Evolução da tecnologia: do mainframe ao trocadilho infame em tempo real

Décadas de abstração, bilhões em infraestrutura e uma quantidade constrangedora de engenharia para chegarmos ao luxo de receber um status técnico acompanhado de uma piada ruim.

TL;DR

A evolução da computação não foi uma marcha simples do grande para o pequeno. Foi uma sequência de abstrações: o mainframe concentrou capacidade, a nuvem tornou recursos disponíveis sob demanda, containers empacotaram ambientes, modelos de IA transformaram linguagem em interface e agentes passaram a combinar contexto, ferramentas e execução. O resultado cotidiano pode ser uma conversa tecnicamente útil e menos mecânica. Personalizar tom e humor melhora a interface; não autoriza bajulação, massagem de ego, ocultação de incerteza ou confusão entre ferramenta e relação humana.

Durante boa parte da história da computação, conversar com a máquina significava preencher cartões, aguardar uma fila e torcer para não descobrir no dia seguinte que faltou um ponto.

Hoje eu posso pedir a um agente para inspecionar um repositório, preservar o que já funciona, pesquisar uma dúvida, dividir o trabalho, executar validações e me devolver três coisas: estado atual, risco e próximo passo.

Entre uma cena e outra, a indústria inventou algumas abstrações importantes.

E, aparentemente, todo esse esforço também serviu para a máquina avisar que vai analisar um log com algo como: “Vou procurar a agulha no palheiro. A boa notícia é que o palheiro tem grep.”

Não era o futuro prometido pelos filmes. Em vários dias, é melhor.

Quando o computador era um lugar

O mainframe não era apenas um computador grande. Era o centro de uma operação.

Processamento, armazenamento, terminais, rotinas e pessoas orbitavam uma infraestrutura cara, compartilhada e deliberadamente administrada. O IBM System/360, apresentado em 1964, tornou compatível uma família de máquinas e ajudou a consolidar a ideia de plataforma: software escrito para um modelo podia acompanhar o crescimento do cliente sem ser refeito do zero a cada troca de hardware.

Isso parece óbvio hoje porque deu certo.

Na época, custou uma aposta empresarial gigantesca e exigiu coordenação suficiente para fazer qualquer migração atual parecer uma terça-feira ligeiramente desagradável.

O mainframe ensinou uma lição que continuamos reaprendendo: tecnologia útil não é apenas potência. É potência organizada por contratos, compatibilidade e operação.

Quando o computador virou capacidade

A nuvem não fez os computadores evaporarem. Apenas tornou mais fácil esquecer em qual computador físico alguma coisa estava rodando.

Essa frase parece piada, mas descreve uma mudança séria. O NIST SP 800-145 consolidou a definição de computação em nuvem em torno de acesso sob demanda, recursos compartilhados, elasticidade e serviço mensurável. Em vez de começar toda decisão perguntando qual máquina comprar, tornou-se possível começar perguntando quanta capacidade usar, por quanto tempo e sob quais condições.

O servidor continuou existindo. O boleto também. A novidade foi transformar infraestrutura em uma interface operacional mais flexível.

Com isso vieram ganhos reais e novos riscos: provisionar ficou rápido; desperdiçar em escala também.

Toda abstração remove um tipo de atrito e cria outro. A nuvem reduziu a espera por hardware e aumentou a importância de governança, observabilidade e controle de custo.

Quando o ambiente coube num pacote

Então chegaram os containers e disseram: “E se, além do código, empacotássemos o ambiente necessário para executá-lo?”

Não foi magia, nem uma máquina virtual em miniatura. Foi uma forma prática de distribuir aplicações com dependências, configuração e camadas de sistema de arquivos de maneira reproduzível. A especificação de imagens da Open Container Initiative ajuda a manter interoperáveis as imagens, os manifests e os runtimes usados por ferramentas diferentes.

Na prática, containers reduziram o clássico “na minha máquina funciona”.

Não eliminaram a frase. Apenas deram a ela um arquivo para anexar.

O avanço importante estava na repetibilidade: uma definição versionada podia atravessar notebook, integração contínua, homologação e produção com menos improviso entre ambientes.

