☕ 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

segunda-feira, 23 de maio de 2022

CI/CD: DevOps sem Mistérios para Programadores COBOL

 

Bellacosa Mainframe ci cd em devops sem misterios



☕ Um Café no Bellacosa Mainframe

DevOps sem Mistérios para Programadores COBOL

Como entender CI/CD, Containers, Kubernetes, IaC e DevOps usando exemplos do IBM Z

"Um programador COBOL experiente descobre rapidamente que DevOps não substitui o Mainframe. Ele apenas automatiza aquilo que os grandes bancos já faziam há muitos anos."


Antes de tudo...

Imagine um banco.

Todos os dias existem milhares de programas COBOL sendo alterados.

Imagine fazer isso manualmente.

Editar.

Compilar.

Gerar Load Module.

Fazer BIND.

Atualizar CICS.

Liberar produção.

Executar testes.

Se cada desenvolvedor fizesse isso do seu jeito...

...o banco pararia em poucas horas.

Foi exatamente para resolver esse problema que nasceu o DevOps.

Não para Cloud.

Não para Containers.

Mas para organizar o desenvolvimento.


1 — CI/CD

A imagem mostra:

Código

↓

Build

↓

Testes

↓

Deploy

Parece moderno.

Mas vamos traduzir.

No Mainframe seria algo parecido com:

Editar COBOL

↓

Compile

↓

Link Edit

↓

BIND DB2

↓

Newcopy CICS

↓

Testes

↓

Produção

Percebe?

É praticamente igual.

A diferença é que hoje tudo isso acontece automaticamente.


O que significa CI?

Continuous Integration.

Integração Contínua.

Na prática:

Em vez de esperar um mês para juntar alterações...

...cada alteração é integrada imediatamente.

Imagine cinco programadores.

Cada um altera um programa.

Antigamente:

João altera.

Maria altera.

José altera.

Carlos altera.

Tudo junta sexta-feira.

Sexta-feira...

Nada compila.

Ninguém sabe quem quebrou.

Hoje:

Commit

↓

Compile automático

↓

Teste automático

↓

Se falhar...

ninguém faz Merge.

Muito mais seguro.


No Mainframe

Imagine ISPW.

Imagine Endevor.

Imagine Changeman.

Quando você promove um componente...

Já existe uma pipeline.

Hoje ela apenas ficou mais inteligente.


2 — Container

Essa talvez seja a palavra mais mal compreendida.

Todo mundo fala:

"Container."

Mas...

O que é?

Imagine que você escreveu um programa COBOL.

Ele precisa:

  • Enterprise COBOL

  • LE Runtime

  • Db2 Client

  • MQ

  • Bibliotecas

  • Configuração

  • Certificados

Se você copiar apenas o executável...

Não funciona.

O Container resolve exatamente isso.

Ele empacota tudo.

Programa

+

Bibliotecas

+

Dependências

+

Configuração

+

Runtime

Tudo vira um único pacote.


Analogia Mainframe

Imagine um LOADLIB completo.

Ou uma STEPLIB preparada.

Você leva exatamente o ambiente necessário.

O Container faz isso para Linux.


Por que isso é importante?

Porque elimina:

"Na minha máquina funciona."

Essa frase praticamente desaparece.


3 — Kubernetes

A imagem chama Kubernetes de controlador de tráfego.

Gostei dessa definição.

Imagine um banco.

Existem:

Servidor A

Servidor B

Servidor C

Servidor D

Se um servidor morrer?

Quem percebe?

Quem cria outro?

Quem redistribui usuários?

Quem balanceia carga?

No mundo Cloud:

Kubernetes.


No Mainframe...

Quem faz isso?

Vários componentes.

WLM.

Sysplex.

Coupling Facility.

Dynamic Routing do CICS.

VIPA.

Parallel Sysplex.

Na prática...

IBM resolveu isso muito antes.

Só usou outros nomes.


O Kubernetes faz:

  • escala

  • reinicia

  • monitora

  • distribui

  • atualiza

Tudo sozinho.


4 — Infrastructure as Code (IaC)

Essa talvez seja a maior revolução.

Imagine instalar um servidor manualmente.

Clique.

Clique.

Clique.

Próximo.

Avançar.

OK.

Agora imagine repetir isso cem vezes.

Impossível.

Então surgiu:

Infrastructure as Code.

Em vez de clicar...

Você escreve.

Exemplo simplificado:

Servidor:

Linux

8 CPUs

32 GB

Porta 443

Firewall ativo

Rede privada

Pronto.

Um script cria tudo.


No mundo IBM Z

Isso lembra muito:

JCL.

Pense nisso.

JCL descreve infraestrutura.

Quero executar

este programa

com esta memória

este dataset

esta região

estas bibliotecas

Na essência...

JCL já era Infrastructure as Code.

Décadas antes do termo existir.


5 — Pipeline

Pipeline é uma linha de produção.

Literalmente.

A imagem mostra:

Código

↓

Build

↓

Teste

↓

Scan

↓

Deploy


No banco isso pode virar:

Developer

↓

Git

↓

Compile COBOL

↓

Compile Copybooks

↓

SQL Precompiler

↓

DBRM

↓

Bind

↓

Unit Test

↓

SonarQube

↓

Deploy QA

↓

Deploy Homologação

↓

Deploy Produção

Tudo automático.


Ferramentas comuns

GitHub Actions

GitLab CI

Azure DevOps

Jenkins

Tekton

ArgoCD

UrbanCode Deploy

ISPW

Endevor


6 — Monitoring

Depois que o sistema entra em produção...

Acabou?

Muito pelo contrário.

Começa o trabalho.

Monitoramento significa responder perguntas como:

CPU está alta?

Memória?

Tempo de resposta?

Fila MQ?

Db2?

CICS?

VSAM?

JES2?

SMF?


No IBM Z

Você já conhece muitos monitores.

RMF

OMEGAMON

SMF

SDSF

NetView

Tivoli

Z APM

Instana

Todos fazem exatamente isso.


Sem monitoramento...

Você só descobre o problema quando o cliente liga.


7 — Configuration Management

Esse conceito nasceu porque administradores faziam mudanças manualmente.

Servidor 1:

Java 17

Servidor 2:

Java 11

Servidor 3:

Java 21

Resultado?

Caos.

Ferramentas como:

Ansible

Chef

Puppet

SaltStack

garantem que todos fiquem iguais.


Analogia Mainframe

Pense em PROCLIB.

PARMLIB.

IEASYSxx.

JES2PARM.

RACF.

Tudo precisa permanecer consistente.

A diferença é que hoje isso é automatizado.


8 — CI/CD novamente

A oitava imagem aprofunda o assunto.

Vale destacar uma diferença importante.

Continuous Integration

Sempre compila.

Sempre testa.

Sempre valida.

Mas nem sempre publica.


Continuous Delivery

Tudo pronto.

Apenas alguém aperta:

Deploy.


Continuous Deployment

Nem isso.

Terminou os testes?

Produção automaticamente.


Bancos normalmente fazem:

CI

+

Continuous Delivery

Poucos usam Continuous Deployment completo.

Por razões regulatórias.


9 — IaC novamente

Agora aparecem ferramentas.

Terraform.

CloudFormation.

Pulumi.

Ansible.


Para um programador COBOL

A ideia é simples.

Você não administra servidores.

Você administra código que administra servidores.

É um novo nível de abstração.


10 — DevOps Culture

Essa é provavelmente a imagem mais importante.

Porque DevOps NÃO é ferramenta.

É cultura.

Imagine:

Desenvolvimento culpa Infraestrutura.

Infraestrutura culpa Banco.

Banco culpa Segurança.

Segurança culpa Rede.

Rede culpa Middleware.

Middleware culpa COBOL.

COBOL culpa CICS.

CICS culpa Db2.

Resultado?

Ninguém resolve.

DevOps diz:

Todos são responsáveis.


O objetivo

Eliminar silos.

Criar colaboração.

Automatizar tarefas repetitivas.

Aprender continuamente.

Compartilhar conhecimento.


O que muda para um Programador COBOL Padawan?

Antigamente bastava dominar:

  • COBOL

  • JCL

  • CICS

  • DB2

  • VSAM

Hoje isso continua essencial, mas não é suficiente em muitos projetos de modernização. Um profissional de IBM Z passa a ganhar vantagem competitiva quando também compreende:

  • Git e GitHub

  • GitFlow e Pull Requests

  • Jenkins, GitHub Actions ou Azure DevOps

  • UrbanCode Deploy ou ISPW Pipelines

  • SonarQube para análise estática

  • Docker e conceitos de Containers (mesmo que não execute COBOL dentro deles)

  • Kubernetes e OpenShift para entender onde vivem as APIs modernas

  • Ansible para automação de tarefas no z/OS

  • APIs REST e JSON

  • z/OS Connect Enterprise Edition

  • Observabilidade com Instana, OMEGAMON e OpenTelemetry

  • Segurança integrada com RACF, certificados digitais, OAuth2, JWT e TLS

  • Integração contínua de aplicações COBOL com pipelines automatizadas


A Grande Lição do Mestre

Quando um Padawan olha para CI/CD, Kubernetes, Infrastructure as Code ou DevOps, pode parecer que tudo isso pertence apenas ao mundo Linux e à Cloud. Mas um profissional experiente de IBM Z percebe algo diferente: esses conceitos representam uma evolução natural de princípios que o ecossistema mainframe já aplicava há décadas — padronização, automação, controle de mudanças, alta disponibilidade, rastreabilidade e confiabilidade.

A grande transformação não está em abandonar o COBOL. Está em conectá-lo a um ecossistema moderno de desenvolvimento contínuo, APIs, automação e observabilidade. O futuro do programador COBOL não é escolher entre "mainframe" ou "DevOps"; é dominar ambos e entender como fazer o IBM Z conversar com o restante da arquitetura corporativa.

