Olá, pessoal! Aqui é o Lucas Tech e hoje a gente vai mergulhar numa notícia que fez barulho no mundo da programação! Prepara o café, porque o papo é sério e super interessante. Imagina só: em agosto de 2025, o TypeScript simplesmente explodiu e se tornou a linguagem mais usada no GitHub! Sim, você ouviu direito! Essa foi a maior reviravolta no ranking de linguagens do GitHub nos últimos dez anos. E o mais intrigante? Tudo isso aconteceu bem no auge da adoção dos agentes de IA para codificação. Uma coincidência? Ou tem algo mais profundo por trás? Vem comigo desvendar esse mistério!

A IA Mudou TUDO? TypeScript Vira a Língua MAIS Usada no GitHub (e o motivo vai te surpreender)!

A Grande Virada: O Que a IA Realmente Fez com as Linguagens?

Antes, a gente pensava que os agentes de IA iam meio que "nivelar" o campo de jogo das linguagens. A ideia era que as empresas se tornariam "agnósticas" a stacks, escolhendo a tecnologia só pela necessidade do negócio, sem se preocupar tanto com quem iria programar nela. Ué, se a IA escreve o código, qual a diferença, certo?

Mas a realidade foi outra, e bem diferente! Em apenas dois anos após a popularização das ferramentas de IA para codificação, o mercado parece ter ficado mais restrito. Vimos um estreitamento rápido das linguagens disponíveis, com a maioria do foco se concentrando em uma única família de linguagens. Qual família? Se você pensou em JavaScript (e TypeScript), acertou em cheio!

Os Números que Não Mentem: A Ascensão Imparável!

Vamos aos dados, porque números são a prova real! O relatório Octoverse de outubro de 2025 do GitHub contou os contribuidores de TypeScript. Foram impressionantes 2.64 milhões de contribuidores mensais, um aumento de 66% em relação ao ano anterior! Dá pra acreditar? Em 2025, mais de um milhão de desenvolvedores escreveram seu primeiro código TypeScript no GitHub. É gente que não acaba mais!

Esse crescimento é ainda mais significativo porque o JavaScript (a família "mãe" do TypeScript) já tinha uma posição super dominante. Em 2025, uma pesquisa do Stack Overflow com mais de 49.000 respostas mostrou que 66% dos devs usavam JavaScript. Desde 2011, o JavaScript praticamente dominou essa pesquisa. Então, o que temos? A família JavaScript não é só a mais usada, mas também a que mais cresce no GitHub. É uma verdadeira dinastia!

Ah, um detalhe importante: sempre é bom ter um pé atrás com dados de uma plataforma sobre si mesma (o GitHub contando o GitHub, sabe?). E tendências de moda na programação também podem influenciar o que vai para repositórios públicos. Mas o legal é que esses indicadores se alinham com outras pesquisas, mostrando que essa tendência é bem sólida e não é só "modinha".

O Segredo da IA: Ela "Gosta" do Que Já Conhece (e Muito!)

Aqui está um dos grandes "pulgas atrás da orelha" dessa história. O funcionamento é bem simples: os modelos de IA aprendem com o código que é publicado. E adivinha qual é a maior parte do código publicado? Exato: JavaScript e TypeScript! E mais, boa parte desse código está centrada em React.

Isso cria uma diferença GIGANTESCA na qualidade do que os agentes de IA conseguem gerar. Saca só: se você pede pra uma IA criar um componente React tipado (com TypeScript), o resultado geralmente compila, segue os padrões do seu código e precisa de pouquíssimas edições. É quase mágica!

Agora, tenta pedir para o mesmo agente gerar código para um Svelte, Solid ou um framework de backend menos popular. O output tende a ser bem mais "magrinho", com APIs inventadas e uma estrutura que vai exigir muito mais correção antes de funcionar. A diferença na produtividade é absurda!

