓
PROCURAR SUBMENU
↓
ENCONTRAR OPÇÃO
↓
CLICARNo terminal:
INTENÇÃO
↓
COMANDO
↓
ENTERO terminal possui um problema enorme para iniciantes:
você precisa saber o comando.
Mas possui uma vantagem enorme para especialistas:
você já sabe o comando.
Alan Turing olha para nosso jovem COBOL e explica:
— Uma interface gráfica reduz o custo da descoberta. Uma interface de comandos reduz o custo da execução quando você já sabe exatamente o que deseja.
Essa distinção é fundamental.
A GUI não tornou a CLI inútil.
Elas resolvem problemas diferentes.
Até os princípios clássicos de usabilidade de Jakob Nielsen refletem essa tensão: interfaces devem favorecer reconhecimento em vez de exigir recordação, mas também oferecer flexibilidade e eficiência para usuários experientes.
📜 CAPÍTULO 3 — O .BAT, AVÔ DOS AGENTES DE IA
Agora nosso jovem programador encontra um arquivo:
BACKUP.BATTuring pergunta:
— O que você acha que aconteceu aqui?
Talvez alguém estivesse fazendo diariamente:
COPY C:\DADOS\*.TXT D:\BACKUP
COPY C:\RELAT\*.RPT D:\BACKUP
DIR D:\BACKUPAté que pensou:
Raios, estou repetindo a mesma coisa todos os dias.
E criou um .BAT.
Parece banal.
Mas filosoficamente aconteceu algo importante.
Antes:
Eu executo cada passo.
Depois:
Eu descrevo os passos uma vez e mando a máquina repeti-los.
Nascia uma forma popular de automação pessoal.
Podemos desenhar uma linhagem:
.BAT
↓
MACRO
↓
SCRIPT
↓
AUTOMAÇÃO
↓
WORKFLOW
↓
RPA
↓
COPILOTO
↓
AGENTE DE IAA tecnologia mudou enormemente.
O desejo humano mudou muito menos:
“Estou cansado de repetir isso. Computador, faça você.”
O que muda ao longo das décadas é quanto do COMO precisamos explicar.
Guarde isso.
Voltaremos ao assunto.
🪟 CAPÍTULO 4 — ENTÃO CHEGARAM AS JANELAS
A interface gráfica alterou radicalmente o contrato entre homem e computador.
Em vez de memorizar:
COPY
DEL
REN
DIRo usuário passou a:
apontar;
clicar;
selecionar;
arrastar;
soltar;
abrir;
minimizar;
maximizar.
Agora as possibilidades estavam parcialmente visíveis.
O computador dizia:
“Aqui estão algumas coisas que você pode fazer.”
Isso foi revolucionário.
Mas apareceu um problema.
Milhões de pessoas não sabiam usar mouse.
Hoje parece absurdo.
Uma criança vê um mouse e rapidamente entende que existe uma relação entre movimento físico e ponteiro.
Mas alguém que nunca utilizou aquilo precisava aprender:
mão move
↓
mouse move
↓
ponteiro moveDepois:
apontar
clicar
duplo clique
arrastar
soltarComo ensinar isso para milhões de pessoas?
Criar um curso?
Um manual de 300 páginas?
Alan Turing sorri.
— Tenho uma ideia melhor.
🃏 CAPÍTULO 5 — PACIÊNCIA ERA UM CURSO DE INFORMÁTICA DISFARÇADO
Abriu-se uma mesa verde.
Cartas apareceram.
Paciência.
O usuário pensava:
Vou jogar.
Mas enquanto tentava colocar o sete vermelho sobre o oito preto, estava aprendendo:
localizar objeto
↓
posicionar ponteiro
↓
pressionar botão
↓
manter pressionado
↓
arrastar
↓
localizar destino
↓
soltarOu seja:
drag-and-drop.
A retrospectiva oficial da Microsoft sobre Solitaire confirma justamente seu papel na familiarização dos usuários com o ambiente gráfico e com o mouse.
Aquilo era treinamento.
Só não parecia treinamento.