No fim das contas, DevOps não substitui o conhecimento de um programador COBOL. Ele amplia esse conhecimento, permitindo que aplicações críticas continuem evoluindo com velocidade, segurança e qualidade — exatamente o que os maiores bancos do mundo esperam de seus sistemas mais importantes.





domingo, 22 de maio de 2022

Yuusha, Yamemasu — Muito Além do "Herói Aposentado"

Bellacosa Mainframe apresenta yuusha yamemasu

☕ Um Café no Bellacosa Mainframe

Yuusha, Yamemasu — Muito Além do "Herói Aposentado"

O Que Todo Programador COBOL Padawan Precisa Saber Sobre Liderança, Sistemas Legados, Inteligência Artificial, Propósito e Como um Anime de Fantasia Ensina Lições que Valem para IBM Z, DevOps e Engenharia de Software

"Todo sistema nasce para resolver um problema. O verdadeiro desafio começa quando o problema desaparece, mas o sistema continua existindo."


Ficha Técnica

Título original

勇者、辞めます ~次の職場は魔王城~
(Yūsha, Yamemasu: Tsugi no Shokuba wa Maōjō)

Título internacional

I'm Quitting Heroing

Autor (Light Novel)

Quantum

Ilustrações

Hana Amano

Mangá

Nori Kazato

Estúdio de animação

EMT Squared

Diretor

Hisashi Ishii

Diretor-chefe

Yuu Nobuta

Roteiro

Shigeru Murakoshi

Trilha sonora

Kōhei Munemoto

Exibição original

  • 5 de abril de 2022

  • 21 de junho de 2022

Quantidade de episódios

  • 12 episódios

  • 2 OVAs lançadas posteriormente

Gênero

  • Fantasia

  • Aventura

  • Comédia

  • Drama

  • Filosofia

  • Ficção científica (em sua essência)

Classificação indicativa

  • Aproximadamente 14 anos (TV-14)


Sinopse

Durante séculos, o lendário herói Leo Demonheart foi o maior defensor da humanidade. Quando finalmente derrota a Rainha Demônio Echidna, espera ser recebido como salvador.

Mas acontece exatamente o contrário.

Com medo de seu poder, os próprios humanos passam a rejeitá-lo. Sem um propósito e sem lugar no mundo, Leo toma uma decisão improvável: oferecer seus serviços ao antigo inimigo e trabalhar para o exército demoníaco.

O que parecia uma simples comédia logo revela uma história profunda sobre liderança, identidade, propósito e o peso da imortalidade.


Resumo

A primeira temporada acompanha a chegada de Leo ao castelo de Echidna. Para conquistar a confiança dos generais demônios, ele resolve problemas de logística, treinamento, motivação, planejamento e organização.

Enquanto ajuda o reino demoníaco a se reerguer, descobrimos lentamente que Leo não é apenas um herói extremamente poderoso. Seu passado esconde uma verdade capaz de mudar completamente a forma como enxergamos sua existência.

Nos episódios finais, a narrativa deixa de ser uma fantasia convencional e se transforma em uma reflexão sobre humanidade, inteligência artificial e livre-arbítrio.


A História

À primeira vista, parece um anime de fantasia medieval.

Castelos.

Espadas.

Magia.

Demônios.

Heróis.

Mas tudo isso funciona apenas como cenário.

O verdadeiro tema da obra é a jornada de alguém criado para cumprir uma única missão e que, após concluí-la, precisa descobrir quem é sem essa missão.

A revelação de que Leo foi criado por uma civilização tecnologicamente avançada há milhares de anos muda completamente a percepção do espectador. A fantasia passa a dialogar com ficção científica, mostrando que sua força, longevidade e habilidades extraordinárias fazem parte de um projeto criado para proteger a humanidade.


Os Personagens

Leo Demonheart

O protagonista.

Extremamente inteligente, estratégico e praticamente invencível.

Mais do que um guerreiro, é um solucionador de problemas.

No estilo Bellacosa Mainframe, Leo representa um sistema legado robusto: confiável, eficiente e indispensável, mas construído para um contexto que já mudou.


Echidna

A Rainha Demônio.

Carismática, racional e profundamente preocupada com seu povo.

Apesar da imagem de vilã, demonstra qualidades de uma excelente líder.

Ela entende que liderança não significa mandar, mas inspirar.


Shutina

General responsável pelas forças militares.

Competente, disciplinada e dedicada.

Representa o profissional técnico que assume responsabilidades demais.


Edvard

Especialista em logística.

Organizado e metódico.

Sempre pensa em eficiência operacional.

É o "gerente de infraestrutura" do reino.


Mernes

Responsável pela inteligência.

Especialista em informações estratégicas.

Mostra como conhecimento pode ser mais poderoso do que força.


Lily

General da magia.

Gentil, otimista e extremamente talentosa.

Representa empatia e colaboração.


Temática

A obra aborda diversos temas:

  • Liderança

  • Gestão de pessoas

  • Burnout

  • Propósito

  • Solidão

  • Inteligência Artificial

  • Imortalidade

  • Livre-arbítrio

  • Evolução pessoal

  • Administração de organizações

  • Confiança

  • Cooperação


O Que Torna o Anime Diferente?

Grande parte dos animes de fantasia termina quando o herói derrota o Rei Demônio.

Yuusha, Yamemasu começa exatamente nesse ponto.

A pergunta deixa de ser:

"Como vencer a guerra?"

E passa a ser:

"Como reconstruir depois dela?"

Além disso, o anime substitui batalhas constantes por desafios administrativos, mostrando que liderar pessoas pode ser tão difícil quanto derrotar monstros.


As Aventuras

Ao longo da temporada, Leo ajuda cada general a superar problemas específicos:

  • reorganiza equipes;

  • melhora processos;

  • resolve gargalos logísticos;

  • otimiza treinamento militar;

  • aumenta a motivação dos soldados;

  • cria estratégias mais eficientes;

  • fortalece a confiança entre líderes.

Cada episódio funciona como um estudo de caso sobre resolução de problemas.


As Mensagens Ocultas

O verdadeiro inimigo pode ser a falta de propósito

Leo descobre que vencer não significa encontrar felicidade.


Liderança é desenvolver pessoas

Em vez de resolver tudo sozinho, Leo ensina os outros a crescer.


Organizações sobrevivem graças aos processos

Mesmo indivíduos brilhantes não conseguem sustentar uma organização sem estrutura.


Poder exige responsabilidade

Quanto maior a capacidade de alguém, maior sua responsabilidade em decidir como utilizá-la.


Evoluir é mais importante do que permanecer perfeito

Leo percebe que seguir eternamente a mesma programação não faz sentido quando o mundo muda.


Bellacosa Mainframe: A Grande Analogia

Imagine um programa COBOL escrito há quarenta anos.

Ele foi criado para resolver um problema específico.

Funcionou perfeitamente durante décadas.

Mas o negócio mudou.

As regras mudaram.

Os clientes mudaram.

Mesmo assim, o programa continua executando exatamente a mesma lógica.

Leo Demonheart representa esse sistema legado.

Não porque esteja ultrapassado.

Mas porque continua executando sua missão original sem questionar se ela ainda faz sentido.

Modernizar um sistema não significa descartá-lo.

Significa permitir que ele evolua.

É exatamente a jornada de Leo.


O Que Todo Programador COBOL Padawan Aprende com Yuusha, Yamemasu

  • Resolver problemas é mais importante do que demonstrar poder.

  • Sistemas robustos precisam evoluir junto com o negócio.

  • Documentação, processos e treinamento são fundamentais.

  • Grandes líderes criam sucessores.

  • Tecnologia sem propósito perde valor.

  • Modernização deve preservar o que funciona e transformar o que limita.


Impacto Cultural

Embora não tenha alcançado o sucesso comercial de franquias como Overlord, Re:Zero ou Tate no Yuusha no Nariagari, Yuusha, Yamemasu conquistou uma base fiel de fãs por oferecer uma narrativa madura, focada em reconstrução, liderança e identidade.

A obra é frequentemente lembrada por sua reviravolta narrativa nos episódios finais, que transforma uma aparente fantasia medieval em uma história com elementos de ficção científica e reflexões sobre inteligência artificial, memória e propósito. Esse contraste tornou o anime um exemplo de como subverter expectativas sem depender apenas de cenas de ação.


Classificação Bellacosa Mainframe

CritérioNota
História⭐⭐⭐⭐⭐ (10/10)
Originalidade⭐⭐⭐⭐⭐
Desenvolvimento dos personagens⭐⭐⭐⭐⭐
Filosofia⭐⭐⭐⭐⭐
Liderança e gestão⭐⭐⭐⭐⭐
Humor⭐⭐⭐⭐☆
Ação⭐⭐⭐⭐☆
Trilha sonora⭐⭐⭐⭐☆
Reviravoltas⭐⭐⭐⭐⭐

Veredito Final

Yuusha, Yamemasu é muito mais do que um anime sobre um herói desempregado. É uma aula sobre adaptação, liderança e evolução contínua.

No universo do Bellacosa Mainframe, Leo Demonheart simboliza um sistema IBM Z de missão crítica: extremamente confiável, resiliente e poderoso. Porém, assim como aplicações COBOL que atravessam décadas, seu verdadeiro desafio não é continuar funcionando, e sim adaptar-se a novas necessidades sem perder sua essência.

