Codificação agentica suficientemente avançada é essencialmente aprendizado de máquina: o engenheiro define o objetivo de otimização, bem como algumas restrições no espaço de busca (a especificação e seus testes), então um processo de otimização (agentes codificadores) itera até que o objetivo seja alcançado. O resultado é um modelo blackbox (a base de código gerada): um artefato que executa a tarefa, que você implanta 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 codificação agentica: overfitting à especificação, atalhos Clever Hans que não generalizam fora dos testes, vazamento de dados, deriva de conceitos, etc. Eu também perguntaria: quais serão os Keras da codificação agentica? Qual será o conjunto ideal de abstrações de alto nível que permitirá aos humanos conduzir o 'treinamento' da base de código com o mínimo de sobrecarga cognitiva?