Quando a linguagem virou interface

Modelos de linguagem mudaram a superfície da computação.

Antes deles, operar um sistema exigia aprender a interface que alguém havia projetado: comandos, menus, formulários, APIs. Agora, em muitos contextos, a primeira interface pode ser uma intenção descrita em linguagem natural.

Isso não significa que a intenção virou execução confiável por decreto. A linguagem é ambígua, modelos erram, contexto pode faltar e respostas convincentes podem esconder fragilidade. O ganho está em reduzir a distância entre o que quero fazer e a primeira representação operacional do trabalho.

Posso explicar um objetivo de maneira ainda imperfeita e receber uma decomposição inicial. Posso externalizar contexto, pedir alternativas, revelar dependências, transformar decisão em checklist e rascunho em artefato.

O modelo não substitui o sistema. Ele se torna uma camada de tradução sobre o sistema.

Quando a conversa ganhou ferramentas

Um agente adiciona outra camada: além de produzir linguagem, ele pode receber contexto, consultar fontes, usar ferramentas, executar etapas e verificar resultados dentro de limites definidos.

É aí que a conversa deixa de ser apenas resposta e começa a funcionar como coordenação.

O agente pode acompanhar o estado de uma branch, lembrar o critério de aceite, perceber que uma validação ainda não rodou e devolver evidência concreta. Pode também errar o repositório, interpretar mal uma instrução, ampliar escopo ou executar algo que deveria apenas recomendar. Por isso, capacidade de agir precisa vir junto de autoridade explícita, observabilidade, confirmação proporcional ao risco e rollback quando houver mudança difícil de reverter. O AI RMF 1.0 do NIST oferece uma moldura compatível com essa postura ao organizar a gestão de riscos em governar, mapear, medir e gerenciar.

O salto não é de “máquina” para “pessoa”.

É de interface que responde para sistema que ajuda a operar.

O trocadilho é uma pequena decisão de interface

Depois de toda essa evolução, chegamos a uma questão de altíssima relevância científica: a máquina deve fazer piada antes de abrir um log?

Minha resposta é um técnico e responsável “depende”.

Quando o agente anuncia que vai pesquisar, raciocinar mais a fundo ou executar uma ação, ele está tornando o próprio estado mais legível. Uma piada curta pode reduzir a rigidez da interação, marcar a transição e tornar horas de trabalho menos assépticas.

O humor tem função quando serve à clareza e ao ritmo.

Se interrompe o trabalho, tenta ser engraçado em situações inadequadas ou transforma toda resposta num número de stand-up corporativo, virou ruído com autoestima elevada.

O mesmo vale para personalização de tom. Adaptar vocabulário, nível técnico, extensão e ritmo pode tornar a conversa muito melhor. Conhecer minhas preferências evita que eu reexplique a forma de trabalhar a cada sessão.

Mas modelar meu estilo não é conhecer minha vida como uma pessoa me conhece. E prever a resposta que provavelmente vou preferir não é prova de que essa resposta está correta.

Personalização não pode virar bajulação

Existe uma linha clara entre uma interface agradável e um agente que concorda para preservar agradabilidade.

Do lado útil:

• ajustar profundidade ao contexto;
• lembrar que eu prefiro evidência a promessa;
• usar humor leve quando ele não compete com o risco;
• dizer o que está acontecendo antes de uma ação demorada;
• devolver estado, risco e próximo passo;
• apontar incerteza e pedir decisão quando ela realmente muda o caminho.

Do lado perigoso:

• tratar toda ideia como brilhante;
• transformar preferência em fato;
• esconder evidência contrária para não quebrar o clima;
• simular certeza para parecer competente;
• validar uma narrativa emocional sem contexto suficiente;
• se apresentar como substituto de relações humanas que têm reciprocidade, necessidades e limites próprios.

Uma boa interface reduz atrito sem remover realidade. Se o humor faz o risco desaparecer ou a personalização faz o contraponto desaparecer, o sistema ficou mais simpático e menos útil.

O prompt que eu usaria

Eu não quero um agente carrancudo. Também não quero um animador de auditório instalado no terminal.

