Como Karpathy ficou para trás (e por que você também) 🫠

Recentemente, Andrej Karpathy palestrou no Sequoia Ascent 2026 e admitiu que nunca se sentiu tão ultrapassado como programador.

A maioria ainda percebe os LLMs apenas como um autocomplete avançado. Um acelerador para escrever o bom e velho Software 1.0. Mas a essência da mudança atual não é escrever código clássico mais rápido. A essência é que enormes camadas de código simplesmente não deveriam mais existir.

Aqui estão três teses de sua palestra e do post subsequente:

1️⃣ Código por código está morto
Eficiência não é "escrever um aplicativo mais rápido". É não escrevê-lo. O modelo atua como um interpretador de linguagem natural: ele mesmo avalia seu ambiente, executa comandos e depura erros.
E o que era fundamentalmente impossível de resolver com algoritmos clássicos (cálculos sobre dados não estruturados de artigos/PDFs/logs) agora é resolvido arquiteturalmente em alguns cliques.

2️⃣ Esquizofrenia das redes neurais
O modelo pode refatorar perfeitamente um legado de 100.000 linhas e, no próximo prompt, recomendar seriamente que você vá a pé ao lava-rápido para lavar o carro.

Por quê? Economia.
Os laboratórios investem milhões em RLHF onde há verificabilidade clara do resultado (matemática, código) e um mercado compreensível. Lá a rede neural anda nos trilhos. Um passo para o lado — e o modelo abre caminho com um facão pela selva, alucinando a cada passo. Se você não entende esse limite e onde está, o LLM matará seu produto.

3️⃣ Arquitetura nativa de agentes
Os produtos finalmente se dividem em sensores, atuadores e lógica (LLM). Estamos caminhando para que as redes neurais controlem o fluxo principal de computação, e a CPU clássica se torne apenas um coprocessador para tarefas determinísticas.

Em suma, "Engenharia de Agentes" já é uma habilidade essencial. Se você não sabe tornar a informação o mais legível possível para LLMs e orquestrar agentes — suas habilidades estão ficando obsoletas agora mesmo.