A grande lição da primeira temporada é clara: vencer uma batalha é importante, mas construir um futuro sustentável — para pessoas, organizações ou sistemas — é o que realmente define um herói.

domingo, 15 de maio de 2022

🧙‍♂️ YUJI E A DUNGEON DOS SISTEMAS ABERTOS — QUANDO O MAINFRAME DESCOBRIU QUE O UNIX NÃO ERA O CHEFÃO FINAL

 

Bellacosa Mainframe e uma visão sobre sistemas e arquiteturas

☕ Um Café no Bellacosa Mainframe

🧙‍♂️ YUJI E A DUNGEON DOS SISTEMAS ABERTOS — QUANDO O MAINFRAME DESCOBRIU QUE O UNIX NÃO ERA O CHEFÃO FINAL

COBOL, mainframe, microinformática, Unix, RISC, cliente-servidor, sistemas abertos, padrões, 4GL, TCO, auditoria, Shadow IT — e o dia em que Yuji descobriu que o servidor barato podia sair muito caro.



🎬 PRÓLOGO — YUJI ENCONTROU UM COMPUTADOR DEBAIXO DA MESA

Yuji entrou silenciosamente no Departamento Financeiro.

Como sempre, ninguém percebeu sua chegada.

Atrás dele caminhavam alguns slimes.

— Puru puru.

Yuji olhou para uma mesa.

Havia um computador.

Olhou para outra.

Outro computador.

Mais adiante encontrou mais seis.

Então um dos slimes apareceu trazendo uma informação:

Detectado aplicativo desconhecido.

Yuji parou.

— Aplicativo desconhecido?

O slime respondeu:

FINANCEIRO_FINAL.XLS

Outro slime apareceu.

FINANCEIRO_FINAL2.XLS

Mais um:

FINANCEIRO_FINAL_AGORA_VAI.XLS

Yuji ficou alguns segundos olhando para aquilo.

Finalmente perguntou:

— Qual deles fecha o balanço da empresa?

Silêncio.

Era o final dos anos 1990.

Durante décadas, a empresa conhecera perfeitamente seu grande computador central. Programas COBOL eram desenvolvidos, compilados, testados e colocados em produção seguindo procedimentos relativamente controlados.

Então chegaram os computadores pessoais.

Baratos.

Fáceis de instalar.

Espalharam-se pelas mesas.

Depois vieram redes locais, servidores departamentais, Unix, arquiteturas RISC, cliente-servidor, bancos de dados distribuídos e Internet.

A capacidade computacional escapara do castelo.

E ninguém sabia exatamente quantos monstros havia agora na floresta.

Yuji acabara de encontrar uma nova dungeon:

a microinformática corporativa.



🏰 CAPÍTULO 1 — QUANDO O COMPUTADOR MORAVA NO CASTELO

Programador COBOL iniciante, antes de falarmos sobre Unix, RISC ou sistemas abertos, precisamos voltar algumas décadas.

Durante grande parte da história da computação empresarial, processamento era algo centralizado.

Imagine uma empresa possuindo um grande computador:

TERMINAL ─┐
TERMINAL ─┤
TERMINAL ─┤
TERMINAL ─┼──── MAINFRAME ──── DADOS
TERMINAL ─┤
TERMINAL ─┤
TERMINAL ─┘

Os usuários trabalhavam em terminais.

O terminal frequentemente tinha pouca capacidade de processamento local. Ele permitia ao usuário interagir com aplicações executadas no computador central.

É daí que aparece uma palavra importantíssima naquele período:

HOST.

Host é o sistema que hospeda e executa serviços ou workloads utilizados por outros sistemas ou usuários.

No mundo corporativo clássico, o mainframe era frequentemente esse host.

Centenas ou milhares de pessoas poderiam compartilhar recursos da mesma máquina.

Um bancário consultava uma conta.

Outro registrava uma transferência.

Um programa batch processava arquivos.

Outro atualizava banco de dados.

Tudo acontecia sobre uma infraestrutura centralizada.

Para quem está começando em COBOL, pense em:

COBOL
  ↓
CICS
  ↓
Db2 / IMS / VSAM 
  ↓
z/OS
  ↓
IBM Z

Naturalmente, essa é uma simplificação, mas ela ajuda a visualizar a ideia.

O mainframe não significa apenas "computador grande".

Sua importância está na capacidade de administrar grandes quantidades de trabalho compartilhado de maneira controlada.



🖥️ CAPÍTULO 2 — O PC ESCAPOU DO CPD

Então aconteceu algo revolucionário.

Computadores ficaram menores e baratos.

O processamento começou a sair do CPD e chegar às mesas.

Era uma transformação profunda porque a informação deveria estar:

onde as pessoas precisavam dela para tomar decisões.

Imagine o Departamento Financeiro.

Antes, alguém poderia solicitar um relatório ao CPD.

Depois teria que esperar sua execução.

Com um PC e uma planilha, o gerente podia manipular informações imediatamente.

Isso era fantástico.

Mas havia um efeito colateral.

Antes:

USUÁRIO
   │
   ▼
SISTEMA CORPORATIVO
   │
   ▼
MAINFRAME

Agora:

USUÁRIO
   │
   ├── planilha
   ├── banco local
   ├── aplicativo comprado
   ├── programa feito pelo departamento
   └── arquivos locais

O poder computacional estava sendo democratizado.

E toda democratização tecnológica cria novas possibilidades — inclusive novas maneiras de fazer besteira.



👻 CAPÍTULO 3 — YUJI DESCOBRE O ANCESTRAL DO SHADOW IT

Um slime apareceu diante de Yuji.

Detectada aplicação crítica.

Yuji perguntou:

— Está no mainframe?

— Não.

— Servidor Unix?

— Não.

— Sistema oficial?

— Não.

— Quem desenvolveu?

O slime respondeu:

Carlos, do Financeiro.

— Carlos é programador?

Não.

— Documentação?

Não encontrada.

— Backup?

Talvez.

Yuji suspirou.

Bem-vindo ao ancestral do Shadow IT.

Shadow IT é tecnologia utilizada dentro de uma organização sem conhecimento, aprovação ou governança adequada da área responsável.

Hoje podemos imaginar:

  • SaaS contratado sem autorização;

  • armazenamento em cloud pessoal;

  • aplicações low-code;

  • ferramentas de IA;

  • bancos de dados externos;

  • APIs não autorizadas.

Nos anos 1990, poderia ser algo muito mais simples:

  • Access;

  • Excel;

  • Lotus 1-2-3;

  • dBase;

  • FoxPro;

  • Visual Basic;

  • programas shareware;

  • bancos de dados locais.

Uma planilha começava ajudando uma pessoa.

Depois ajudava cinco.

Depois cinquenta.

Até que alguém descobria:

“Sem aquela planilha não conseguimos fechar o mês.”

Acabamos de criar um sistema crítico sem Change Management, documentação ou governança.



🔎 CAPÍTULO 4 — NASCE A NECESSIDADE DE AUDITAR A MICROINFORMÁTICA

Quando existem dez computadores, talvez alguém saiba onde estão.

Quando existem dez mil, temos outro problema.

Auditoria de microinformática começou a ganhar enorme importância justamente porque empresas acumulavam grandes quantidades de equipamentos e software distribuídos.

O auditor precisava responder perguntas básicas.

Quantos computadores existem?

Onde estão?

Quem utiliza cada equipamento?

Qual configuração possuem?

Que software está instalado?

Existem licenças?

Existe antivírus?

Existe backup?

Quem possui privilégios administrativos?

Existem programas não autorizados?

Existem dados corporativos armazenados localmente?

Observe que a auditoria não estava procurando simplesmente "computadores".

Estava tentando descobrir riscos.

Imagine um PC contendo dados financeiros críticos.

Se o disco falhar amanhã, o que acontece?

Essa pergunta vale muito mais que saber a marca do computador.


🧙 CAPÍTULO 5 — O MAINFRAME ENCONTRA O UNIX

Enquanto PCs conquistavam as mesas, outro personagem ganhava espaço nos data centers:

Unix.

Unix tinha uma longa história acadêmica e empresarial e tornou-se extremamente importante em workstations e servidores.

Nos anos 1990, Unix frequentemente aparecia associado às arquiteturas RISC.

RISC significa:

Reduced Instruction Set Computer.

A filosofia RISC buscava trabalhar com conjuntos de instruções relativamente simples e eficientes, favorecendo determinadas estratégias de implementação e pipeline.

Entre as arquiteturas que se tornaram importantes estavam:

IBM POWER
Sun SPARC
HP PA-RISC
DEC Alpha
MIPS

Imagine nosso mundo de fantasia.

Vários reinos surgiram dizendo:

“Não precisamos daquele castelo gigantesco. Podemos construir fortalezas menores.”

Era o começo de uma mudança significativa na distribuição da capacidade computacional.


⚔️ CAPÍTULO 6 — MERCEDES-BENZ CONTRA FUSCA

Em determinado debate daquela época surgiu uma comparação maravilhosa.

Representantes do mundo mainframe compararam:

MAINFRAME = MERCEDES-BENZ
UNIX      = FUSCA

Segundo o argumento, ambos poderiam levar você ao destino.

Mas a Mercedes ofereceria mais:

  • conforto;

  • segurança;

  • confiabilidade;

  • qualidade dos componentes.

É uma metáfora interessante.

Mas existe um problema.

Yuji provavelmente perguntaria:

— Qual é a missão?

Porque não faz sentido discutir qual veículo é melhor sem perguntar para quê ele será usado.

Se você precisa transportar uma pessoa alguns quilômetros, talvez o veículo simples seja suficiente.

Agora imagine:

“Precisamos processar milhões de transações financeiras, continuamente, com controles rígidos e altíssima disponibilidade.”

A conversa muda.

Tecnologia empresarial deve ser analisada pelo workload.

Essa é uma palavra que você deve guardar.

Workload

É a carga de trabalho computacional que um sistema precisa executar.

