Transcript 0:00 WeThePeople In Tech or Not? O debate. Bem-vindo ao WeThePeople In Tech or Not? O debate. 0:08 Este é um podcast gerado por inteligência artificial, baseado em um post da newsletter WeThePeople In Tech or Not?, de Alex Rosa, e que o objetivo é ajudar os ouvintes a aprender novas formas de explicar temas técnicos, do nível de quem é iniciante e não trabalha com tecnologia, até o nível de especialista. 0:24 Então, imagina tentar construir do zero um data center inteiro. Sabe? Uhum. 0:29 Um sistema desenhado especificamente pra resistir a desastres globais, com múltiplos bancos de dados espelhados em regiões totalmente diferentes do planeta. 0:37 Há poucos anos, isso exigiria uma equipe sênior de engenharia e dias, talvez semanas de trabalho exaustivo revisando cada linhazinha de configuração. Com certeza, semanas no mínimo. 0:49 Pois é, mas e se eu te disser que hoje uma inteligência artificial, o Cloud Code, fez o trabalho prático de construir essa arquitetura complexa? 0:56 Tipo, subir seis réplicas do SQL Server em duas regiões do Azure em apenas algumas horas. É uma redução de tempo assustadora, né? Assustadora e fascinante. E é isso que define o nosso tópico hoje. 1:07 A tecnologia de IA democratiza a criação de infraestruturas complexas pra qualquer pessoa ou ela cria uma falsa sensação de segurança que pode levar a falhas catastróficas se o usuário não for um especialista? 1:19 É, e a minha posição aqui é bem clara. Eu argumento que a velocidade da IA esconde riscos silenciosos enormes. 1:26 Sistemas que simplesmente passam nos testes automatizados podem, na verdade, estar fundamentalmente quebrados, exigindo do usuário um alto nível de especialização técnica pra evitar verdadeiros desastres. 1:38 Bom, eu já defendo que a IA atua como um acelerador e um revisor incansável, sabe? Ela é capaz de multiplicar a produtividade humana de uma forma absurda quando guiada pela experiência. 1:48 Tá, multiplicar a produtividade é legal, mas vamo olhar pros detalhes. Vamo lá. 1:53 Focando na perspectiva da eficiência, o autor reduziu o tempo de dias pra horas, trabalhando apenas ali de quatro a cinco dias, e isso paralelamente ao trabalho normal dele. Sim, o ganho de velocidade bruto é inegável. 2:06 E não é só velocidade burra. O exemplo prático logo do início do projeto me marcou muito. Ao pedir pra IA revisar os scripts de automação antigos, ela identificou e corrigiu falhas sozinha. 2:17 Scripts que não funcionavam juntos, nomes sobrepostos que iam sobrescrever registros. Mas corrigir script antigo é o básico de refatoração, né? Ah, mas teve o problema crítico das senhas. 2:29 O script gerava senhas dinâmicas, mas não salvava o estado delas. Ou seja, a cada nova execução, ela apagaria os dados do cliente pra gerar uma nova senha. A IA viu isso. 2:39 Ela é um parceiro que lê milhares de linhas de código sem se cansar, elevando muito o patamar do que uma pessoa sozinha consegue construir. 2:46 Olha, eu concordo plenamente com você que pegar um erro de senha efêmera, que causaria perda total de dados, é uma vitória. 2:53 Ninguém, absolutamente ninguém quer ser o engenheiro que apagou o banco de dados de produção da empresa sem querer. Nossa, seria o fim da carreira. Exato. 3:01 Mas me coloque na cadeira de um líder de negócios agora, de um gestor que precisa decidir se libera essa ferramenta pra equipe toda. O fato de a IA encontrar esse erro pontual não me tranquiliza de forma alguma. Né? 3:14 Por que não? Porque essa velocidade incrível, sem experiência, permite que a gente cometa erros gigantescos, só que muito mais rápido. 3:22 A IA entende código perfeitamente, ela sabe a sintaxe, mas ela não tem a menor ideia do que é um sistema em produção real. Pera aí, como assim não entende um sistema em produção? 3:32 Ela aplicou o conceito de infraestrutura como código perfeitamente. 3:36 E, bom, pros nossos ouvintes entenderem, infraestrutura como código é-- hum, imagina que em vez de construir uma casa empilhando tijolos manualmente, correndo risco da parede ficar torta, você escreve uma receita exata. 