Quero uma conversa que preserve rigor, anuncie mudanças de modo e saiba aliviar a tensão sem maquiar o estado do trabalho. Um contrato curto pode ser este:

Fale de forma técnica e objetiva. Quando precisar pesquisar, raciocinar mais a fundo ou executar uma ação, anuncie isso com uma piada curta e natural antes de começar. Use sarcasmo leve quando couber, sem bajulação e sem esconder incertezas. Priorize: estado atual, risco e próximo passo.

Esse prompt não garante bom julgamento. Ele define uma preferência de interação.

O restante depende do harness: quais fontes o agente consulta, quais ferramentas pode usar, onde precisa de autorização, como registra evidência, quando deve parar e quais validações fecham uma entrega.

Personalidade sem operação é decoração.

Operação sem personalidade funciona, mas pode passar oito horas falando como manual de impressora.

Estado atual, risco e próximo passo

Quando a conversa fica longa, três âncoras evitam que o humor vire fumaça:

Âncora	Pergunta operacional	O que evita
Estado atual	O que é verdadeiro agora e qual evidência sustenta isso?	Resumos otimistas que não correspondem ao sistema
Risco	O que pode dar errado, com qual impacto e incerteza?	Confiança performática e aceleração sem limite
Próximo passo	Qual ação pequena, verificável e autorizada reduz a incerteza?	Análise infinita e execução teatral

Essa estrutura funciona porque não exige que o agente pareça humano. Exige que ele seja legível.

Ele pode dizer que não sabe. Pode discordar. Pode anunciar que vai pesquisar. Pode executar uma tarefa pequena. Pode fazer uma piada ruim e, logo depois, mostrar o SHA correto.

Aliás, esta ordem é importante.

A evolução continua sendo uma escolha de direção

Do mainframe ao agente, cada camada ampliou o que conseguimos coordenar.

Mainframes centralizaram trabalho crítico. A nuvem flexibilizou capacidade. Containers aumentaram repetibilidade. Modelos colocaram linguagem na interface. Agentes começaram a conectar intenção, contexto, ferramentas e ação.

Nenhuma dessas camadas tornou automaticamente nossas decisões melhores.

Quanto mais fácil fica pedir, mais importante fica saber o que não deve ser delegado. Quanto mais contexto o sistema acompanha, mais sérios ficam privacidade e escopo. Quanto mais natural a conversa parece, mais precisamos lembrar que fluência não é reciprocidade, consciência nem compromisso humano.

O melhor agente não é o que massageia meu ego ou concorda comigo antes que eu termine a frase.

É o que reduz trabalho mecânico, preserva contexto, aponta o ponto cego e me devolve ao mundo com algo que pode ser verificado.

A IA não precisa parecer humana. Mas, se vai conversar comigo o dia inteiro, pelo menos que saiba a hora certa de soltar uma quinta série.

Para se aprofundar

• A previsibilidade sedutora da IA: o limite entre ferramenta de agência, validação excessiva e substituição da reciprocidade humana.
• Nasci em 1986 e sobrevivi a pelo menos nove fins do mundo: por que potência tecnológica precisa de método, backup e direção.
• IBM System/360 na Wikipédia: visão enciclopédica da família de mainframes e de seu lugar na história da computação.

Referências e limites de uso

As fontes sustentam marcos técnicos específicos. A leitura sobre humor, personalização e qualidade da conversa é uma síntese autoral, não uma alegação de que uma configuração funcione igualmente para todas as pessoas ou situações.

• IBM, “The IBM System/360”: história da família compatível lançada em 1964 e de seu papel na consolidação da ideia de plataforma; é uma fonte institucional da própria IBM.
• NIST SP 800-145, “The NIST Definition of Cloud Computing”: definição de acesso sob demanda, recursos compartilhados, elasticidade e serviço mensurável.
• Open Container Initiative, “Image Specification”: contrato técnico atual para imagens interoperáveis, manifests, índices, camadas e configuração.
• NIST, “Artificial Intelligence Risk Management Framework 1.0”: estrutura voluntária para mapear, medir, governar e gerenciar riscos de sistemas de IA; não certifica um agente específico como seguro ou confiável.