Pode ser:

transações CICS
batch COBOL
consultas Db2
servidor Web
analytics
IA
processamento científico
mensageria
APIs

Portanto:

Não existe plataforma universalmente melhor. Existe plataforma mais adequada para determinado conjunto de requisitos.


💰 CAPÍTULO 7 — O SERVIDOR BARATO QUE FICOU CARO

Unix tinha uma vantagem comercial poderosa.

Servidores menores podiam custar significativamente menos que grandes sistemas centralizados.

Então alguém fazia a comparação:

MAINFRAME
US$ $$$$$$$$

UNIX
US$ $$$

Pronto.

Unix venceu?

Calma.

Yuji mandaria seus slimes procurar o restante da conta.

Porque preço de aquisição não é igual a custo total.

Surge então uma ideia fundamental:

TCO — Total Cost of Ownership

TCO significa custo total de propriedade.

Imagine um servidor custando:

US$ 20.000

Mas durante cinco anos você precisará pagar por:

administradores
energia
storage
backup
rede
licenciamento
monitoramento
suporte
patching
segurança
downtime
migrações

Agora multiplique isso por 100 servidores.

O servidor barato pode gerar uma infraestrutura cara.

Essa discussão dos anos 1990 reapareceria décadas depois com cloud.


🌐 CAPÍTULO 8 — CLIENTE-SERVIDOR MUDA A DUNGEON

Uma das grandes arquiteturas daquele período foi o modelo client/server.

Em vez de concentrar praticamente todo processamento no host, distribuímos responsabilidades.

Exemplo:

CLIENTE
   │
   │ solicitação
   ▼
SERVIDOR
   │
   ▼
BANCO DE DADOS

O cliente poderia cuidar da interface.

O servidor executaria regras ou serviços.

O banco armazenaria dados.

Isso possibilitava distribuir capacidade computacional.

Imagine uma aplicação COBOL tradicional:

3270
 │
 ▼
CICS
 │
 ├── COBOL
 │
 ▼
Db2

No mundo distribuído poderíamos encontrar:

Windows Client
      │
      ▼
Unix Server
      │
      ▼
Database

Mas cuidado.

Distribuir processamento também distribui complexidade.

Agora precisamos administrar:

rede
protocolos
clientes
servidores
versões
drivers
bancos
autenticação
compatibilidade

Toda camada adicionada resolve alguma coisa e potencialmente cria outra dungeon.


🔌 CAPÍTULO 9 — SISTEMAS ABERTOS E O PODER DOS PADRÕES

Chegamos a uma das ideias mais importantes daquela transformação:

sistemas abertos.

Um sistema aberto não significa necessariamente que absolutamente tudo nele seja open source.

A questão central está em utilizar interfaces, protocolos e padrões que facilitem interoperabilidade.

Imagine três fornecedores criando três equipamentos.

Sem padrões:

A ── protocolo A
B ── protocolo B
C ── protocolo C

Integrá-los é complicado.

Com padrões:

A ─┐
B ─┼── PADRÃO
C ─┘

Os produtos continuam diferentes.

Mas existe uma linguagem comum.

Pense na Internet.

Equipamentos completamente diferentes conseguem conversar usando protocolos padronizados.

Isso reduz dependência tecnológica e facilita integração.


🧩 CAPÍTULO 10 — PADRÃO NÃO MATA CRIATIVIDADE

Uma preocupação daquela época era:

“Se tudo for padronizado, produtos serão iguais?”

Não.

Um padrão normalmente determina como determinados componentes devem interagir, não como todo produto precisa ser construído.

Considere USB.

Fabricantes podem criar milhares de dispositivos diferentes.

O padrão define determinadas regras de comunicação.

O mesmo raciocínio aparece em:

TCP/IP
HTTP
SQL
POSIX
REST
JSON
Unicode

Padronização cria uma fronteira de interoperabilidade.

Dentro dessa fronteira ainda existe enorme espaço para inovação.

Em outras palavras:

o padrão define a porta; não determina como você deve decorar a casa.


🧬 CAPÍTULO 11 — O MAINFRAME COMEÇA A ABSORVER O MUNDO ABERTO

Aqui está uma ironia histórica maravilhosa.

Naquele período, sistemas abertos eram frequentemente apresentados como alternativa ao mainframe.

Mas o mainframe não ficou congelado.

Ele começou a incorporar tecnologias e interfaces associadas ao mundo aberto.

Décadas depois encontramos no ecossistema IBM Z:

COBOL
CICS
IMS
Db2
VSAM
JCL

convivendo com:

Unix
Java
Python
REST
JSON
Git
APIs
containers
Linux
DevOps
OpenShift

O resultado não foi simplesmente:

NOVO substitui VELHO

Foi frequentemente:

NOVO integra VELHO

Essa diferença é essencial para entender modernização de mainframe.

Modernizar não significa necessariamente jogar tudo fora.


🐉 CAPÍTULO 12 — O UNIX ESCONDIDO DENTRO DO MAINFRAME

Para um programador COBOL iniciante isso pode parecer estranho.

Mas o z/OS possui UNIX System Services — USS.

Isso significa que o ambiente z/OS incorpora um ambiente Unix compatível com padrões relevantes.

Podemos pensar conceitualmente em dois mundos convivendo:

        z/OS
 ┌───────────────────┐
 │ TSO / ISPF        │
 │ JCL               │
 │ COBOL             │
 │ CICS              │
 │ Db2               │
 │                   │
 │ UNIX System       │
 │ Services          │
 │ shell             │
 │ filesystem        │
 └───────────────────┘

Imagine explicar isso para alguém no meio da guerra comercial dos anos 1990:

“Um dia você poderá encontrar ferramentas Unix convivendo dentro do ambiente do mainframe IBM.”

Yuji provavelmente apenas responderia:

— Skill adquirida.


🧠 CAPÍTULO 13 — O HARDWARE FICOU BARATO; O HUMANO NÃO

Outra observação extremamente importante daquele debate dizia, aproximadamente:

O custo do programador aumentava enquanto o custo do hardware despencava.

Os percentuais específicos podem variar conforme período e metodologia, mas o princípio econômico é importante.

Nos primórdios:

CPU     = caríssima
memória = caríssima
disco   = caríssimo

Portanto programadores economizavam recursos obsessivamente.

Com a redução do preço do hardware, outra variável ganhou enorme importância:

produtividade humana.

Imagine economizar US$ 5.000 em hardware e criar uma arquitetura que exige mais US$ 200.000 em manutenção.

Você economizou?

Não.

Apenas deslocou o custo.

E aqui entram as linguagens de quarta geração.


🪄 CAPÍTULO 14 — AS 4GL PROMETEM MAGIA

As chamadas 4GL — Fourth Generation Languages buscavam aumentar produtividade.

A ideia geral era permitir que o desenvolvedor descrevesse mais e programasse menos detalhes.

Entre tecnologias associadas ao universo 4GL estavam ferramentas como:

Natural
FOCUS
Informix-4GL
Progress
Oracle Forms

O objetivo econômico era simples:

menos código
   ↓
menos esforço
   ↓
maior produtividade
   ↓
menor custo

Natural, por exemplo, tornou-se particularmente conhecido em grandes ambientes corporativos e frequentemente apareceu junto do banco Adabas.

Para um programador COBOL, a comparação é interessante.

COBOL tende a ser bastante explícito.

Uma ferramenta de nível mais alto pode abstrair detalhes.

Mas abstração não elimina complexidade.

Ela apenas a desloca.

Esse princípio continua válido em 2026 com:

low-code
no-code
frameworks
cloud services
IA generativa

Cada geração promete:

“Agora qualquer pessoa poderá desenvolver.”

E algum tempo depois aparece outra profissão dizendo:

“Precisamos governar tudo isso.”


💾 CAPÍTULO 15 — A GUERRA DOS DISCOS

Durante a discussão histórica aconteceu um momento quase digno de anime.

O representante da HP defendia a tecnologia Unix/RISC.

Surgiu então a questão de problemas relacionados a discos.

A resposta foi aproximadamente:

Tecnologia nova sempre possui problemas.

Então veio a IBM:

“Roupa suja se lava em casa.”

Critical hit.

A IBM defendia que investia enormes recursos em pesquisa e testes para garantir confiabilidade.

Por trás da provocação comercial existe uma discussão séria.

Quanto vale confiabilidade?

Imagine dois discos:

DISCO A = R$ 1.000
DISCO B = R$ 4.000

Qual é mais barato?

Você ainda não sabe.

Precisamos descobrir:

taxa de falha
performance
redundância
suporte
tempo de recuperação
impacto da indisponibilidade

Se a falha do disco A provoca uma interrupção de R$ 5 milhões, aquela economia inicial torna-se irrelevante.

Por isso, em sistemas críticos:

confiabilidade possui valor econômico.


⚙️ CAPÍTULO 16 — COBOL ENSINA UMA LIÇÃO SOBRE CUSTO

Imagine este programa:

       IDENTIFICATION DIVISION.
       PROGRAM-ID. CLIENTE.

       PROCEDURE DIVISION.
           DISPLAY 'PROCESSANDO CLIENTE'.
           STOP RUN.

Compilar e executar esse programa é fácil.

Mas um sistema empresarial não é apenas seu código.

Ele depende de:

dados
segurança
JCL
bibliotecas
interfaces
procedimentos
monitoramento
documentação
operações
backup
recuperação

Essa é uma das razões pelas quais substituir aplicações legadas pode ser muito mais complicado do que alguém imagina.

O código talvez tenha 30 anos.

Mas durante esses 30 anos a empresa acumulou milhares de regras de negócio.

O programa não é simplesmente software velho.

Pode ser conhecimento empresarial executável.