E aqui surge uma das grandes lições desta história:
Às vezes a ferramenta educacional mais eficiente é aquela que o aluno nem percebe que é uma aula.
Imagine a alternativa.
Curso corporativo
Módulo 4.2 — Técnicas de manipulação direta de objetos utilizando dispositivos apontadores.
Duração: três horas.
Coffee break às 15h30.
😂
Ou:
Paciência.
Escolha difícil.
💣 CAPÍTULO 6 — CAMPO MINADO E A DESCOBERTA DO ERRO BARATO
Outro professor estava esperando.
Campo Minado.
O jogo treinava precisão, posicionamento, interpretação visual e diferentes ações do mouse.
Mas havia algo ainda mais importante:
permissão para errar.
Imagine um funcionário começando a utilizar computador.
Ele encontra um documento importante.
Olha para uma opção desconhecida.
Pensa:
Se eu clicar nisso, será que apago alguma coisa?
Surge medo.
O medo reduz exploração.
Agora coloque o mesmo usuário no Campo Minado.
Clique.
💣
BOOM.
Morreu.
Terrível?
Não.
New GameComeçou novamente.
Temos:
AÇÃO
↓
FEEDBACK
↓
ERRO
↓
RECOMEÇO
↓
NOVA HIPÓTESE
↓
NOVA AÇÃOO jogo cria uma espécie de sandbox cognitivo.
O erro custa quase nada.
Por isso jogos são extraordinários ambientes de aprendizado.
Eles permitem experimentar sem colocar a folha de pagamento da empresa em risco.
🧠 CAPÍTULO 7 — UM DIA VOCÊ PARA DE PENSAR NO MOUSE
Depois de milhares de cliques acontece algo curioso.
Você não pensa:
Preciso mover minha mão três centímetros para a direita.
Você simplesmente clica.
A habilidade tornou-se procedural.
É semelhante ao que acontece com um programador mainframe experiente diante do ISPF.
No início:
PF3 = ENDVocê precisa lembrar.
Algum tempo depois?
Seu dedo apertou PF3 antes de sua consciência terminar de formular:
Quero sair daqui.
Quem trabalha décadas com tecnologia acumula milhares dessas pequenas associações.
Atalhos.
Teclas.
Caminhos.
Comandos.
Gestos.
Convenções.
Isso possui valor.
Vamos dar um nome:
CAPITAL COGNITIVO.
💰 CAPÍTULO 8 — CONHECIMENTO DE INTERFACE TAMBÉM É INVESTIMENTO
Imagine que você gaste dez horas aprendendo uma ferramenta.
Depois passe anos utilizando-a.
Se determinado conhecimento economizar apenas trinta segundos numa operação realizada cinquenta vezes por dia:
30 segundos × 50
=
1.500 segundos
=
25 minutos/diaEm 240 dias úteis:
25 × 240
=
6.000 minutos
=
100 horasVocê investiu dez horas.
Pode economizar cem horas por ano.
Existe enorme ROI no aprendizado.
Agora imagine que uma atualização chegue e decida:
Vamos reorganizar tudo!
Aquilo que era:
A → B → Cvira:
X → CONFIGURAÇÕES → AVANÇADO → Y → CA tarefa continua sendo a mesma.
Você continua sabendo o que fazer.
Só não sabe mais onde esconderam aquilo.
Nasce o:
IMPOSTO DE REAPRENDIZADO.
😡 CAPÍTULO 9 — “EU SEI FAZER. SÓ NÃO SEI ONDE ESCONDERAM AGORA.”
Essa frase resume uma das frustrações mais interessantes da UX moderna.
O usuário não ficou incompetente.
A tarefa não mudou.
O conhecimento conceitual continua existindo.
O que foi destruído foi o mapeamento:
INTENÇÃO → INTERFACEImagine uma empresa com 100 mil funcionários.
Uma mudança aparentemente insignificante obriga cada funcionário a gastar vinte minutos reaprendendo alguma operação.
100.000 × 20 minutos
=
2.000.000 minutosMais de:
33.000 horasde trabalho.