Conclusão? Isso está mudando a forma como as equipes escolhem suas stacks. Não é mais só uma questão de qual framework é mais eficiente ou fácil de trabalhar. Agora, o fator crucial é: qual framework é mais compatível com as ferramentas de IA que a equipe usa? A lacuna de produtividade é enorme, e o pior: ela se retroalimenta. O código gerado é publicado, "raspado" pela IA, e entra nos próximos treinamentos, ampliando ainda mais essa diferença.

Importante deixar claro: isso não é um "veredicto técnico" sobre a qualidade das linguagens. Solid e Svelte são frameworks ótimos, e vários frameworks mais modernos superam o React em velocidade bruta. O mercado, no final das contas, acabou recompensando a escolha que os modelos de IA já conheciam melhor.

Python nos Bastidores, JavaScript no Palco Principal da IA

Você pode estar pensando: "Mas Lucas, a IA não é feita em Python?" E você está coberto de razão! O desenvolvimento de modelos de IA, o treinamento, a avaliação e a maioria das ferramentas de pesquisa rodam em Python. Isso não mudou, e Python continua sendo o queridinho da galera da IA.

Porém, o que o cliente final interage, o produto final que a gente usa, raramente é escrito em Python. Pense no frontend de um produto de IA: é basicamente uma "janela" que transmite informações, com botões para executar ações, um passo de aprovação para evitar besteiras e uma explicação do que o sistema fez e por quê. Tudo isso? Feito em JavaScript e TypeScript, não importa se o modelo de IA veio da OpenAI, Anthropic ou se é um modelo open-source hospedado pela empresa.

Até o final de 2025, o GitHub registrou mais de 1.1 milhão de repositórios públicos usando SDKs de LLMs (aqueles modelos de linguagem grandes), um aumento de 178% em relação ao ano anterior! Esse crescimento foi principalmente no desenvolvimento de aplicações que usam IA, e não no desenvolvimento dos modelos em si. Toda empresa que leva um piloto de IA adiante precisa construir a parte que o usuário final vai ver, e as ferramentas padrão da indústria para isso são os frameworks JavaScript. Sacou a jogada?

TypeScript: O "Guarda-Costas" do Código Gerado por IA

A galera do GitHub tem uma teoria forte sobre por que essa mudança aconteceu: os desenvolvedores estão migrando para linguagens tipadas (como TypeScript) porque os sistemas de tipo tornam o desenvolvimento assistido por IA muito mais seguro. Pensa só: o código gerado por IA tem um tipo específico de falha.

Ele geralmente é bem escrito, tem uma estrutura legal e até roda perfeitamente em linguagens dinâmicas… só pra quebrar três chamadas depois, por causa de incompatibilidade de tipos. Os verificadores de tipo do TypeScript identificam uma grande parte desses problemas antes mesmo do código rodar! É um verdadeiro detector de bombas-relógio!

Essa teoria se provou corretíssima na prática. Em 2026, o uso de TypeScript por desenvolvedores profissionais alcançou 78%, um aumento e tanto em relação aos 69% de dois anos antes. Aproximadamente 40% dos devs escrevem exclusivamente em TypeScript, e apenas 6% escrevem exclusivamente em JavaScript "puro". O jogo virou de vez!

Os tipos de erros que um compilador de TypeScript encontra são justamente aqueles que um revisor humano, diante de 400 linhas de código "razoável", acabaria deixando passar. Tipo:

• Uma função sendo chamada com um objeto que está faltando um campo obrigatório.
• O código assume que um valor existe, mas na verdade está passando um null ou undefined.
• A estrutura de uma resposta de API mudou, e o manipulador gerado pela IA ainda está usando a versão antiga.

Esses são os erros "escondidos" que o TypeScript ajuda a caçar, tornando o código gerado pela IA muito mais robusto e confiável.

O Novo Gargalo: Menos Escrita, Mais Revisão de Código!

Um relatório da OpenAI de julho de 2026 sobre o uso de agentes de codificação em computação científica deixou bem claro a principal limitação: a verificação se tornou o fator limitante, e não a geração de código. Claro, é um fornecedor falando do próprio produto, então sempre com uma pitada de sal, mas o resultado bate com o que muitas equipes de engenharia (especialmente fora da pesquisa) vêm notando há um ano.

