Por que parei de confiar em respostas de IA na faculdade sem checar

Quando comecei a usar IA para projetos da faculdade, parecia um atalho.

Eu podia pedir código, copiar a resposta, e terminar tarefas mais rápido. O problema veio quando eu tinha que explicar a aplicação para o meu professor.

Às vezes o código funcionava, mas eu não conseguia explicar claramente por que uma classe existia, como o request se movia pelo sistema, ou o que cada camada estava fazendo.

Por exemplo, eu podia ter tido essa estrutura:

Controller
→ Service
→ Repository
→ Database

Mas quando alguém me pedia para explicar o fluxo, eu tropeçava.

Isso me fez perceber que código funcionando não é a mesma coisa que código entendido.

Parei de copiar tudo

Respostas de IA podem parecer corretas e profissionais, mas ainda podem incluir patterns desnecessários, bibliotecas desatualizadas, ou suposições incorretas.

Em vez de copiar a resposta inteira, comecei a focar nos conceitos. Agora faço perguntas como:

• Por que essa classe é necessária?
• Que problema esse pattern resolve?
• Onde o request começa e termina?
• Esse código poderia ser mais simples?
• Eu consigo explicar isso sem ler?

Também comecei a tratar código gerado por IA como uma code review. Leio as mudanças, checo as dependencies, rodo o código, e tento entender cada passo importante antes de aceitar.

Entendendo o fluxo

Para uma API básica em .NET, eu deveria conseguir explicar:

O client manda um request.
O Controller recebe.
O Service aplica a lógica de negócio.
O database é atualizado.
A API devolve uma resposta.

Se eu não consigo explicar esse fluxo, provavelmente ainda não entendo a aplicação.

Ainda uso IA, mas agora eu a uso para explicar conceitos, revisar código, e sugerir melhorias.

A lição principal foi simples:

AI should support my thinking, not replace it.