3:50 E um robô constrói. Isso, um robô lê a receita e constrói perfeitamente todas as vezes. E a IA, escrevendo essa receita, questionou inteligentemente recursos que não eram necessários. Você fala do Azure Bastion? 4:03 Sim, o Bastion é tipo um corredor de segurança blindado, sabe? Um porteiro pra você acessar os servidores sem expor eles à internet pública. 4:11 A IA olhou o código, viu que o Bastion não estava sendo usado na nova arquitetura e removeu. Isso economizou 400 dólares por mês na hora. Tá, beleza, eu aceito a economia. 4:22 400 dólares a menos na fatura é ótimo, mas e o risco gigantesco que ela deixou passar? Ah, cê vai falar do disco. Claro que vou. O infame incidente do disco. 4:34 A IA economizou no porteiro, mas ela instalou a mansão inteira dentro de um armário de vassouras. É, essa parte foi, ai, foi tensa. Tensa é apelido. 4:44 Ela configurou o sistema inteiro num disco principal de míseros 10 gigabytes, sendo que só o sistema Linux já ocupava 86% desse espaço. Sim, sobrou quase nada. E por quê? 4:56 Porque ela esqueceu de montar o disco de dados correto, que tinha 256 gigabytes. Tudo por causa de uma mudança de nome no Linux. E o pior, ela não avisou. 5:06 Um gestor sem tempo ou um iniciante maravilhado com a IA jamais veria esse problema antes do sistema colapsar. 5:13 Eu entendo, foi um erro de nomenclatura legado que a IA não previu, mas é justamente pra isso que a gente faz testes de falha, né? A ilusão não se sustenta quando você bota pressão. 5:22 E quando os testes vieram, a fundação que a IA criou provou seu valor. Ah, cê tá falando do primeiro teste, o Drill One. Exatamente. Os resultados do Drill One foram fantásticos. 5:33 A IA ajudou a simular a queda de uma região inteira da nuvem. O autor simulou que a região leste dos Estados Unidos simplesmente sumiu do mapa. Um apagão total. Isso, um apagão. E o que o sistema fez? 5:45 Ele recuperou as operações inteiras na região secundária, no oeste dos Estados Unidos, em apenas 170,4 segundos. Esse é o nosso RTO, o tempo de recuperação. Menos de três minutos, é bem impressionante. É. 5:58 E não só isso, o RPO, que é a perda de dados, foi igual a zero. Não perderam absolutamente nenhuma transação no teste. Isso mostra que a lógica principal não é uma ilusão. 6:08 Tá, o Drill 1 foi um sucesso, eu não vou negar, mas ligar o servidor do outro lado do país é o mínimo que a gente espera de um sistema de alta disponibilidade. Eu quero mudar o foco pro segundo teste de falha, o Drill 2. 6:21 Onde as coisas ficaram complicadas. Muito complicadas, porque o Drill 2 introduziu o conceito de atraso de replicação ou replication lag. 6:30 E gente, pra simplificar isso, pensa no replication lag como assistir a um jogo ao vivo pela internet enquanto seu vizinho tá vendo na TV normal. É, a sua imagem sempre chega com um atraso, né? Exatamente. 6:41 O vizinho grita "gol" e você fica lá olhando pra tela uns 10 segundos antes de ver a bola entrar. 6:46 No banco de dados, sob forte carga, quando o servidor secundário cai, esse atraso deve obrigatoriamente subir, porque a fila de dados acumula. Sim, a matemática da fila fica sobrecarregada. 6:58 Só que o painel maravilhoso que a IA construiu mostrava o atraso quase em zero o tempo todo. Tava tudo verde, tudo lindo. É que a IA usou um cálculo genérico que arredondava os milissegundos pra segundos inteiros, sabe? 7:10 Uma matemática inútil. Ela media a cada 50 segundos e arredondava pra baixo. Ela escondeu 1,2 gigabytes de dados acumulados. 7:19 E o meu contra-argumento mais forte é esse: se a IA disse que não deu erro, como é que eu vou confiar nela sem ter que auditar toda a matemática linha por linha? 7:28 Mas é aí que você tá olhando pra ferramenta do jeito errado. Cê tá tratando a IA como um sistema fechado, e a verdadeira mágica é a estrutura pra colaboração. Não foi só um prompt e uma resposta. Como assim? 