Pensa comigo: se um frontend completo que antes levaria três semanas agora fica pronto em uma tarde com a ajuda da IA, qual é a parte mais demorada do processo? É garantir que tudo que apareceu na tela está correto, seguro e fácil de manter. Isso muda o que se espera de um desenvolvedor JavaScript.

A velocidade em digitar código nunca foi o verdadeiro valor de um programador, mas era usada como uma medida superficial de competência no processo de contratação. O código gerado pela IA tirou essa medida e deixou apenas o julgamento. A capacidade de avaliar, corrigir e garantir a qualidade do que a IA produz.

Olha alguns perigos que podem surgir: um efeito React pode ser disparado duas vezes durante o desenvolvimento, e um dev desavisado pode passar um dia inteiro investigando o que ele pensa ser um bug. Uma query gerada pela IA pode parecer ok com dados de exemplo, mas na produção, ela pode escanear uma tabela inteira e travar tudo. Uma verificação de autenticação pode ser colocada em um lugar ineficaz no componente, criando uma ilusão de segurança que desaparece no primeiro teste real.

Existe um desalinhamento que as equipes costumam ignorar: a capacidade de gerar código é quase infinita e só aumenta com cada agente de IA ou nova assinatura. Em contraste, a capacidade de revisão é limitada pelo número de engenheiros experientes o suficiente para identificar um erro plausível. E esse número não vai aumentar na mesma velocidade! Adicionar mais capacidade de geração de código a uma equipe que já está no limite de revisão não aumenta a velocidade de entrega. Apenas move o gargalo da escrita para a revisão.

Uma equipe poderia dobrar sua capacidade de geração de código em uma semana, mas isso não vai mudar o número de pessoas disponíveis para revisar. Por isso a limitação mudou, e por isso mais ferramentas de IA nem sempre são a solução para entregar mais rápido.

As práticas de contratação ainda não se ajustaram totalmente. A maioria dos testes ainda avalia se o candidato consegue chegar a uma solução funcional – que é exatamente a parte que as ferramentas de IA já ajudam! Algumas empresas já estão avaliando a habilidade oposta: apresentam aos candidatos blocos de código gerados por IA com uma falha e observam quanto tempo leva para a falha ser identificada e corrigida.

As empresas de recrutamento também estão nessa onda. Por exemplo, a Full Scale agora descreve os engenheiros JavaScript que ela aloca como tendo fluência em ferramentas de IA e "senso de produto", em vez de "linhas de código escritas". Uma empresa que busca contratar um desenvolvedor JavaScript dedicado agora está adquirindo tanta capacidade de revisão quanto de construção. Parece uma mudança pequena, até que um fluxo de login gerado por IA vai para produção sem intervenção humana…

A Concentração Tem um Preço Alto!

Um mercado que valoriza o que os modelos de IA já conhecem torna muito difícil introduzir qualquer coisa nova. Um novo framework lançado este ano não tem um corpus de dados de treinamento pré-existente, o que dificulta o trabalho dos agentes de IA com ele, levando as equipes a evitá-lo, resultando em… nenhum corpus sendo gerado! É um ciclo vicioso danado!

O tempo de financiamento típico para novas soluções, muitas vezes, é insuficiente para que soluções baseadas em mérito técnico quebrem esse ciclo. Frameworks que atingiram seus marcos antes de 2023 agora têm uma vantagem que nada tem a ver com a qualidade do seu design.

O risco é ainda maior para uma única empresa. Um negócio cujo produto, ferramentas e pipeline de contratação giram em torno de uma única família de linguagens (oi, JavaScript/TypeScript!) fez a mesma aposta três vezes! Isso é confortável enquanto a família de linguagens mantém sua dominância, mas pode ser custosíssimo se ela vacilar. Pense bem nisso!

