Chat GPT - AguiarDev Talks #41

O ChatGPT tinha acabado de virar assunto obrigatório em qualquer roda de desenvolvedores, e este episódio nasceu do impulso de organizar essa conversa: o que a ferramenta realmente faz, onde ela ajuda de verdade e onde o cuidado precisa continuar humano. Com a participação de Yuri Marcel, o papo passeia do ceticismo inicial ao uso diário — em código, em texto, e bem fora da área de tecnologia.

O que foi discutido

• Primeiras impressões — de "não vai passar de gerar códigos bestas" para reconhecer respostas surpreendentemente elaboradas.
• Limitações da base de conhecimento — respostas presas a uma data de corte (setembro de 2021), sem consulta à internet em tempo real.
• ChatGPT como camada sobre a busca tradicional — resposta conversacional e direcionada no lugar de vasculhar páginas do Google.
• Casos de uso fora da programação — descrição de imóveis para corretores, roteiro de viagem, estatísticas de baseball.
• Confiabilidade e verificação — respostas erradas com convicção (o caso do "Palmeiras tem mundial") e a necessidade de checar fonte.
• Dependência de estudantes e iniciantes — o risco de tratar a resposta como definitiva sem ter repertório para validar.
• Atrofia técnica — preocupação de que tarefas ficando "fáceis demais" resultem em profissionais mais rasos tecnicamente.
• Planos pagos e evolução do modelo — diferença de qualidade entre as versões gratuita e paga, e a expectativa em torno de atualizações futuras.

Sobre Yuri Marcel

Yuri Marcel atua na área de qualidade de software e chegou ao ChatGPT com desconfiança declarada — descreveu-se como alguém "sempre pessimista" em relação a tecnologias badaladas, citando o metaverso como exemplo de hype que não vingou. O contato direto com a ferramenta mudou sua avaliação: passou a usá-la tanto no trabalho (refatoração de código, estudo de bibliotecas novas) quanto em contextos pessoais, e trouxe ao episódio a perspectiva de quem testou os limites da ferramenta antes de confiar nela.

Principais pontos

O ChatGPT venceu pela experiência conversacional, não só pela resposta

Para Peixoto, o diferencial da ferramenta não é apenas "dar a resposta certa" — é simular uma conversa humana, permitir ajustes em linguagem natural ("quero que você refaça isso sem usar esse pacote") e refinar o resultado em rodadas sucessivas, sem exigir que o usuário aprenda uma sintaxe nova como SQL. Essa camada de interação fez a ferramenta parecer mais próxima e mais fácil de usar do que uma busca tradicional, mesmo entregando, em essência, informação que já existia dispersa na internet.

"Você faz uma pergunta como se eu estivesse falando com um ser humano." por Rafael Peixoto

A base de conhecimento tem prazo de validade

Yuri notou logo nas primeiras tentativas que perguntas sobre lançamentos recentes (como o .NET 7) esbarravam num limite: o modelo respondia que, até a data de corte de seu treinamento, aquele recurso ainda não existia. Esse detalhe técnico — desconhecido de muita gente que começa a usar a ferramenta — explica por que respostas sobre tecnologia muito nova podem vir incompletas ou defasadas, e reforça que o ChatGPT reflete um retrato congelado do conhecimento, não uma fonte viva.

"Comecei a pedir informações mais novas [...] aí ele respondia assim: até a data tal que eu tenho no meu banco de dados, esse recurso ainda é inexistente." por Yuri Marcel

Verificar a fonte continua sendo trabalho do usuário

Um dos pontos mais repetidos na conversa foi o de que o ChatGPT erra com a mesma convicção com que acerta. Yuri relatou ter pedido a fonte de uma informação técnica e recebido uma resposta vaga, sem citação confiável, e citou o episódio em que perguntou sobre um resultado esportivo e recebeu uma afirmação incorreta apresentada como fato. A conclusão do grupo é que a ferramenta reduz o esforço de busca, mas não elimina a responsabilidade de checar o que foi respondido antes de usá-lo como verdade.

"Ele acerta muito, é legal, mas tem que ter realmente esse cuidado." por Yuri Marcel

O uso vai muito além da área técnica

Yuri trouxe exemplos concretos de uso fora do desenvolvimento: corretores de imóveis usando a ferramenta para gerar descrições de anúncios a partir de dados brutos (metragem, número de quartos), montagem de roteiro de viagem dia a dia, e até explicações de estatísticas de baseball para quem está aprendendo o esporte. Para ele, isso mostra que o alcance da tecnologia não se limita a programadores — é uma ferramenta de produtividade para qualquer tarefa que envolva organizar e apresentar informação.

"Ele foi inteligente o suficiente para criar um roteiro que faça sentido para mim." por Yuri Marcel

O risco não é a ferramenta, é a dependência sem repertório

A parte mais tensa da conversa foi sobre estudantes e quem está começando: sem experiência prévia para validar o que a ferramenta devolve, existe o risco de aceitar respostas erradas como definitivas — um "Google Acadêmico turbinado" sem o filtro crítico necessário. Peixoto reforçou que o problema de usar informação sem verificar fonte já existia antes do ChatGPT (cópia de trabalhos acadêmicos, por exemplo), mas a fluência da resposta gerada pode mascarar erros de um jeito que uma busca tradicional não mascarava.

"Não depende só da fonte de dados que você tem, depende da pessoa que está recebendo aquela [informação]. Ela tem que saber tratar aquilo da melhor forma." por Yuri Marcel

Frase de destaque

"Se for uma pessoa, é a pessoa mais inteligente que eu conheço, véi." por Yuri Marcel

Lições do episódio

1. Trate respostas do ChatGPT como ponto de partida, não como veredito — sempre valide contra uma fonte independente antes de aplicar em produção ou em trabalho acadêmico.
2. Lembre que o modelo carrega uma data de corte de conhecimento — para tecnologia recente, a resposta pode simplesmente não existir na base dele.
3. O maior ganho não é a resposta pronta, é a iteração: refinar a pergunta em linguagem natural até chegar numa solução que faça sentido para o seu contexto.
4. Use a ferramenta para acelerar tarefas repetitivas do dia a dia, mas não deixe de desenvolver o próprio repertório técnico — a dependência sem base própria é o risco real, não a ferramenta em si.