Casos reais de uso no meu dia a dia como criador de conteúdo e desenvolvedor
Desde o final de 2022, com o lançamento da versão 3 do ChatGPT pela OpenAI, a Inteligência Artificial (IA) generativa entrou de vez em nossas vidas — e tudo indica que veio para ficar.
A cada dia que passa, novos usos são descobertos para essa tecnologia. Alguns são mais experimentais, outros extremamente práticos.
Neste blog post, pretendo compartilhar três usos concretos que tenho feito da IA generativa no meu dia a dia, além das ferramentas que utilizo em cada um desses cenários.
O foco aqui não é hype, mas aplicabilidade real.
Resumo de textos longos em formato de áudio
Ferramenta: NotebookLM
Um dos meus maiores desafios sempre foi acompanhar conteúdos longos e densos de forma consistente, especialmente newsletters técnicas e analíticas. É aqui que a IA generativa tem se mostrado extremamente valiosa.
Tenho utilizado o NotebookLM para gerar resumos em formato de áudio, que acabam funcionando como verdadeiros mini-podcasts personalizados. Isso me permite consumir conteúdo enquanto cozinho, me exercito ou faço outras atividades do dia a dia.
Alguns exemplos de conteúdos que tenho consumido dessa forma:
Newsletter – The Pragmatic Engineer
Em especial, tenho dado bastante atenção aos conteúdos de pós-mortem sobre as recentes quedas globais da AWS e às análises detalhadas de incidentes envolvendo a Cloudflare.
Esses materiais costumam trazer uma visão profunda sobre falhas em sistemas distribuídos de grande escala, abordando desde problemas técnicos específicos até decisões arquiteturais e operacionais que contribuíram para os incidentes.
Esse tipo de conteúdo, no entanto, geralmente é extenso, altamente técnico e repleto de contexto histórico, o que nem sempre facilita o consumo no dia a dia.
Os resumos em formato de áudio têm sido fundamentais nesse processo, pois me permitem entender rapidamente o que aconteceu, por que o incidente ocorreu, quais foram os impactos reais para usuários e empresas e, principalmente, quais lições podem ser extraídas para evitar problemas semelhantes no futuro.
Newsletter – Wesearch
Um bom exemplo é o conteúdo que discute o Bitcoin e a transição da exaustão sistêmica para uma infraestrutura energética. É um tipo de leitura profunda, com conceitos econômicos, energéticos e tecnológicos interligados — perfeita para consumo em formato de áudio resumido.
O mais interessante é que esses resumos não são apenas “bullet points lidos em voz alta”, mas sim narrativas estruturadas, muito próximas do formato de um podcast.
Criação de conteúdo
Ferramentas
A criação de conteúdo é uma parte importante do meu trabalho, seja para blog posts (como este), artigos técnicos, materiais educacionais ou conteúdos para cursos.
Aqui, a IA generativa entra como uma ferramenta de aceleração, e não como um substituto.
Na prática, tenho utilizado IA generativa principalmente para a criação de conteúdos técnicos que explicam detalhadamente trechos de código, sejam eles escritos por mim ou gerados inicialmente por uma ferramenta de IA. Esse tipo de conteúdo exige clareza, precisão técnica e uma boa didática, e a IA tem se mostrado uma excelente aliada nesse processo inicial.
Tudo começa com um briefing bem definido, onde deixo claro o público-alvo, o objetivo do conteúdo, o nível técnico esperado e o tom desejado. A partir dessas informações, a IA gera uma primeira versão do texto, que serve como base para o desenvolvimento do conteúdo final.
Em seguida, entro com a parte mais importante do processo: a revisão humana. Faço uma revisão técnica cuidadosa, ajusto a linguagem para que o texto reflita o meu estilo de escrita e adiciono pontos que considero relevantes, mas que não ficaram claros ou completos na versão inicial. Dessa forma, a IA atua como aceleradora, enquanto a curadoria e a responsabilidade pelo conteúdo permanecem totalmente comigo.
Ou seja, a IA me ajuda a sair da “página em branco”, mas a responsabilidade final pela qualidade e precisão do conteúdo continua sendo minha.
Além disso, utilizo IA generativa para a criação de imagens de background que acompanham esses conteúdos, algo que antes dependia de bancos de imagens.
Um exemplo prático de conteúdo nesse formato é:
Triggering Cypress End-to-End Tests Manually on Different Browsers with GitHub Actions
Vibe Coding
Ferramenta: GitHub Copilot
Aqui entramos em um dos usos mais divertidos (e produtivos) da IA generativa: o que muitos chamam hoje de vibe coding.
Tenho utilizado o GitHub Copilot como um verdadeiro pair programmer, especialmente em projetos exploratórios, educacionais ou pessoais.
Crypto Price Tracker
Desenvolvi essa aplicação para acompanhar preços de criptoativos e definir alertas de preço, o que me ajuda a entender melhores momentos de compra com base em critérios pessoais.
O GitHub Copilot tem sido especialmente útil para acelerar diversas etapas do desenvolvimento. Ele facilita a criação de componentes, auxilia na escrita de funções utilitárias e torna refatorações rápidas mais fluidas.
Além disso, o Copilot permite a exploração de novas ideias com uma sobrecarga cognitiva significativamente menor, o que incentiva a experimentação e reduz a fricção entre a ideia e sua implementação.
Cypress Simulator
Essa aplicação foi criada para apoiar um de meus cursos e me ajudar a ensinar conceitos específicos, como:
- Testes de aplicações com captcha
- Banners de consentimento de cookies
- Acessibilidade web
- Cenários difíceis de reproduzir em aplicações reais
O Copilot tem sido essencial para prototipar rapidamente essas ideias e transformá-las em ferramentas didáticas.
👉 Aproveitando o gancho, se você quiser aprender Cypress de uma forma prática e diferente, fica o convite para conhecer o curso Cypress Simulator.
16-Bit Elevator Simulator
Por fim, um projeto criado puramente por diversão (mas com muito aprendizado envolvido). O jogo 16-Bit Elevator Simulator.
Nesse contexto, a IA entra como uma forte aliada ao longo de todo o processo.
Ela apoia a experimentação de ideias de forma rápida e iterativa, facilita a refatoração contínua do código e auxilia na escrita de testes automatizados até mesmo para jogos, um cenário que costuma ser menos explorado.
Tudo isso contribui para um aprendizado técnico mais leve e natural, onde o desenvolvimento se mistura ao entretenimento, tornando o processo mais envolvente e sustentável a longo prazo.
É um ótimo exemplo de como IA generativa pode ser usada não só para produtividade, mas também como ferramenta de aprendizado ativo.
Conclusão
A IA generativa, quando bem utilizada, não substitui pensamento crítico, experiência ou responsabilidade técnica. Ela potencializa.
Nos exemplos acima, fica claro que o maior valor está em:
- Aprender mais rápido
- Criar conteúdo com mais consistência
- Experimentar ideias que talvez nunca saíssem do papel
- Reduzir fricções no desenvolvimento de software
Mais do que perguntar “a IA vai substituir pessoas?”, a pergunta mais relevante hoje é:
Como podemos usar IA para elevar a qualidade do que já fazemos?
No meu caso, a resposta tem sido clara: usar IA como aliada, mantendo sempre o humano no centro das decisões.
Quer aplicar IA generativa em testes automatizados?
Se você quer aprender outros usos práticos de IA generativa aplicados a testes automatizados, conheça o curso Testes Automatizados e IA Generativa, da Escola Talking About Testing. O foco é usar IA para criar, revisar e evoluir testes com qualidade, mantendo pensamento crítico e boas práticas.
TALKING ABOUT TESTING 