Repita pequenas mudanças assim diversas vezes.
Aquela reorganização “bonitinha” começa a possuir custo econômico.
Por isso precisamos acrescentar uma característica frequentemente esquecida da UX:
Estabilidade também é usabilidade.
Não significa congelar interfaces eternamente.
Significa perguntar:
Quanto do conhecimento anterior conseguimos preservar?
🏛️ CAPÍTULO 10 — O VELHO ISPF RI NO FUNDO DA SALA
Um programador jovem abre ISPF.
Olha.
Silêncio.
Depois pergunta:
— Isso veio junto com a tumba do Tutancâmon?
😂
Visualmente, algumas interfaces mainframe realmente carregam décadas de história.
Mas há um lado fascinante.
Conhecimentos adquiridos há muito tempo continuam produtivos.
Existe uma diferença entre:
FACILIDADE DE APRENDERe:
LONGEVIDADE DO APRENDIZADOUma interface pode ser difícil inicialmente e extremamente estável.
Outra pode ser intuitiva inicialmente, porém constantemente reorganizada.
Não precisamos escolher um extremo.
A lição é:
UX deveria medir também quanto tempo o investimento cognitivo do usuário permanece útil.
Isso interessa especialmente ao mundo COBOL.
Sistemas corporativos não vivem seis meses.
Podem viver décadas.
Quando projetamos ferramentas para esses ambientes, conhecimento acumulado também é patrimônio.
🏴☠️ CAPÍTULO 11 — O ELEFANTE PIRATA NA SALA
Agora chegamos a uma questão histórica delicada.
Nos anos 1980 e início dos 1990 havia um ecossistema enorme de ferramentas.
Texto:
WordStar
WordPerfectPlanilhas:
Lotus 1-2-3
SuperCalcBanco de dados:
dBASE III
dBASE IVApresentações:
Harvard GraphicsPosteriormente o ecossistema Microsoft integrou fortemente ferramentas como:
Word
Excel
PowerPoint
AccessE aconteceu um fenômeno interessante.
Muita gente passou a ter acesso doméstico a essas ferramentas — por canais legítimos e também, inegavelmente, através de cópias não licenciadas amplamente disseminadas naquela época.
Não devemos cometer o erro histórico de dizer:
“A Microsoft venceu por causa da pirataria.”
A história é muito mais complexa: integração, Windows, distribuição, formatos, contratos empresariais, compatibilidade, estratégia comercial e efeitos de rede também importam.
Mas existe uma hipótese muito interessante:
familiaridade doméstica reduzia o custo empresarial de adoção.
🏢 CAPÍTULO 12 — O FUNCIONÁRIO JÁ CHEGAVA TREINADO
Imagine duas soluções.
Produto A:
LICENÇA
+
TREINAMENTO
+
DOCUMENTAÇÃO
+
RESISTÊNCIA
+
SUPORTEProduto B:
LICENÇA
+
“EU JÁ SEI USAR ISSO”Qual possui uma vantagem escondida?
O segundo.
O usuário doméstico podia percorrer esta evolução:
USUÁRIO
↓
ALUNO INFORMAL
↓
USUÁRIO EXPERIENTE
↓
SUPORTE DO COLEGA
↓
EVANGELISTA
↓
AGENTE DE ADOÇÃODepois apareciam os formatos.
.DOC
.XLSQuando fornecedores, colegas, clientes e parceiros começam a trocar arquivos, compatibilidade adquire valor próprio.
O produto deixa de ser simplesmente software.
Torna-se:
SOFTWARE
+
HABILIDADES
+
DOCUMENTOS
+
FORMATOS
+
USUÁRIOS
+
ECOSSISTEMAEssa é uma lição importantíssima para qualquer programador COBOL:
tecnologia nunca existe isoladamente.
🐍 CAPÍTULO 13 — ENTÃO UMA COBRINHA ENTROU NO TELEFONE
Avançamos para 1997.
Nokia 6110.
Uma tela monocromática minúscula.
Surge Snake.