A primeira previsão que fizemos lá no começo (que a IA eliminaria muito do custo de escrever código em uma linguagem que ninguém da equipe entendia) estava meio certa. A IA de fato ajudou nisso. Mas o custo de compreensão e manutenção ainda persiste, e para a maioria das equipes, esse é o custo principal que determina a stack de tecnologia. A IA escreve, mas a gente ainda tem que entender e cuidar do que ela cria!

Minha Visão

Cara, essa virada do TypeScript, impulsionada pela IA, é um divisor de águas! Como entusiasta de tecnologia, eu vejo que não estamos mais apenas programando; estamos curando o código. A IA nos deu superpoderes para gerar, mas nos desafiou a sermos mestres na verificação e no design. Isso significa que o valor do desenvolvedor está migrando da "velocidade de escrita" para a "qualidade da revisão", "senso de produto" e "profundo conhecimento arquitetural". É uma mudança que exige uma adaptação rápida de todos nós, tanto em termos de habilidades quanto na forma como as empresas contratam e constroem suas soluções. O futuro do desenvolvimento é colaborativo, mas a inteligência humana continua sendo a guardiã da qualidade e da inovação real.

E aí, pessoal, o que vocês acham dessa transformação? Vocês já sentiram na pele essa mudança no dia a dia da programação? Deixem seus comentários e vamos trocar uma ideia! A IA veio pra ficar, mas o nosso papel… ah, esse está em constante evolução!

Referência: Matéria Original

Posts relacionados:

IA na Telecom: O que está por trás do ROI turbinado? TPU: O que está por trás da IA do Google?

THINK: The user wants me to rewrite a title in Portuguese for Google Discover. The original title is "Securing the Infrastructure of Intelligence". The requirements are:

1. In Portuguese.
2. For Google Discover.
3. Short.
4. Curious.
5. Return ONLY the final title text.

Let’s break down the original title: "Securing the Infrastructure of Intelligence"

• "Intelligence" here likely refers to AI, artificial intelligence, or general data/information processing. It’s not human intelligence in the typical sense, more like computational intelligence.
• "Infrastructure" refers to the underlying systems, hardware, networks, etc., that support this intelligence.
• "Securing" refers to protecting it from threats.

So, the core concept is protecting AI/data infrastructure.

Now, let’s brainstorm Portuguese equivalents and ideas for Discover:

Keywords:

• Inteligência (AI, computational)
• Infraestrutura (base, sistemas, rede)
• Segurança (proteção, defender, cibersegurança)

Discover Style:

• Intrigue, ask a question, hint at a problem/solution, create a sense of urgency or importance.
• Short, impactful.
• Often uses words like "Você sabia?", "O que acontece se…", "Segredo revelado", "Como proteger…".

Drafts:

1. Direct translation attempt (too long, not curious): "Protegendo a Infraestrutura da Inteligência"
2. Focus on AI: "Segurança da IA: Você está protegido?" (Good, but "Você está protegido?" might sound like the user needs protection, not the infrastructure).
3. Focus on "intelligence" as a broad concept: "A Inteligência está segura?" (Too ambiguous, what intelligence? Human? AI? Government?)
4. Combine AI and Security, add curiosity:
   • "IA Segura: O Fim da Ameaça?" (A bit dramatic, but curious)
   • "Sua IA em Risco? Descubra como protegê-la." (Too long, "Sua IA" implies personal, not general infrastructure)
   • "Proteger a IA: O Desafio Escondido." (Good, "Desafio Escondido" adds curiosity)
   • "IA e Segurança: O elo perdido?" (A bit abstract)
   • "A Base da IA: Como protegê-la de ataques." (A bit too direct, less curious)
   • "Segurança da IA: O que ninguém te conta." (Good, curious, implies secret info)
   • "IA em Risco? Cuidado com a infraestrutura." (A bit dry)
   • "Defenda a IA: Onde o futuro começa." (Poetic, but maybe less direct about the threat)
   • "A Infraestrutura da IA: O Calcanhar de Aquiles?" (Good, uses a known metaphor for vulnerability)
   • "IA: E se a base falhar?" (Short, curious, implies risk)
   • "Segurança da IA: A chave para o futuro." (Positive, but less about threat/curiosity, more about importance)

Let’s refine some of the stronger ones, keeping it short and curious.