☁️ CAPÍTULO 17 — VINTE ANOS DEPOIS, CLOUD REPETE A DISCUSSÃO

Troque algumas palavras:

1998                 2026

Mainframe            Data Center
Unix/RISC            Cloud
Client/server        Microservices
Servidor             Container
4GL                   Low-code/IA

E várias discussões retornam.

Alguém diz:

“Cloud é mais barata.”

Yuji pergunta:

— Para qual workload?

Outro diz:

“Microservices são melhores.”

— Para qual problema?

Outro:

“IA vai substituir todo desenvolvimento.”

Yuji olha para seus slimes.

— Requisitos?

Silêncio.

A grande lição é que tecnologia empresarial precisa ser analisada economicamente e tecnicamente.


📊 CAPÍTULO 18 — PASSO A PASSO PARA COMPARAR DUAS TECNOLOGIAS

Se amanhã alguém disser:

“Precisamos sair do mainframe porque X é mais barato.”

Não comece uma guerra religiosa.

Pegue café.

Abra uma planilha.

E siga os slimes de Yuji.

Passo 1 — Identifique o workload

Pergunte:

O que está sendo executado?

Batch?

CICS?

Db2?

Web?

Analytics?

Passo 2 — Meça volume

Quantas transações?

Quantos usuários?

Quanto armazenamento?

Qual crescimento anual?

Passo 3 — Determine SLA

Quanto tempo o sistema pode ficar indisponível?

1 hora?
10 minutos?
1 minuto?
praticamente nunca?

Passo 4 — Analise integração

Com quantos sistemas ele conversa?

Passo 5 — Analise segurança

Quem acessa?

Quais dados existem?

Há requisitos regulatórios?

Passo 6 — Calcule TCO

Não compare apenas hardware.

Inclua:

software
licenças
pessoas
infraestrutura
suporte
energia
migração
treinamento
backup
segurança
downtime

Passo 7 — Calcule risco de migração

Migrar também custa.

E falhar na migração custa ainda mais.


🔥 CAPÍTULO 19 — A GRANDE LIÇÃO PARA O PROGRAMADOR COBOL

Você provavelmente ouvirá muitas vezes:

“COBOL morreu.”

“Mainframe morreu.”

“Servidor morreu.”

“Data center morreu.”

“Programador morreu.”

Tecnologia adora anunciar funerais.

Curiosamente, vários cadáveres continuam processando folha de pagamento.

O programador COBOL não deveria defender mainframe simplesmente porque trabalha com mainframe.

Isso seria torcida.

O profissional deve compreender:

requisito
workload
custo
risco
SLA
arquitetura
integração

Se Unix resolver melhor determinado problema, use Unix.

Se cloud resolver melhor, use cloud.

Se IBM Z resolver melhor, use IBM Z.

A pergunta profissional não é:

“Qual tecnologia eu amo?”

É:

“Qual problema preciso resolver?”


🥚 EASTER EGG — INCIDENTE 03:17

Às 03:17 da madrugada, Yuji recebeu uma mensagem.

JOB ABEND

Ele abriu o log.

IEF450I
PAYROLL STEP01
ABEND=S0C7

Um slime perguntou:

— Devemos migrar para Unix?

Yuji respondeu:

— Não. Primeiro descubra quem colocou caracteres alfanuméricos naquele campo numérico.

O slime desapareceu.

Alguns minutos depois:

ROOT CAUSE FOUND.

Moral da história:

arquitetura moderna não corrige dado ruim.


🧭 CAPÍTULO 20 — A PREVISÃO MAIS IMPORTANTE DOS ANOS 1990

No final daquele debate surgiu uma conclusão:

Mainframe e Unix terão que conviver.

E talvez essa tenha sido a previsão mais lúcida de todas.

Porque o futuro não se tornou:

MAINFRAME
    X
   UNIX

VENCEDOR: ???

Tornou-se:

             INTERNET
                 │
               APIs
                 │
      ┌──────────┴──────────┐
      │                     │
    CLOUD                 IBM Z
      │                     │
containers              CICS
Linux                   COBOL
Java                    Db2
Python                  IMS
      │                     │
      └──────── EVENTOS ────┘

A palavra fundamental passou a ser:

INTEGRAÇÃO.


🧙‍♂️ EPÍLOGO — YUJI NÃO ESCOLHEU UM REINO

Ao terminar a auditoria, Yuji reuniu seus slimes.

Um encontrou mainframes.

Outro encontrou Unix.

Outro encontrou PCs.

Outro encontrou bancos de dados.

E aquele slime particularmente curioso voltou carregando:

FINANCEIRO_FINAL_DEFINITIVO_V7.XLS

Yuji olhou para ele.

— Isso é importante?

O slime respondeu:

Responsável pelo fechamento financeiro mensal da empresa.

— Backup?

Não.

— Documentação?

Não.

— Controle de acesso?

Não.

— Quem criou?

Funcionário aposentado em 1997.

Yuji ficou em silêncio.

Finalmente pronunciou:

— Esta é a aplicação mais perigosa que encontramos.

Não estava no mainframe.

Não estava no Unix.

Não custara milhões.

Provavelmente ninguém sequer sabia oficialmente que existia.

E essa talvez seja a maior lição desta dungeon.

A história da computação empresarial não é simplesmente uma sequência na qual tecnologias novas matam tecnologias antigas.

É uma história de redistribuição de responsabilidades.

O mainframe centralizou.

O PC descentralizou.

Unix distribuiu.

Cliente-servidor separou responsabilidades.

Sistemas abertos conectaram plataformas.

Padrões reduziram barreiras.

4GLs aumentaram produtividade.

Internet conectou organizações.

Cloud abstraiu infraestrutura.

Containers abstraíram ambientes.

IA começou a abstrair parte do trabalho intelectual.

Mas cada nova abstração também criou novos riscos.

Por isso aquela frase aparentemente simples dos anos 1990 continua extraordinariamente moderna:

Tecnologia não tem concorrência. Ela existe porque tem função.

Para o programador COBOL iniciante, eu acrescentaria uma segunda:

Nunca compare tecnologias pelo nome. Compare workloads, requisitos, riscos e custos.

E uma terceira, aprendida depois de décadas entrando em war rooms:

Se alguém disser que encontrou uma solução simples para substituir um sistema de 30 anos, pergunte primeiro se ele já encontrou todas as dependências.

Yuji levantou-se.

Os slimes começaram a abandonar a dungeon.

Um deles voltou correndo.

— Puru puru!

Nova skill detectada:

SHADOW_IT_DETECTION

Yuji observou a tela.

Havia agora uma aplicação chamada:

CONTROLE_CLIENTES_IA_FINAL_V3.xlsx

Ele suspirou.

Vinte e oito anos haviam passado.

A tecnologia mudara completamente.

O problema de auditoria continuava praticamente o mesmo.

☕ Bem-vindo ao Bellacosa Mainframe.

Aqui o COBOL pode ter décadas de idade, o Unix pode morar dentro do mainframe, o servidor barato pode custar uma fortuna e o arquivo mais perigoso da empresa talvez ainda esteja escondido debaixo da mesa de alguém.

E, se o incidente começar exatamente às 03:17, procure o slime.

Ele provavelmente já encontrou o log.

sábado, 14 de maio de 2022

O Beija-flor que Entrou no Mainframe — Quando 30 Mil Quadros, Cartões Perfurados e um IBM 7094 Anteciparam a Arte Generativa

 

Bellacosa Mainframe e o beija flor de 30 mil quadros feito em cartões perfurados

☕ Um Café no Bellacosa Mainframe

O Beija-flor que Entrou no Mainframe — Quando 30 Mil Quadros, Cartões Perfurados e um IBM 7094 Anteciparam a Arte Generativa

Ou: como Charles Csuri e James Shaffer fizeram um computador desenhar, distorcer, multiplicar e apagar uma ave em 1967 — décadas antes de prompts, GPUs, Transformers, LLMs e RAGs



Prólogo — o computador recebeu um pássaro, mas ninguém lhe deu asas

Em 1967, um professor de arte chamado Charles “Chuck” Csuri aproximou-se de um computador que ocupava uma sala, custava uma fortuna e não possuía monitor gráfico como conhecemos hoje.

Não havia mouse.

Não havia Photoshop.

Não havia terminal colorido.

Não havia botão escrito Generate.

Também não existia uma simpática caixa de texto perguntando:

“Como posso ajudá-lo hoje?”

Para produzir uma imagem, era necessário escrever um programa, preparar os parâmetros, perfurar cartões, submeter o trabalho ao centro de processamento, esperar sua vez e torcer para que um erro de digitação não transformasse algumas horas de processamento em uma elegante pilha de papel inútil.

Foi nesse ambiente que Csuri e o programador James Shaffer, trabalhando na Ohio State University, criaram Hummingbird: uma das primeiras animações artísticas produzidas com auxílio de computador.

O protagonista era um beija-flor desenhado com linhas.

O antagonista era praticamente todo o resto:

  • memória limitada;

  • processamento caro;

  • ausência de monitor gráfico;

  • programação matemática;

  • entrada por cartões;

  • processamento em lote;

  • gravação em película;

  • depuração sem interatividade;

  • e mais de 30 mil imagens que precisavam cooperar para que o pássaro parecesse vivo.

Para um desenvolvedor COBOL, a cena é familiar: o artista queria poesia, mas antes precisava acertar o arquivo de entrada.



1. Antes de Hummingbird: um artista atravessa a fronteira dos departamentos

Charles Csuri não começou como cientista da computação. Era artista, professor de arte e veterano da Segunda Guerra Mundial. Já possuía carreira acadêmica e presença no circuito artístico quando começou a perceber que o computador poderia ser mais do que uma máquina de cálculos científicos e administrativos.