A ideia do jogo era muito anterior — jogos desse gênero remontam aos anos 1970 — mas Taneli Armanto projetou e programou a versão do Nokia 6110 em 1997. Ele descreve um ambiente com aproximadamente 84 × 48 pixels, memória medida em kilobytes e teclado numérico como controle.
Hoje isso parece arqueologia.
Na época era mágico.
Mais importante:
Snake vinha instalado.
O usuário não precisava compreender lojas de aplicativos, downloads ou instalação.
Jogava.
Enquanto jogava, aprendia que aquele objeto tinha:
TELEFONE
├── agenda
├── SMS
├── relógio
├── alarme
├── configurações
└── jogosIsso modifica o modelo mental.
Antes:
telefone = falarDepois:
telefone = plataformaA cobrinha estava ajudando a domesticar a computação móvel.
🎮 CAPÍTULO 14 — O CURRÍCULO INVISÍVEL
Agora Alan Turing desenha uma linha no quadro:
PACIÊNCIA
↓
mouse / drag-and-drop
CAMPO MINADO
↓
precisão / experimentação
SNAKE
↓
interação móvel
TETRIS
↓
controle / orientação espacial
J2ME
↓
download / instalação
JOGOS TOUCH
↓
tap / swipe / multitouch
POKÉMON GO
↓
GPS / sensores / realidade aumentada
IA GENERATIVA
↓
prompt / contexto / iteraçãoExiste um padrão.
Quando aparece um paradigma novo de interação, diversão frequentemente ajuda as pessoas a aprenderem como manipulá-lo.
O usuário não pensa:
Estou realizando alfabetização tecnológica.
Pensa:
Só mais uma partida.
🤖 CAPÍTULO 15 — E A INTELIGÊNCIA ARTIFICIAL CHEGOU DISFARÇADA
Antes de milhões de pessoas conversarem com chatbots, já utilizávamos IA em várias funções:
filtro de spam
recomendação
correção automática
reconhecimento de voz
busca
tradução
classificação
fotografia computacional
assistentes digitaisA inteligência estava escondida atrás da função.
Você não precisava dizer:
Agora utilizarei inteligência artificial.
Simplesmente utilizava o aplicativo.
Então aconteceu outra transformação.
A IA saiu de trás do botão e apareceu diante do usuário.
Com uma caixa de texto.
Curiosamente...
voltamos à linguagem.
🔄 CAPÍTULO 16 — CLI → GUI → LINGUAGEM NATURAL
Turing retorna ao velho terminal:
C:\>E escreve no quadro:
CLI
“DIGA COMO”Depois:
GUI
“ESCOLHA COMO”Finalmente:
IA
“DIGA O QUE”Temos quase um círculo histórico:
LINGUAGEM FORMAL
↓
INTERFACE GRÁFICA
↓
LINGUAGEM NATURALMas existe uma diferença gigantesca.
O terminal exige:
DIRSe você escrever algo completamente diferente, não espera que o computador “entenda sua intenção”.
Já uma IA generativa recebe:
Mostre os arquivos importantes deste projeto e explique quais parecem relacionados ao faturamento.
Agora parte do COMO pode ser inferida.
Essa é uma mudança enorme de abstração.
⚠️ CAPÍTULO 17 — MAS DIR NÃO ALUCINA
Existe um preço.
DIRé essencialmente determinístico dentro de seu ambiente e parâmetros.
Um modelo generativo trabalha probabilisticamente.
Podemos representar:
COMANDO
↓
REGRA
↓
RESULTADOcontra:
INTENÇÃO
↓
CONTEXTO
↓
INTERPRETAÇÃO
↓
INFERÊNCIA
↓
RESULTADOA linguagem natural permite entradas muito mais flexíveis.
Mas exige algo novo do usuário:
VERIFICAÇÃO.
Quanto menos precisamos especificar exatamente a entrada, mais precisamos avaliar criticamente a saída.
Para um programador COBOL isso deveria soar familiar.
Nunca coloque algo em produção simplesmente porque:
“Pareceu funcionar.”
Teste.
Valide.
Compare.
Registre.
Observe.