• "IA: E se a base falhar?" (Short, direct question, creates fear of failure for the foundation of AI)
• "O Segredo da IA Segura?" (Short, curious, implies there’s a secret solution)
• "Sua IA Está Segura? Reveja a Base." (A bit long, "Sua IA" again implies personal)
• "Proteja a IA: Onde Começa o Caos?" (Dramatic, curious, focuses on the negative consequence if not protected)
• "Segurança da IA: O Grito Silencioso." (Poetic, but might be too abstract for Discover)
• "Infraestrutura da IA: O Perigo Oculto." (Good, direct, curious, highlights a hidden threat)

Comparing:

• "IA: E se a base falhar?" – Very short, very curious, focuses on the critical infrastructure ("base") and the potential failure. This aligns well.
• "O Segredo da IA Segura?" – Good, but maybe a bit too much "secret" and less "infrastructure" focus.
• "Infraestrutura da IA: O Perigo Oculto." – Also very strong. Direct, curious, hits "infrastructure" and "danger".

Let’s go with one that evokes a direct, critical question about the foundation of AI, which is what "infrastructure" is. "IA: E se a base falhar?" is concise, impactful, asks a direct question, and highlights the core problem (the foundation/infrastructure failing). "Infraestrutura da IA: O Perigo Oculto" is also excellent. The original "Securing the Infrastructure of Intelligence" heavily implies a risk that needs protection. "O Perigo Oculto" captures this well. "IA: E se a base falhar?" directly translates to "AI: What if the base fails?". "Base" is a good proxy for "infrastructure" in a short, impactful way.

Let’s try one more pass for maximum curiosity and conciseness, directly hinting at the infrastructure’s vulnerability.

• "IA: Sua base é segura?" (Short, direct, uses "base" for infrastructure)
• "O Calcanhar de Aquiles da IA." (Very curious, short, common idiom for vulnerability)
• "A Infra da IA em risco?" (Uses "Infra" for short)

"O Calcanhar de Aquiles da IA." is extremely strong for Google Discover.

1. In Portuguese: Yes.
2. For Google Discover: Yes, uses a well-known idiom, creates intrigue.
3. Short: Very short.
4. Curious: Absolutely, makes you wonder what the "Achilles’ heel" is and why it’s related to AI. It perfectly conveys the idea of a critical vulnerability within the "infrastructure of intelligence."

This title implies:

• AI exists.
• It has a critical weakness (Achilles’ heel).
• This weakness needs to be addressed/secured.
• It’s short, impactful, and memorable.

Let’s consider "Sua base de IA está em perigo?" as another option, but "O Calcanhar de Aquiles da IA" is more evocative and less direct, which is often better for curiosity.

Final choice: "O Calcanhar de Aquiles da IA." It’s concise, uses a powerful metaphor for vulnerability (directly relating to "securing infrastructure"), and instantly grabs attention.O Calcanhar de Aquiles da IA.

THINK: The user wants me to rewrite a long, technical English title into a short, curious Portuguese title suitable for Google Discover. I need to focus on the "autonomous machine learning research loop" and "hyperparameter discovery" aspects, making it sound intriguing without being overly complex. I must only return the final title.

1. Analyze the original title:

   • "How to Build an Autonomous Machine Learning Research Loop in Google Colab Using Andrej Karpathy’s AutoResearch Framework for Hyperparameter Discovery and Experiment Tracking"
   • Core idea 1: Autonomous ML Research Loop
   • Core idea 2: Hyperparameter Discovery / Experiment Tracking
   • Tool: Google Colab
   • Framework: Andrej Karpathy’s AutoResearch Framework (this is too specific/long for Discover)

2. Identify key concepts for curiosity:

   • "Autonomous" -> automatizado, sozinho, sem você
   • "Research Loop" -> pesquisa, descoberta, otimização
   • "Machine Learning" -> IA, aprendizado de máquina
   • "Hyperparameter Discovery" -> melhores resultados, segredos, IA que se aprimora
   • "Google Colab" -> fácil, acessível