Na primeira metade da década de 1960, computadores ainda eram associados principalmente a:

  • cálculos militares;

  • pesquisa nuclear;

  • engenharia;

  • astronomia;

  • balística;

  • processamento estatístico;

  • folhas de pagamento;

  • censos;

  • universidades e grandes empresas.

Utilizar uma máquina dessas para produzir arte parecia quase uma apropriação indevida de recurso corporativo:

“Vocês compraram esse equipamento para calcular trajetórias e ele está desenhando um pássaro?”

Em 1966, Csuri atravessou as fronteiras internas da Ohio State University e encontrou o programador James Shaffer. O próprio arquivo dedicado à obra de Csuri informa que ele procurou colaboração em outros departamentos, começou a trabalhar com Shaffer e aprendeu FORTRAN para transformar suas ideias artísticas em operações matemáticas. Naquele ambiente não existiam dispositivos gráficos interativos; o resultado visual saía principalmente por plotters. Arquivo de Charles Csuri

Essa colaboração é importante porque desmonta um mito moderno: o de que inovação nasce sempre de um gênio isolado.

Csuri dominava forma, movimento e intenção artística. Shaffer dominava programação e a realidade operacional do computador. Hummingbird nasceu na interface entre os dois.

Era, em linguagem atual, um projeto multidisciplinar:

PapelContribuição
Charles Csuriconceito artístico, desenho, movimento e experimentação visual
James Shafferprogramação, transformação matemática e viabilização computacional
Centro de computaçãomainframe, filas de processamento, cartões e periféricos
Plotter de microfilmeconversão das coordenadas calculadas em quadros de película
Processo cinematográficoseleção, montagem e exibição das sequências

A primeira lição para o dev COBOL aparece antes mesmo do primeiro cartão:

Uma boa solução não nasce quando todos sabem a mesma coisa. Ela nasce quando conhecimentos diferentes conseguem conversar.


2. Afinal, o que era Hummingbird?

Hummingbird é uma animação experimental em preto e branco, produzida em 1967 e associada a Charles Csuri e James Shaffer.

Ela começa com o espaço vazio. Gradualmente, uma força invisível desenha um beija-flor com segmentos de linha. Em seguida, o computador transforma essa figura:

  • movimenta;

  • inclina;

  • dobra;

  • distorce;

  • fragmenta;

  • multiplica;

  • reorganiza;

  • conduz à abstração;

  • e finalmente apaga.

Não existe uma narrativa tradicional, diálogos ou personagens discutindo se as máquinas dominarão o mundo. A narrativa está no próprio comportamento da imagem.

O computador primeiro assume o papel de desenhista. Depois, o de animador. Em seguida, comporta-se como força transformadora. Por fim, converte-se em apagador.

A descrição do próprio Csuri apresenta uma ideia quase cinematográfica: o computador teria uma inteligência que desenha a ave, brinca com sua forma e, quando decide que “o tempo acabou”, elimina lentamente o pássaro e devolve a tela ao vazio. Descrição de Hummingbird por Charles Csuri

Isso não significa que o computador realmente tomasse decisões autônomas. A intenção e as regras haviam sido programadas. Entretanto, para o espectador de 1967, a ausência da mão do artista criava uma sensação inédita: havia uma força invisível produzindo e alterando o desenho.

Era uma provocação sobre autoria:

Se a linha não está sendo desenhada pela mão humana, quem está desenhando?



3. O computador não imaginou um beija-flor — ele recebeu uma geometria

Aqui é necessário retirar um pouco da fumaça da máquina.

Hummingbird não funcionava como uma IA generativa atual. Ninguém escreveu:

“Crie um beija-flor elegante, minimalista, em movimento, estilo plotter dos anos 1960.”

O sistema também não havia estudado milhões de fotografias de pássaros. Não possuía uma rede neural treinada para aprender o conceito de ave, asa, bico ou voo.

A figura original foi preparada como um desenho linear. Essa imagem foi representada computacionalmente por coordenadas e segmentos. O programa aplicava transformações matemáticas sobre essa estrutura:

  • translação;

  • rotação;

  • escalonamento;

  • distorção;

  • repetição;

  • fragmentação;

  • alteração progressiva de parâmetros.



Em termos simplificados, imagine o beija-flor como um conjunto de pontos:

Pi=(xi,yi)P_i=(x_i,y_i)

Para movimentar a figura, o programa poderia somar deslocamentos:

xi′=xi+Δxx'_i=x_i+\Delta x yi′=yi+Δyy'_i=y_i+\Delta y

Para girá-la:

x′=xcos⁡θ−ysin⁡θx'=x\cos\theta-y\sin\theta y′=xsin⁡θ+ycos⁡θy'=x\sin\theta+y\cos\theta

Para distorcer o desenho, funções como curvas senoidais podiam modificar as coordenadas de maneira progressiva. Csuri já explorava esse princípio em obras como Sine Curve Man, na qual uma figura humana era alterada por mapeamentos de curva senoidal.

O que vemos, portanto, não é uma máquina “imaginando” um beija-flor, mas um programa transformando sua representação geométrica.

Entretanto, isso não diminui a obra. Pelo contrário: mostra que a arte generativa não começou com modelos capazes de produzir imagens fotográficas. Começou quando alguém percebeu que regras matemáticas poderiam gerar variações visuais impossíveis ou extremamente trabalhosas para a mão humana.



4. O elefante na sala: foi mesmo um IBM 7094?

O IBM 7094 é frequentemente associado aos primeiros experimentos de Csuri e aparece em bases históricas como equipamento usado em trabalhos seus daquele período. Era um dos grandes computadores científicos da primeira metade da década de 1960.

Entretanto, há uma pequena divergência digna de uma investigação do Bellacosa Mainframe.

Algumas fontes históricas associam diretamente o trabalho inicial de Csuri ao IBM 7094. Já uma retrospectiva acadêmica sobre computação gráfica na Ohio State informa que seus primeiros trabalhos utilizaram o 7094, mas que, em 1967, Csuri e Shaffer também trabalhavam com o IBM System/360 da universidade. História da computação gráfica na Ohio State

O MoMA descreve detalhadamente os cartões, as 30 mil imagens e o plotter de microfilme, mas não identifica o modelo do mainframe na ficha principal da obra. MoMA — Hummingbird

A maneira historicamente responsável de contar a história é esta:

O IBM 7094 fez parte da infraestrutura dos primeiros experimentos computacionais de Csuri, mas a documentação disponível também aponta a utilização de um IBM System/360 na Ohio State em 1967. Sem o relatório técnico completo da execução de cada sequência, não convém transformar o modelo exato da CPU em certeza absoluta para todos os quadros do filme.

Esse detalhe é uma bela lição sobre tecnologia antiga: quando várias plataformas, plotters, centros de processamento e versões de programa participam de um projeto, a pergunta “em qual computador foi feito?” pode ter mais de uma resposta.

É como perguntar em qual máquina foi processada uma aplicação bancária de quarenta anos que atravessou desenvolvimento, homologação, produção, migrações e reprocessamentos.

A resposta honesta pode ser:

“Qual execução?”


5. O que era o IBM 7094?

Anunciado em 1962, o IBM 7094 pertencia à família científica IBM 700/7000. Era descendente do IBM 7090 e utilizava transistores, memória de núcleos magnéticos e palavras de 36 bits.

Uma configuração padrão possuía aproximadamente:

  • 32.768 palavras de memória;

  • 36 bits por palavra;

  • cerca de 144 KiB brutos, se fizermos uma conversão aproximada;

  • sete registradores de índice;

  • aritmética de ponto flutuante;

  • suporte a dupla precisão;

  • canais de entrada e saída;

  • processamento em lote;

  • entrada por cartões, fitas e outros periféricos.

O equipamento era enorme, caro e destinado a universidades, centros científicos, forças armadas, indústria aeroespacial e grandes organizações. O 7094 esteve ligado a ambientes como NASA, laboratórios de pesquisa e projetos de computação compartilhada.

Uma referência histórica do MIT registra que um 7094 padrão possuía 32K palavras de 36 bits e podia realizar operações na ordem de aproximadamente 0,35 MIPS, dependendo do tipo de instrução e da forma de medição. História do IBM 7094 e CTSS

O mais importante não é compará-lo diretamente a um smartphone — comparação que geralmente produz números engraçados, mas pouco conhecimento. O importante é entender sua arquitetura operacional.

Ele não era “um computador pessoal muito lento”. Era um recurso institucional compartilhado.

O desenvolvedor não se sentava diante dele para experimentar livremente. Em muitos ambientes, preparava um job, entregava os cartões, aguardava o processamento e recebia a saída posteriormente.

Em outras palavras: era um antepassado sofisticado daquele velho ritual:

EDITAR
SUBMETER
ESPERAR
CONSULTAR O OUTPUT
DESCOBRIR UM ERRO
CORRIGIR
SUBMETER NOVAMENTE

O dev COBOL reconheceu o cheiro do café antes mesmo de chegar ao fim da lista.





6. Mais de 30 mil imagens: o render farm era uma fila de batch

Csuri relatou que foram geradas mais de 30 mil imagens, distribuídas em aproximadamente 25 sequências de movimento. Depois, trechos selecionados foram usados na animação final.

O MoMA informa que cada quadro era programado com o auxílio de um cartão perfurado e que as imagens eram desenhadas diretamente em filme por um plotter de microfilme. MoMA

Isso significa que a animação não foi criada quadro a quadro por um artista empunhando lápis. O programa produzia as coordenadas de cada estágio do movimento.