7:40 Foi iterativo. A colaboração brilhou nos detalhes. Quando eles foram fazer o painel de controle, o dashboard, a IA sugeriu criar um modo de replay acelerado em cinco vezes. 7:50 Isso permitiu pegar o log do desastre e apresentar pra diretoria de forma clara e visual. Ééé um recurso de apresentação bem legal, admito. Sim, e o mais importante, a experiência humana unida à força braçal da IA. 8:03 O autor, pela experiência dele, decidiu adicionar um terceiro grupo de disponibilidade totalmente assíncrono em outra região. Uma garantia a mais. Exato, é como se fossem steps extras pro carro no meio da viagem. 8:15 A IA provisionou os steps em minutos. É esse o modelo ideal pra quem isso serve de verdade. Olha, eu concordo com essa estrutura de colaboração, mas o caso do autor no Drill 2 me dá calafrios. 8:29 Lembra que a gente falou do armário de vassouras de 10 gigabytes? Sim, o problema do disco. Então, o autor descobriu que, silenciosamente, o log de transações quase derrubou tudo. 8:40 E pra quem não tá familiarizado, o log de transações é como um caderno de rascunhos onde o banco de dados anota tudo antes de salvar definitivamente. Uma medida de segurança pra não corromper dados se a energia cair. 8:52 Isso. E nesse teste, o caderno de rascunhos cresceu absurdamente. Ele foi de 456 megabytes pra 1,4 gigabytes. Como o disco era minúsculo, o desempenho do banco caiu mais da metade. 9:06 Tudo silenciosamente, enquanto o painel da IA sorria verde pra ele. É, o painel não pegou a lentidão do disco. Pois é. A minha conclusão aqui é que a IA, hoje, não substitui o especialista. 9:19 Ela apenas amplifica o usuário. Se o usuário for um iniciante, o risco de um colapso em produção é altíssimo. Nas próprias palavras do autor: "Você precisa saber como o normal se parece pra notar o anormal". 9:33 Essa frase do autor resume muito bem. Sintetizando as nossas posições, eu acho que a gente concorda que a velocidade e o grau de detalhamento da IA ao revisar as configurações são revolucionários, certo? Sim, sem dúvida. 9:45 Ela sugere opções que a gente não pensaria tão rápido, evita conflitos de redes IP complexos, cria regras de firewall em segundos. Nisso ela é imbatível. 9:53 E eu também reconheço que nós achamos um terreno comum importante aqui. A resposta da IA, por mais bonita que seja, deve ser tratada sempre como um rascunho. Apenas um ponto de partida superavançado. 10:05 Exatamente, porque testes bem-sucedidos não significam necessariamente que a lógica tá correta pra vida real e sob estresse contínuo. Com certeza. Então, o que a gente tira disso pra situação do ouvinte? 10:17 O uso dessa tecnologia depende muito de quem tá pilotando. Pra especialistas, engenheiros experientes, ela é um exoesqueleto de produtividade gigantesco. 10:26 Mas pra líderes, gestores ou desenvolvedores iniciantes, ela é uma excelente ferramenta de prototipagem rápida. Só que exige uma revisão profunda de um humano sênior antes de ir pro ar. 10:37 E o próximo passo prático pra quem tá escutando e quer implementar amanhã. Siga a regra número três do autor religiosamente. Sempre peça à IA pra explicar como ela fez um cálculo ou uma configuração. 10:49 Se você não checar, vai acabar com uma matemática cega, como foi o caso do atraso de replicação. É, manda ela explicar a lógica passo a passo. Isso. 10:59 E claro, sempre teste as infraestruturas geradas em um ambiente de laboratório que não afete a produção da sua empresa. 11:05 E lembrem-se: servidores custam dinheiro enquanto estão ligados, então desliguem a nuvem quando acabarem os testes. Uma excelente dica pra salvar o orçamento. 11:15 Bom, nós encorajamos fortemente que todos vocês leiam o post completo e gratuito no site intechornot.com. Lembrem-se, o artigo lá no site tá escrito em inglês. Confiram lá: intechornot.com. É uma aula. 11:28 Com certeza, procurem pela newsletter We the People in Tech or Not, ou simplesmente We the People. Nós agradecemos demais a companhia de vocês durante essa análise técnica profunda e até a próxima.
