A codificação agentic suficientemente avançada é essencialmente aprendizado de máquina: o engenheiro define o objetivo de otimização, bem como algumas restrições sobre o espaço de busca (a especificação e seus testes), então um processo de otimização (agentes de codificação) itera até que o objetivo seja alcançado. O resultado é um modelo de caixa-preta (a base de código gerada): um artefato que realiza a tarefa, que você implementa sem nunca inspecionar sua lógica interna, assim como ignoramos pesos individuais em uma rede neural. Isso implica que todos os problemas clássicos encontrados em ML logo se tornarão problemas para a codificação agentic: sobreajuste à especificação, atalhos Clever Hans que não se generalizam fora dos testes, vazamento de dados, desvio de conceito, etc. Eu também perguntaria: qual será o Keras da codificação agentic? Qual será o conjunto ideal de abstrações de alto nível que permite aos humanos direcionar o 'treinamento' da base de código com o mínimo de sobrecarga cognitiva?