Na mitologia romana, Jano, o deus das portas e das transições, é representado com dois rostos: um olha para trás, para as lições e padrões do passado, e o outro para a mudança futura. Essa visão dupla importa quando se constrói software com assistentes de programação de IA. Hoje, um protótipo funcional pode ser criado em poucas horas, e o código é mais barato de gerar e mais fácil de modificar. Mas essa velocidade cria um novo risco: quando o código é produzido rapidamente e sem uma estrutura clara, os projetos se tornam difíceis de entender, manter e expandir.
Para os cientistas de dados, essa mudança é significativa. Aplicações que antes exigiam um amplo suporte de engenharia de software agora podem ser prototipadas por meio de linguagem natural e agentes de programação, tornando a passagem dos notebooks para APIs e aplicações implantadas mais acessível. No entanto, gerar uma aplicação funcional não é o mesmo que projetar um sistema capaz de evoluir. Um agente de programação pode colocar a lógica onde for mais fácil naquele momento, dentro de um endpoint, de um objeto específico de um framework ou de uma função auxiliar, sem considerar a responsabilidade de cada parte.
O autor argumenta que projetos de IA precisam dessa perspectiva semelhante à de Jano. Olhando para trás, as equipes devem registrar as lições duramente aprendidas: separar responsabilidades, evitar configurações duplicadas, manter contratos claros, testar a lógica central e impedir que ferramentas externas vazem para todas as partes da aplicação. Olhando para frente, os projetos precisam de flexibilidade para acomodar novos requisitos, tecnologias e capacidades sem um redesenho completo.
O objetivo não é a arquitetura por si só, mas tornar o desenvolvimento rápido mais seguro e repetível. Uma linha de base define as decisões arquiteturais mínimas que não devem ser reinventadas em cada projeto, incluindo código independente de ferramentas, infraestrutura substituível e lógica central testável. Quando empacotada como um modelo reutilizável, essa linha de base torna-se um andaime, oferecendo às equipes um ponto de partida prático e ajudando-as a avançar mais rápido sem criar uma estrutura descartável a cada vez.
Fonte: Towards Data Science · Resumido por HeadlinesBriefing