🐱 CAPÍTULO 18 — O GATO CAVALEIRO É A NOVA PACIÊNCIA
Agora chegamos ao ponto delicioso.
Milhões de pessoas entram numa IA e pedem:
Transforme meu gato em um cavaleiro medieval.
Parece bobagem.
E frequentemente é.
Mas observe o processo:
PROMPT
↓
RESULTADO RUIM
↓
REFORMULAÇÃO
↓
MAIS CONTEXTO
↓
NOVO RESULTADO
↓
RESTRIÇÃO
↓
REFINAMENTOSem perceber, aquela pessoa aprende:
prompting;
contexto;
especificação;
iteração;
multimodalidade;
avaliação;
limitações;
delegação.
Hoje:
Faça meu gato usar armadura.
Amanhã:
Compare estes quatro contratos, encontre cláusulas divergentes e produza uma tabela.
Depois:
Analise estes programas COBOL e identifique onde determinado copybook é utilizado.
A brincadeira pode estar treinando uma habilidade profissional futura.
Exatamente como Paciência treinou mouse.
🏴☠️ CAPÍTULO 19 — O FENÔMENO OFFICE PODE ESTAR SE REPETINDO
Observe:
OFFICE EM CASA
↓
APRENDIZADO
↓
HABILIDADE
↓
TRABALHO
↓
PRESSÃO POR ADOÇÃO
↓
OFFICE CORPORATIVOAgora:
IA GRATUITA/DOMÉSTICA
↓
EXPERIMENTAÇÃO
↓
PROMPTING
↓
EXPECTATIVA
↓
TRABALHO
↓
“POR QUE FAZEMOS ISSO MANUALMENTE?”
↓
ADOÇÃO CORPORATIVAExiste, porém, uma diferença perigosa.
No primeiro caso o funcionário levava principalmente habilidade para dentro da empresa.
Com IA pública, existe o risco de levar informação da empresa para fora.
Código-fonte.
Contratos.
Dados pessoais.
Planilhas.
Credenciais.
Documentação confidencial.
Por isso alfabetização em IA precisa incluir segurança.
A regra prática para o jovem programador é simples:
Nunca interprete facilidade de uso como autorização para fornecer dados.
🤖 CAPÍTULO 20 — DO PROMPT PARA O AGENTE
Agora chegamos à próxima etapa.
Um chatbot recebe:
Explique este programa COBOL.
Um copiloto pode ajudar enquanto você programa.
Um agente vai além.
Ele pode receber um objetivo, utilizar ferramentas, tomar decisões intermediárias e executar um workflow com certo grau de independência. Uma definição contemporânea de agentes destaca justamente sistemas que realizam tarefas em nome do usuário, controlando a execução do workflow e utilizando ferramentas externas quando necessário.
Veja a evolução:
1988
“EXECUTE ESTES COMANDOS.”
.BAT2005
“EXECUTE ESTE SCRIPT.”2015
“EXECUTE ESTE WORKFLOW.”2026
“ALCANCE ESTE OBJETIVO.”Isso é extraordinário.
Porque estamos transferindo cada vez mais HOW para a máquina.
🧙 CAPÍTULO 21 — TURING DESENHA A ESCADA DA ABSTRAÇÃO
No quadro:
COMANDO
↓
SCRIPT
↓
MACRO
↓
WORKFLOW
↓
RPA
↓
COPILOTO
↓
AGENTEE ao lado:
QUANTIDADE DE “COMO”
QUE O HUMANO PRECISA INFORMAR
████████████ COMANDO
██████████ SCRIPT
████████ WORKFLOW
██████ RPA
████ COPILOTO
██ AGENTEQuanto mais subimos, mais delegamos.
Mas cuidado.
Menos instrução operacional humana não significa necessariamente menos responsabilidade humana.
Pode significar exatamente o contrário.
Quando um sistema possui maior autonomia, precisamos pensar mais em:
permissões
guardrails
logs
auditoria
limites
observabilidade
rollback
aprovação humana
least privilegeO agente mais poderoso não deveria possuir automaticamente acesso irrestrito.
