Ninguém na Nvidia parou de programar. A engenharia subiu de camada

harness de engenhariaagentes de IAgovernança

Semana passada saiu mais uma daquelas frases de palco que viram manchete sozinha. Jensen Huang, da Nvidia, contou que cada um dos engenheiros de software dele prefere construir agentes de IA a escrever código em Python. A leitura fácil é a de sempre: acabou a programação, os agentes assumiram, restou apertar botão.

Eu leio ao contrário. E não é otimismo de quem quer ver o copo cheio. É que, quando você olha o que o próprio Huang descreve como o novo trabalho, percebe que ninguém parou de fazer engenharia. A engenharia só subiu de camada.

A manchete esconde uma descrição de cargo

Vale reparar no que Huang diz que o time passou a fazer no lugar de digitar código. Criar benchmarks. Desenhar guardrails, os limites de segurança do agente. Cuidar da arquitetura. Supervisionar e ajustar sistemas que agem sozinhos. Ele foi explícito ao rejeitar a ideia de que a IA só troca gente por máquina, e disse que ela cria papéis novos.

Repara que essa lista não é o oposto de engenharia. É engenharia mais difícil. Escrever um benchmark honesto exige saber o que "certo" significa naquele domínio. Desenhar um guardrail exige antecipar como a coisa quebra. Definir arquitetura sempre foi a parte que separa quem entrega de quem só codifica. O que saiu de cena foi a digitação linha a linha. O que entrou foi tudo aquilo que decide se o agente pode ser solto ou não.

Ou seja, o "trabalho mundano" foi pro agente, como ele mesmo falou. Mas o trabalho que sobrou não é menos. É o mais caro de todos, o de julgamento.

Isso agora tem nome e tem níveis

O que me chamou atenção não foi só a fala do Huang. Foi ela cair na mesma semana em que eu estava lendo um paper que dá nome e método pra exatamente esse trabalho que sobra.

Hailin Zhong e Shengxin Zhu publicaram no arXiv um estudo chamando isso de engenharia de harness. A tese central é curta e certeira: a capacidade de um agente fazer trabalho de software de ponta a ponta não vem do modelo sozinho, vem do sistema inteiro, modelo mais o substrato de runtime que envolve ele mais o ambiente. Eu já tinha escrito por aqui que agente é modelo mais harness. O que esse paper acrescenta é rigor.

Eles propõem uma escada de quatro degraus, de H0 a H3, que vai expondo mais suporte de runtime ao agente conforme sobe. No degrau de baixo, o agente recebe só a tarefa e o repositório e se vira. Nos de cima, ele ganha registro de ferramentas, memória do projeto, rastreio de estado, verificação determinística, atribuição de falha. E o achado prático é o que interessa a quem decide: a qualidade da evidência que o agente produz varia de forma sistemática com o degrau do harness. No degrau de baixo, ele te entrega um patch e um "confia". No degrau de cima, ele te entrega o patch mais os testes, o log da reprodução, o relatório ligado ao requisito. Mesmo modelo. Harness diferente. Confiança diferente.

Isso mata de vez a ideia de que dar autonomia é escolher um modelo melhor. Dar autonomia é construir os degraus. E construir degrau é engenharia, não prompt.

A intervenção humana virou um mapa

Agora a parte que me fez parar e reler. O paper cria uma métrica com um nome comprido e uma ideia simples, a taxa de intervenção humana por harness ausente. A sigla em inglês é M-HIR. A sacada é tratar cada vez que um humano precisa entrar no circuito não como fracasso do agente, mas como sinal de que falta uma peça de harness ali.

Pensa no que isso muda. A pergunta de sempre é "quantos engenheiros a IA vai substituir". Essa métrica vira a pergunta do avesso. Ela pergunta "onde o agente ainda te chama". E cada ponto onde ele te chama não é prova de que o humano é dispensável nem de que o humano é insubstituível. É um item de lista de tarefa. É a engenharia te mostrando, com o dedo, onde ainda falta construir trilho e sensor.

Quando o Huang diz que o time trocou código por agentes, é isso que aconteceu na prática, mesmo que ele não use essa palavra. Os engenheiros dele foram empurrados pra cima da escada. Cada intervenção que eles ainda fazem à mão é um pedaço de harness que ainda não existe. O trabalho deles agora é fechar essas lacunas uma a uma, não sumir.

O que eu tiraria disso se estivesse decidindo

Se você lidera ou paga por um time de engenharia, a manchete da Nvidia é um convite a decidir errado. Ela sugere cortar quem programa porque o agente programa. O que os dados do paper e a própria fala do Huang sugerem é o contrário. Você não corta a engenharia, você a realoca pra construir o substrato.

Isso conversa direto com duas coisas que eu repito. Com o 70/30 do V-Bounce, se o valor migrou pra intenção e pra validação, o harness é a engenharia que materializa esses dois braços, e a escada H0 a H3 é literalmente o quanto de validação você embutiu. E com as camadas de autonomia, quanto mais crítico o que o agente toca, mais alto na escada ele precisa estar antes de eu soltar. Autonomia alta em coisa crítica sem harness alto não é coragem, é aposta.

A métrica que eu passaria a olhar não é quantas vagas a IA fechou. É onde meu agente ainda me chama, e se essa lista está encolhendo porque a gente está construindo, ou porque a gente parou de reparar. A barreira técnica caiu, eu sei. Mas cair a barreira só mudou de lugar quem precisa de critério. Antes o critério estava no código. Agora ele está no que envolve o agente. Continua sendo trabalho de gente que entende de engenharia. Só que uma camada acima.

Ninguém na Nvidia parou de programar. A engenharia subiu de camada

A manchete esconde uma descrição de cargo

Isso agora tem nome e tem níveis

A intervenção humana virou um mapa

O que eu tiraria disso se estivesse decidindo

Referências