Mas alguém ainda precisava definir:

  • a posição inicial;

  • o ângulo;

  • a intensidade da distorção;

  • a velocidade da transformação;

  • o número de repetições;

  • o momento da fragmentação;

  • o comportamento de cada sequência;

  • a duração;

  • e a ordem dos efeitos.

Os parâmetros de cada quadro podiam ser fornecidos em cartões. Assim, a pilha de cartões funcionava como uma espécie de timeline física.

Cada cartão dizia, em essência:

“Neste instante, use estes valores.”

O cartão seguinte dizia:

“Agora altere ligeiramente o ângulo.”

O seguinte:

“Fragmente um pouco mais.”

E assim por diante.

A obra possuía, portanto, algo parecido com um arquivo de configuração gigantesco. O programa era o motor; os cartões eram os dados de controle; o plotter era o dispositivo de saída; a película era o meio final.

Para um dev COBOL, isso pode ser expresso assim:

PROGRAMA + ARQUIVO DE PARÂMETROS + PROCESSAMENTO BATCH + SAÍDA FÍSICA

Troque o beija-flor por um extrato bancário e alguém certamente perguntará qual é a LRECL.




7. O plotter de microfilme: a impressora que virou câmera

O IBM 7094 não possuía uma GPU moderna nem uma tela gráfica capaz de mostrar a animação em tempo real.

O programa calculava as linhas. Depois, um plotter de microfilme registrava as imagens diretamente em película.

O processo, de forma simplificada, era:

flowchart TD
    A["Desenho vetorial"] --> B["Programa e parâmetros"]
    B --> C["Mainframe calcula coordenadas"]
    C --> D["Plotter de microfilme"]
    D --> E["Quadros em película"]
    E --> F["Seleção e montagem"]

Essa etapa é essencial. O computador não produzia um MP4, um GIF ou uma sequência PNG. Ele gerava instruções geométricas que um equipamento especializado convertia em imagens físicas.

A película precisava então ser tratada como cinema:

  • revelação;

  • inspeção;

  • seleção;

  • montagem;

  • projeção.

Se algo estivesse errado no programa, a falha não apareceria instantaneamente numa janela de preview. O erro poderia surgir somente depois de consumir processamento, material e trabalho laboratorial.

Essa distância entre código e resultado era um dos maiores desafios técnicos.

Hoje alteramos um prompt, clicamos novamente e reclamamos porque a imagem levou dois minutos.

Em 1967, dois minutos talvez fossem apenas o tempo necessário para localizar a caixa correta de cartões.


8. Os verdadeiros desafios técnicos

8.1 Ausência de feedback imediato

O artista não via a transformação enquanto ajustava o programa. Precisava imaginar matematicamente o resultado, submeter o job e analisar a saída.

Era desenvolvimento sem debugger visual, sem hot reload e sem preview.

8.2 Memória extremamente limitada

Toda a representação precisava caber num ambiente minúsculo pelos padrões atuais. Isso favorecia desenhos vetoriais, estruturas compactas e transformações calculadas.

8.3 Processamento compartilhado e caro

A máquina atendia vários pesquisadores. Tempo de CPU não era uma torneira aberta. A utilização artística do equipamento precisava conviver com prioridades acadêmicas e científicas.

8.4 Programação e arte falavam línguas diferentes

Uma intenção como “faça as asas parecerem vibrar” precisava ser traduzida em funções, coordenadas e variações numéricas.

O programador não podia compilar “sensação de voo”.

8.5 Controle de milhares de quadros

Uma mudança brusca de parâmetro poderia causar um salto visual. Os valores precisavam variar de maneira coerente entre quadros.

Era necessário criar o equivalente matemático do in-betweening da animação tradicional.

8.6 Saída cinematográfica

Mesmo que o cálculo estivesse correto, ainda havia riscos no plotter, no microfilme, na revelação, na seleção e na montagem.

O pipeline não terminava quando o job recebia retorno zero.

Aqui repousa uma lição eterna do mainframe:

RC=00 não significa que o negócio recebeu o resultado correto. Significa apenas que determinada etapa não declarou fracasso.


9. Quem financiou o pássaro?

Essa é uma área na qual convém evitar invenções.

As fontes institucionais consultadas confirmam a realização na Ohio State University, a colaboração com James Shaffer e o uso da infraestrutura computacional universitária. Porém, não encontrei documentação primária suficiente que identifique um patrocinador externo específico ou um orçamento exclusivo para Hummingbird.

Portanto, é mais seguro afirmar que o projeto nasceu dentro do ambiente acadêmico e utilizou recursos institucionais da universidade.

Não se deve afirmar, sem documento, que IBM, Departamento de Defesa, NASA ou determinada fundação “financiou o filme” apenas porque computadores daquela família eram usados por essas organizações.

O apoio pode ter ocorrido na forma mais valiosa e menos cinematográfica possível:

  • acesso à máquina;

  • tempo de processamento;

  • colaboração técnica;

  • laboratório;

  • plotter;

  • materiais;

  • liberdade acadêmica;

  • e tolerância institucional para uma experiência sem retorno comercial previsível.

Muitas inovações não começam com um cheque cinematográfico entregue por um executivo. Começam quando alguém com autoridade decide não interromper uma ideia estranha.


10. Lançamento, prêmio e entrada no MoMA

Hummingbird foi produzido em 1967 e recebeu reconhecimento na 4ª International Experimental Film Competition, em Bruxelas. Database of Digital Art

No ano seguinte, o MoMA organizou um programa de filmes gerados por computador associado à exposição The Machine as Seen at the End of the Mechanical Age. A programação incluiu Hummingbird ao lado de trabalhos de pioneiros como John Whitney.

Pouco depois, o museu adquiriu o filme. Ele se tornou uma das primeiras obras geradas por computador incorporadas à coleção do MoMA.

A versão registrada pelo museu é um filme em preto e branco, originalmente em 16 mm, com aproximadamente 12 minutos e classificado como silencioso. Algumas versões disponíveis na internet receberam trilha sonora posteriormente, o que explica por que muitos espectadores se lembram dele com som.

O verdadeiro impacto não foi apenas demonstrar que computadores faziam desenhos. Isso já vinha sendo experimentado.

Hummingbird mostrou que:

  • uma imagem figurativa podia ser descrita computacionalmente;

  • regras podiam produzir movimento;

  • parâmetros podiam gerar variações;

  • o computador podia participar do processo artístico;

  • uma figura reconhecível podia transitar para a abstração;

  • a repetição perfeita da máquina também podia produzir surpresa estética.


11. O easter egg do vazio

O detalhe mais interessante talvez não seja o pássaro, mas o espaço vazio antes e depois dele.

O filme começa sem imagem.

A máquina cria o beija-flor.

Depois o transforma, fragmenta e multiplica.

Finalmente o apaga.

Isso pode ser lido como uma demonstração técnica, mas também como uma metáfora:

  • o computador cria uma realidade;

  • explora as possibilidades dessa realidade;

  • produz cópias perfeitas;

  • perde a forma original em meio às transformações;

  • e elimina sua própria criação.

É difícil assistir hoje sem pensar em IA generativa, autoria, abundância de imagens e descarte digital.

Produzimos em segundos aquilo que talvez nunca seja visto novamente. A máquina cria, multiplica e o feed apaga.

O beija-flor de 1967 não tinha rede social, mas já conhecia o algoritmo.


12. Outro easter egg: o computador que cantava “Daisy”

A família IBM 7090/7094 também ocupa um lugar curioso na cultura da inteligência artificial.

Em 1961, pesquisadores da Bell Labs fizeram um IBM 7094 sintetizar a canção “Daisy Bell”. Arthur C. Clarke assistiu a uma demonstração e o episódio inspirou a cena de 2001: A Space Odyssey em que HAL 9000 canta “Daisy” enquanto suas funções cognitivas são desligadas.

Isso cria uma bela ponte cultural:

  • um computador dessa família canta;

  • outro participa dos primórdios da arte computacional;

  • HAL transforma a máquina pensante em personagem;

  • décadas depois, LLMs conversam, escrevem, resumem e produzem código.

O computador científico deixou de apenas calcular trajetórias. Ganhou voz, imagem e, na ficção, medo da morte.


13. Hummingbird era inteligência artificial?

Em sentido estrito, não era uma IA generativa comparável aos modelos atuais.

O programa não aprendia com dados, não treinava uma rede neural e não inferia uma nova imagem a partir de um prompt. As regras de transformação eram programadas explicitamente.

Mas a obra participava de uma questão central da IA:

Até que ponto uma máquina pode realizar atividades associadas à inteligência e à criatividade humanas?

O termo “inteligência artificial” havia sido formalizado pouco mais de uma década antes, na proposta do encontro de Dartmouth de 1956. O documento já mencionava linguagem, redes neurais, abstração, criatividade e formação de conceitos. Proposta de Dartmouth

Csuri transportou parte desse debate para a arte.

A máquina não sabia o que era um beija-flor. Ainda assim, executava uma sequência visual que parecia possuir intenção.

Essa diferença continua importante hoje. Um LLM pode produzir uma explicação convincente sem experimentar entendimento humano. A aparência de intenção não prova consciência.

O espectador de Hummingbird via uma máquina “brincar” com um pássaro.

Nós vemos um chatbot “refletir” sobre um problema.

Nos dois casos, o cuidado começa quando separamos a experiência percebida do mecanismo real.


14. Do cartão perfurado ao LLM

O caminho entre Hummingbird e os LLMs não foi uma linha reta. Houve avanços, fracassos, invernos de IA, novas arquiteturas e explosões de capacidade computacional.

Uma versão resumida dessa viagem seria:

1956 — A IA recebe um nome

O encontro de Dartmouth ajuda a estabelecer inteligência artificial como campo de pesquisa.