No mainframe ninguém deveria dizer:
“Ele parece simpático. Dá SPECIAL no RACF.”
😂
Com agentes vale a mesma filosofia.
🧩 CAPÍTULO 22 — A INTERFACE DO FUTURO SERÁ HÍBRIDA
Não espere que IA simplesmente mate GUI e CLI.
É muito mais provável termos:
LINGUAGEM NATURAL
+
GUI
+
CLI
+
APICada uma possui função.
Linguagem natural
Expressa intenção.
GUI
Permite descoberta, inspeção e visualização.
CLI
Oferece precisão e velocidade.
API
Permite integração determinística entre sistemas.
Imagine dizer:
Encontre todos os jobs que falharam durante a madrugada.
A IA interpreta.
Por baixo dela talvez existam consultas, APIs e comandos determinísticos.
Depois surge uma tabela gráfica.
Você seleciona três jobs.
A interface solicita confirmação.
Então executa a ação.
Não é:
IA OU GUI OU CLIÉ:
IA
sobre
GUI/API/CLIUma nova camada de abstração.
🧠 CAPÍTULO 23 — A PRÓXIMA ALFABETIZAÇÃO SERÁ SABER DELEGAR
Quando computadores exigiam comandos, a habilidade era:
comandar.
Quando surgiram GUIs:
navegar.
Quando chegaram mecanismos de busca:
pesquisar.
Com IA generativa:
formular intenção e verificar resultado.
Com agentes:
delegar e supervisionar.
Isso muda profundamente o usuário competente.
Talvez o profissional digitalmente alfabetizado do futuro seja aquele capaz de dizer:
Este é o objetivo.
Estas são as restrições.
Estes dados podem ser utilizados.
Estes sistemas podem ser acessados.
Estas ações exigem minha aprovação.
Aqui estão os critérios de sucesso.
Se encontrar estas exceções, pare e me chame.
Percebeu?
Isso começa a parecer menos um comando e mais uma especificação de requisitos.
O velho analista de sistemas acabou de levantar a sobrancelha.
Talvez ele tenha mais futuro nesse mundo do que imaginava.
👨💻 CAPÍTULO 24 — O QUE O PROGRAMADOR COBOL DEVE APRENDER COM TUDO ISSO?
Primeiro:
1. Não despreze interfaces antigas.
Pergunte por que sobreviveram.
Segundo:
2. Não confunda novidade visual com melhoria de UX.
Uma mudança precisa justificar também o custo de reaprendizado.
Terceiro:
3. Automatize repetição.
Se você executa manualmente exatamente a mesma sequência todos os dias, existe provavelmente oportunidade de automação.
Quarto:
4. Preserve conhecimento operacional.
Documente comandos, atalhos, scripts, procedimentos e decisões.
Quinto:
5. Aprenda interfaces diferentes.
GUI.
CLI.
API.
Linguagem natural.
Cada uma possui vantagens.
Sexto:
6. Trate prompts como especificações, não encantamentos mágicos.
Explique objetivo, contexto, restrições e resultado esperado.
Sétimo:
7. Verifique IA.
Principalmente quando houver código, dinheiro, produção, segurança ou dados empresariais.
Oitavo:
8. Prepare-se para agentes.
Mas aprenda antes automação, APIs, segurança, observabilidade e controle de acesso.
Porque um agente não elimina engenharia.
Ele torna engenharia ainda mais necessária.
🥚 EASTER EGG — ALAN TURING ENCONTRA UM PROGRAMA COBOL
Antes de ir embora, Turing encontra um terminal.
Na tela:
IDENTIFICATION DIVISION.
PROGRAM-ID. TURING01.
PROCEDURE DIVISION.
DISPLAY 'WHAT DO YOU WANT?'.
STOP RUN.Turing olha para o programa.
Depois olha para o chatbot aberto na outra tela.
O chatbot pergunta:
Como posso ajudar?
Ele fica alguns segundos em silêncio.
Sorri.
— Vocês levaram quase oitenta anos para voltar à minha pergunta.
O programador COBOL não entende.