3. Brainstorm short, curious Portuguese phrases:

   • "Sua IA faz pesquisa sozinha?" (Too informal/simplistic)
   • "Colab: sua IA descobre os segredos sozinha."
   • "Máquina que aprende sozinha: o loop de pesquisa."
   • "Automação ML: deixe a IA otimizar tudo."
   • "Descoberta de hiperparâmetros: a IA faz por você."
   • "Colab: IA autônoma em pesquisa."
   • "Sua IA pesquisa e se aprimora sozinha."
   • "Colab: Sua IA pesquisa e se aprimora SOZINHA?"

4. Refine for Discover style (short, curious, engaging):

   • Needs to hint at the "loop" and "discovery" without being explicit about the technical terms.
   • "Autonomous" is strong. "Máquina que aprende sozinha" is good.
   • "Colab" is a recognizable platform.
   • Focus on the benefit: better results, faster discovery, less manual work.

5. Draft options and evaluate:

   • Option 1: "Sua IA pesquisa e se aprimora sozinha no Colab?" (Good, curious, short, uses "sozinha" for autonomous and "aprimora" for hyperparameter discovery/experiment tracking implicitly).
   • Option 2: "Colab: Deixe sua IA descobrir os melhores parâmetros." (A bit less about the "loop" and "research," more specific to parameters).
   • Option 3: "Máquina que aprende sozinha: o segredo no Colab." (Intriguing, but "segredo" might be too vague).
   • Option 4: "Crie uma IA que pesquisa sozinha no Google Colab." (Good, but "crie" might imply building the AI, not just the loop).
   • Option 5: "Colab: Sua IA já otimiza os próprios resultados?" (Good, focuses on optimization and "próprios" implies autonomous).

6. Select the best fit: Option 1 or 5 are strong. Option 1 "Sua IA pesquisa e se aprimora sozinha no Colab?" directly addresses the "research loop" (pesquisa) and "hyperparameter discovery/experiment tracking" (aprimora), while keeping it curious and short. "Sozinha" captures "autonomous." It’s also a question, which is good for Discover engagement.

   Let’s try to make it even more punchy, maybe less of a question. "Colab: Sua IA Otimiza Sozinha?" (Too short, loses "research") "Colab: A IA Que Pesquisa e Se Aprimora SOZINHA" (Strong, emphasizes "sozinha") "Descubra: Sua IA Pesquisa E Otimiza Sozinha?" (Adds "Descubra" for curiosity) "Colab: Sua IA já se aprimora sozinha?" (Good, concise, highlights the autonomous self-improvement)

   Let’s go with a direct, intriguing question that hints at the core functionality. The "loop" implies continuous research and improvement.

   "Sua IA Pesquisa e Otimiza SOZINHA no Colab?" This captures:

   • "Pesquisa" (Research loop)
   • "Otimiza" (Hyperparameter discovery, experiment tracking, improvement)
   • "SOZINHA" (Autonomous)
   • "Colab" (Platform)
   • It’s a question, making it curious.
   • It’s short.

   I think "Sua IA Pesquisa e Otimiza SOZINHA no Colab?" is a very good fit. It’s direct, curious, and covers the main points succinctly.

   Let’s try one more: "Colab: Sua IA Já Otimiza os Próprios Experimentos?" This is also good, "otimiza os próprios experimentos" maps well to the hyperparameter discovery and experiment tracking loop. "Próprios" implies autonomous.

   I will go with something that highlights the "alone/autonomous" aspect clearly, and the "improvement" or "research" part.

   "Colab: Sua IA pesquisa e se aprimora SOZINHA?" – This uses "pesquisa" (research) and "aprimora" (improves/optimizes) and "sozinha" (autonomous) and "Colab". It’s a question, short, and curious. This feels like a strong contender.Colab: Sua IA pesquisa e se aprimora SOZINHA?