Décadas de 1950 e 1960 — IA simbólica

Pesquisadores constroem programas baseados em regras, busca, lógica e manipulação de símbolos.

1957–1969 — Perceptrons e primeiras redes

A ideia de unidades artificiais capazes de ajustar pesos ganha forma, mas o hardware e as técnicas ainda são limitados.

Décadas de 1970 e 1980 — Sistemas especialistas

Conhecimento humano é transformado em regras:

SE condição
ENTÃO ação

Era inteligência empacotada por especialistas, muito parecida com um gigantesco conjunto de regras de negócio.

Décadas de 1980 e 1990 — Redes neurais retornam

Técnicas de retropropagação tornam mais viável treinar redes multicamadas.

Décadas de 1990 e 2000 — Dados e estatística

Reconhecimento de fala, classificação, busca e modelos probabilísticos avançam à medida que mais dados se tornam digitais.

Anos 2010 — Deep learning, GPUs e escala

Redes profundas, grandes bases de dados e processamento paralelo permitem avanços em visão, fala e linguagem.

2017 — O Transformer

O artigo Attention Is All You Need apresenta a arquitetura Transformer, baseada em mecanismos de atenção e altamente paralelizável. Essa arquitetura se tornaria a fundação dos grandes modelos de linguagem modernos. Artigo original

LLMs — linguagem como previsão

Um LLM aprende padrões estatísticos em enormes volumes de texto e gera tokens prováveis conforme o contexto.

Simplificando brutalmente:

HUMMINGBIRD:
coordenadas + regras + parâmetros → quadros

LLM:
tokens + pesos aprendidos + contexto → próximo token

Um executa transformações explicitamente programadas.

O outro aprende uma função gigantesca a partir de dados.


15. Do LLM ao RAG: quando o modelo consulta o arquivo antes de responder

Um LLM guarda muito conhecimento implicitamente em seus parâmetros. Essa memória é chamada de paramétrica.

Mas há problemas:

  • o conhecimento pode estar desatualizado;

  • a origem da informação pode ser difícil de determinar;

  • o modelo pode misturar fatos;

  • documentos privados não fizeram parte do treinamento;

  • atualizar o modelo inteiro é caro;

  • respostas convincentes podem estar erradas.

Em 2020, o trabalho Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks formalizou uma arquitetura que combina memória paramétrica com uma memória externa pesquisável. Artigo original sobre RAG

Num RAG típico:

  1. o usuário faz uma pergunta;

  2. o sistema transforma a pergunta em representação pesquisável;

  3. procura trechos relevantes numa base documental;

  4. entrega os trechos ao LLM;

  5. o modelo produz a resposta usando aquele contexto.

flowchart TD
    A["Pergunta"] --> B["Busca"]
    B --> C["Documentos relevantes"]
    C --> D["Contexto para o LLM"]
    D --> E["Resposta fundamentada"]

Para o programador COBOL, RAG não é magia. É quase uma combinação sofisticada de:

  • indexação;

  • recuperação de informação;

  • contexto;

  • geração textual;

  • controle de acesso;

  • rastreabilidade.

Imagine um assistente que consulta:

  • copybooks;

  • fontes COBOL;

  • JCLs;

  • manuais;

  • incidentes;

  • mudanças;

  • documentação do Db2;

  • normas internas;

  • registros do ServiceNow.

Ele não precisa “memorizar” tudo durante o treinamento. Pode recuperar o trecho correto no momento da pergunta.

É como impedir que o analista responda de memória e obrigá-lo a abrir a documentação antes da reunião.


16. IBM 7094 versus IA generativa atual

AspectoHummingbird e mainframeIA generativa atual
Entradacartões e parâmetros numéricosprompts, imagens, áudio e documentos
Conhecimentoregras escritas no programapadrões aprendidos durante treinamento
Memóriadezenas de milhares de palavras de 36 bitsbilhões de parâmetros distribuídos em aceleradores
ProcessamentoCPU central e batchGPUs, TPUs e clusters paralelos
Saídalinhas registradas em microfilmetexto, imagem, áudio, vídeo e código
Interaçãoindireta e demoradaconversacional e quase imediata
Autonomia aparentebaixa e determinada por regraselevada, mas ainda condicionada por modelo e contexto
Atualizaçãoalterar programa e cartõesnovo contexto, RAG, ajuste fino ou retreinamento
Falhaserro de programa ou parâmetroalucinação, viés, contexto inadequado e erro probabilístico
Auditoriaprograma e cartões relativamente determinísticosmodelos complexos e respostas não totalmente determinísticas

Há, contudo, uma semelhança profunda:

Em ambos os casos, o resultado depende da representação fornecida à máquina.

Em 1967, coordenadas ruins produziam um pássaro ruim.

Hoje, dados ruins, contexto ruim e prompts ruins produzem respostas ruins — só que com uma gramática muito mais convincente.


17. O que um dev COBOL do século XXI pode aprender?

17.1 A interface muda; o pipeline permanece

Cartão perfurado, arquivo sequencial, JSON ou embedding são formas diferentes de fornecer dados e controle a um processamento.

O dev que entende entrada, transformação, estado e saída não ficou obsoleto. Apenas precisa aprender novas interfaces.

17.2 Batch não morreu

Treinamento de modelos, geração em massa de embeddings, indexação documental e avaliação de modelos são workloads de batch.

A nuvem não aboliu o batch. Apenas lhe deu YAML, APIs e uma fatura variável.

17.3 Dados e parâmetros são parte do programa

Em Hummingbird, os cartões controlavam os quadros. Em sistemas modernos, configuração, contexto, prompts e dados de recuperação controlam o comportamento do modelo.

O código sozinho não explica a solução.

17.4 Interdisciplinaridade é força, não decoração

Csuri precisava de Shaffer. Shaffer precisava da visão artística de Csuri.

Hoje, uma solução responsável de IA pode exigir:

  • especialista de negócio;

  • desenvolvedor;

  • arquiteto;

  • cientista de dados;

  • segurança;

  • jurídico;

  • operação;

  • UX;

  • governança.

Entregar tudo ao “especialista em prompt” é como entregar o CPD ao sujeito que aprendeu ontem a executar SUB.

17.5 Limitação pode produzir elegância

Com pouca memória e sem tela interativa, a equipe criou uma obra preservada por um dos maiores museus do mundo.

Recursos abundantes não garantem relevância. Às vezes produzem apenas mais imagens que ninguém verá.

17.6 Documentação é memória não paramétrica

O dev COBOL trabalha há décadas com uma forma artesanal de RAG:

  1. recebe o incidente;

  2. pesquisa o código;

  3. abre a copybook;

  4. consulta o manual;

  5. verifica o JCL;

  6. lê o dump;

  7. combina as evidências;

  8. formula a resposta.

A diferença é que o veterano faz a recuperação mentalmente e sabe quais documentos não devem ser confiados ao estagiário.

17.7 O ser humano continua responsável

O computador de Csuri podia apagar o beija-flor porque alguém programou essa possibilidade.

Um agente moderno pode excluir um arquivo, abrir uma mudança ou executar uma transação somente se recebeu ferramentas e permissões.

A máquina não “escapou”. Alguém concedeu RACF SPECIAL ao passarinho.


18. A grande diferença: de regras explícitas para padrões aprendidos

O salto mais importante entre 1967 e os LLMs não é apenas velocidade.

É a mudança de paradigma.

Em Hummingbird, o comportamento estava explicitamente descrito:

APLIQUE ESTA TRANSFORMAÇÃO
USE ESTE ÂNGULO
DESLOQUE ESTES PONTOS
REPITA A FIGURA
APAGUE PROGRESSIVAMENTE

Num LLM, ninguém escreve todas as regras necessárias para responder milhões de perguntas. O modelo ajusta bilhões de pesos durante o treinamento e aprende regularidades estatísticas.

Isso dá flexibilidade extraordinária, mas reduz a previsibilidade.

Um programa determinístico tende a repetir o mesmo resultado quando recebe os mesmos dados e condições.

Um modelo generativo pode variar. Pode produzir uma solução brilhante, uma resposta mediana ou uma invenção muito segura de si.

O mainframe ensinou:

Confie no processamento, mas reconcilie a saída.

A IA generativa acrescenta:

E verifique também se a saída não inventou o arquivo de entrada.


Epílogo — o pássaro ainda está voando

Hummingbird não é importante porque foi a primeira imagem de um pássaro feita por computador, nem porque antecipou literalmente o ChatGPT.

Sua importância está em mostrar uma mudança de relação.

Antes, o computador era visto como calculadora industrial.

Csuri e Shaffer perguntaram:

“E se ele também pudesse participar da criação?”

O IBM 7094 — ou a infraestrutura de mainframes que cercava esses experimentos na Ohio State — não compreendia arte. Não conhecia pássaros. Não sentia admiração pelo voo. Mesmo assim, permitiu que regras, coordenadas e tempo produzissem uma experiência estética.

Sessenta anos depois, os computadores escrevem, desenham, conversam e consultam bibliotecas documentais por meio de RAG. A pilha de cartões tornou-se prompt. O plotter virou modelo de imagem. A fila de batch virou cluster de GPUs. O manual guardado no armário virou base vetorial.

Mas a pergunta central permanece:

O que exatamente entregamos à máquina, que liberdade concedemos e quem responde pelo resultado?

O maior ensinamento de Hummingbird para um dev COBOL não é que o velho mainframe já fazia “IA”.

É algo mais valioso:

Toda revolução tecnológica começa parecendo uma utilização estranha da infraestrutura existente.

Um artista viu uma máquina científica e enxergou movimento.

Um programador viu um conjunto de coordenadas e enxergou asas.

O computador viu apenas números.

E, ainda assim, o beija-flor voou.



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...