Turing aponta para:
WHAT DO YOU WANT?E vai embora.
☕ EPÍLOGO — TALVEZ NUNCA TENHA SIDO APENAS UM JOGO
Daqui a vinte anos alguém poderá encontrar uma captura de tela de um chatbot de 2026.
Talvez pergunte:
Vocês realmente precisavam digitar parágrafos para conversar com uma inteligência artificial?
E nós responderemos:
Sim.
Ele provavelmente achará primitivo.
Como hoje olhamos para:
C:\>Ou para Paciência.
Ou para uma tela monocromática mostrando uma cobrinha.
Mas talvez os historiadores percebam alguma coisa que hoje ainda estamos próximos demais para enxergar.
Paciência nunca foi somente Paciência.
Enquanto milhões de pessoas jogavam cartas, aprendiam mouse.
Campo Minado nunca foi somente Campo Minado.
Enquanto explodíamos minas, aprendíamos precisão, feedback e que errar diante de um computador não precisava ser uma tragédia.
Snake nunca foi somente Snake.
Enquanto aquela cobrinha crescia, aprendíamos que o telefone podia ser algo muito maior que um telefone.
Office doméstico nunca foi apenas produtividade doméstica.
Ele ajudou a criar uma população que chegava às empresas carregando conhecimento tecnológico previamente adquirido.
E talvez os memes, gatos cavaleiros, imagens absurdas, perguntas idiotas e conversas aparentemente inúteis com inteligência artificial estejam fazendo algo parecido.
Estamos brincando.
Mas também estamos aprendendo:
contexto
intenção
prompt
iteração
avaliação
verificação
delegação
supervisãoEstamos construindo memória procedural para uma interface que ainda está nascendo.
Talvez daqui a vinte anos os agentes de IA sejam tão diferentes dos chatbots atuais quanto um smartphone é diferente de um Nokia 6110.
E alguém escreverá:
“No começo as pessoas entravam numa caixa de texto e conversavam manualmente com a IA.”
E outra pessoa responderá:
“Sério?”
Sim.
Sério.
Porque toda revolução computacional precisa resolver dois problemas.
Primeiro:
Construir a máquina.
Segundo:
Ensinar seres humanos a utilizá-la.
E esse segundo problema é frequentemente resolvido das maneiras mais improváveis.
Uma carta arrastada pela tela.
Uma mina explodindo.
Uma cobrinha procurando comida.
Um .BAT criado porque alguém estava cansado de digitar cinco comandos.
Um funcionário levando para a empresa aquilo que aprendeu em casa.
Um programador COBOL abrindo cmd.exe em 2026 porque sabe exatamente o que quer e não está com paciência para descobrir em qual submenu esconderam aquilo desta vez.
Ou alguém pedindo:
“Transforme meu gato em um paladino medieval.”
Parece brincadeira.
Talvez seja.
Mas o sujeito acaba de aprender a conversar com uma máquina probabilística.
Hoje ele pede um gato.
Amanhã pede análise de documentos.
Depois delega um workflow.
Finalmente entrega um objetivo.
E assim nossa velha linha evolutiva fica completa:
.BAT
↓
MACRO
↓
SCRIPT
↓
AUTOMAÇÃO
↓
RPA
↓
COPILOTO
↓
AGENTE
↓
?O ponto de interrogação é importante.
Porque a história ainda não terminou.
Alan Turing provavelmente gostaria disso.
A grande pergunta para a próxima geração de UX talvez nem seja:
Como tornar a nova tecnologia mais fácil de aprender?
Talvez seja:
Quanto do conhecimento que o ser humano já conquistou nós temos o direito de jogar fora quando desenhamos a próxima interface?
Porque uma boa interface não deveria apenas ensinar o novo.
Ela deveria respeitar aquilo que o usuário levou anos para aprender.
E talvez essa seja a grande ironia de toda esta história:
Passamos décadas ensinando seres humanos a compreender computadores.
Agora estamos ensinando computadores a compreender seres humanos.
No meio do caminho havia uma Paciência, um Campo Minado, uma cobrinha...
...e um velho programador ainda digitando:
C:\>_porque algumas interfaces simplesmente continuam funcionando.
Fim?
READYClaro que não.
No mainframe sempre existe outro job esperando.
🤖 Alan Turing entra no CPD
O mapa dos agentes de IA explicado por um mainframer
Esta série acompanha a evolução de uma ideia: compreender os problemas modernos dos agentes de inteligência artificial usando conceitos conhecidos por quem trabalha com mainframe, IBM Z e sistemas corporativos.
A viagem começa pelas pessoas e pela experiência de uso, passa por observabilidade, priorização e execução, chega às transações, estado e mensageria e termina na organização hierárquica do contexto.
🧠 O currículo invisível da inteligência artificial
Antes de construir agentes inteligentes precisamos preparar as pessoas que trabalharão com eles. Técnica, pensamento crítico, conhecimento de negócio, segurança, ética e responsabilidade formam o currículo que nem sempre aparece no certificado.
Ler: Alan Turing e o currículo invisível da IA →🤖 A UX dos agentes
Quando uma IA deixa de apenas responder e começa a executar ações, sua interface precisa mostrar objetivos, progresso, permissões e resultados. PF3, MAXCC e RACF tornam-se excelentes analogias para controle, retorno e privilégio mínimo.
Ler: Alan Turing e a UX dos agentes →🔭 O SDSF dos agentes
Autonomia sem observabilidade cria uma caixa-preta. Inspirado no SDSF do z/OS, este capítulo pergunta como acompanhar agentes, tarefas, estados, filas, falhas, logs e resultados em tempo real.
Ler: O SDSF dos agentes — o que o robô está fazendo? →⚖️ O WLM dos agentes
CPU, GPU, tokens, APIs e bancos de dados são recursos finitos. O Workload Manager inspira uma discussão sobre prioridades, objetivos de serviço, importância do trabalho e distribuição dinâmica de recursos entre agentes.
Ler: Alan Turing e o WLM dos agentes →🏭 O JES2 dos agentes
Quem recebe uma tarefa? Onde ela espera? Quem decide quando poderá executar? A lógica de entrada, filas, despacho, execução e saída do JES2 oferece um paralelo interessante para a orquestração do trabalho dos agentes.
Ler: O JES2 dos agentes — quem recebe e despacha o trabalho? →⚡ O CICS dos agentes
Uma coisa é uma IA produzir texto. Outra é permitir que ela execute operações reais de negócio. CICS introduz a conversa sobre processamento transacional, concorrência, segurança e integridade.
Ler: Alan Turing e o CICS dos agentes →🗄️ O Db2 dos agentes
Agentes precisam manter estado, checkpoints, decisões e resultados. O Db2 fornece o ponto de partida para discutir unidade de trabalho, consistência, COMMIT, ROLLBACK e recuperação.
Ler: Alan Turing e o Db2 dos agentes →📨 O MQ dos agentes
Sistemas de agentes não precisam conversar sincronamente o tempo inteiro. IBM MQ conduz a discussão para filas, mensagens, desacoplamento, resiliência, retries, correlação e processamento assíncrono.
Ler: O MQ dos agentes — mensagem não significa conversa síncrona →🌳 O IMS dos agentes
Nem todo conhecimento precisa ser imaginado como uma tabela. IMS leva a série para estruturas hierárquicas, relações parent/child e navegação contextual — conceitos úteis para pensar organização e recuperação de contexto.
Ler: Alan Turing e o IMS dos agentes — quando o mundo virou uma árvore →☕ Alan Turing entra no CPD — O mapa completo
O artigo-âncora reúne toda a evolução da ideia: pessoas, UX, observabilidade, prioridade, orquestração, transações, estado, mensageria e contexto transformam artigos independentes em uma arquitetura conceitual para agentes de IA.
☕ ABRIR O MAPA COMPLETO DOS AGENTES DE IA →🖥️ Leitor da série
Selecione qualquer capítulo acima para abri-lo normalmente. O painel abaixo é apenas um recurso adicional de navegação.
