Logo NJ
Um cenário de um museu de tecnologia. Em destaque está uma interface em um monitor, com uma placa informando NO-CODE/LOW-CODE

Arrasta, Solta e Esquece: O No-Code e Low-Code na Era da IA

no-codelow-codeinteligência artificialRAGdesenvolvimento de softwareefemeridade tecnológicacarreira em tecnologia
Prof. Nilton F. Junior

Há algumas semanas, abri um projeto novo com uma abordagem que ainda me surpreende cada vez que funciona. Estava construindo um sistema de consulta a documentos técnicos usando RAG — Retrieval-Augmented Generation, uma técnica que combina modelos de linguagem com bases de conhecimento externas — e a velocidade de desenvolvimento me deixou genuinamente desconfortável com um pensamento que não consegui afastar: onde foi parar o no-code?

Não foi uma lembrança nostálgica. Foi quase uma pergunta de velório.

Há menos de três anos, o no-code e low-code eram a grande promessa de um novo paradigma na programação. Plataformas como Bubble, Webflow, AppSmith e dezenas de outras carregavam o mesmo discurso sedutor: você não precisa saber programar para construir software. Arraste um componente aqui, conecte uma lógica ali, publique em produção. O "arrasta e solta" ia democratizar o desenvolvimento, criar uma nova categoria de profissional — o famoso citizen developer — e, segundo alguns entusiastas mais agitados, tornar o desenvolvedor tradicional uma espécie em extinção.

Hoje, quando olho para o que a inteligência artificial fez com esse cenário, percebo que a extinção aconteceu, mas no sentido inverso. Não foi o desenvolvedor que sumiu. Foi a plataforma.

E essa inversão não é apenas uma curiosidade de mercado. Ela carrega uma lição que qualquer profissional de tecnologia deveria tatuada na memória: nenhuma ferramenta é eterna. Nenhum paradigma dura para sempre. O que parece revolucionário hoje pode estar no limbo amanhã — e o limbo, nesse setor, não tem prazo de saída.

Nos próximos parágrafos, quero explorar não apenas o que aconteceu com o no-code e low-code, mas por que aconteceu tão rápido, o que a ascensão do desenvolvimento de software com IA revela sobre a natureza da transformação tecnológica, e o que isso exige de quem quer construir uma carreira sólida nesse campo.


A Promessa Que Parecia Irresistível

Para entender o que foi perdido — e por quê — é preciso fazer justiça ao que o no-code e low-code realmente representavam. Não era hype vazio. Era uma resposta legítima a um problema real.

O desenvolvimento de software tradicional sempre foi caro, lento e escasso. Uma startup precisava de meses e de uma equipe de engenheiros para construir algo que validasse uma hipótese de negócio. Pequenas empresas ficavam reféns de fornecedores ou de planilhas improvisadas porque contratar um desenvolvedor estava fora do orçamento. A lacuna entre quem tinha uma ideia e quem conseguia transformá-la em produto digital era enorme.

As plataformas no-code chegaram prometendo fechar essa lacuna. E, por um tempo, funcionaram surpreendentemente bem. Empreendedores sem conhecimento técnico construíram MVPs, validaram produtos, faturaram. Designers criaram sites funcionais sem escrever uma linha de HTML. Analistas de negócios automatizaram fluxos internos que antes dependiam de tickets para TI com prazo de duas semanas.

O low-code, na sua proposta mais sofisticada, ia um passo além: permitia que desenvolvedores acelerassem o trabalho ao delegar a parte mecânica do código — estruturas repetitivas, integrações padrão, interfaces comuns — para a plataforma, reservando o esforço humano para a lógica complexa e diferencial do negócio. Era, em essência, uma promessa de produtividade multiplicada.

O arrasta e solta perdeu o encanto quando a IA aprendeu a escreverO arrasta e solta perdeu o encanto quando a IA aprendeu a escrever

Por Que Tantos Acreditaram

O ecossistema cresceu de forma impressionante entre 2019 e 2022. Investimentos em plataformas de ferramentas low-code ultrapassaram a casa dos bilhões de dólares. Consultorias publicavam relatórios prevendo que, até 2025, mais de 70% dos aplicativos corporativos seriam construídos com alguma solução no-code ou low-code. O Gartner colocou o segmento em posição de destaque repetido no seu ciclo de hipercrescimento.

Havia razões concretas para esse otimismo. A escassez de desenvolvedores era — e ainda é — real. O custo de desenvolvimento tradicional continuava alto. A pressão por transformação digital nas empresas aumentava a cada trimestre. As plataformas melhoravam a cada versão. Tudo parecia convergir.

E então, em novembro de 2022, o ChatGPT foi lançado ao público.


Uma História Que Já Vimos Antes

Antes de tratar o colapso do no-code como algo excepcional, vale dar um passo atrás e reconhecer que essa história tem raízes longas. A efemeridade tecnológica não é uma novidade da era digital — é uma constante da evolução tecnológica que apenas acelera com o tempo.

Lembro de uma conversa com um colega que, no início dos anos 2000, investiu tempo e dinheiro consideráveis em aprender a criar sites em Flash. A tecnologia era visualmente espetacular, dominava a web criativa, e parecia indestrutível. Alguns anos depois, o HTML5 e a recusa da Apple em suportar Flash no iPhone encerraram o assunto com uma frieza brutal. O conhecimento acumulado não desapareceu por completo — os princípios de animação, narrativa visual e interação migraram — mas a ferramenta foi para o mesmo limbo que hoje abriga o no-code.

O padrão se repete com variações previsíveis. Os digitadores profissionais foram impactados pelos processadores de texto. Os operadores de mesa de corte no cinema cederam para o software de edição não-linear. Os analistas que calculavam planilhas à mão encontraram o Excel. Em cada caso, a tecnologia anterior não desapareceu de um dia para o outro, mas perdeu relevância estratégica com uma velocidade que pegou muitos despreparados.

A história da tecnologia é uma sequência de paradigmas que parecem eternos — até o próximo chegarA história da tecnologia é uma sequência de paradigmas que parecem eternos — até o próximo chegar

O Que Mudou é a Velocidade

A diferença hoje é que o ciclo encurtou de forma radical. Flash demorou anos para ser descontinuado. O no-code e low-code tiveram seu momento de glória e entraram em obsolescência acelerada em menos de 36 meses após atingirem seu pico de atenção. Isso não é coincidência — é reflexo direto da velocidade com que a no-code low-code inteligência artificial reconfigurou o que é possível fazer com código.

Para quem está construindo uma carreira em tecnologia, esse encurtamento de ciclos tem uma implicação direta: a margem de segurança para ficar parado encolheu dramaticamente. Não se trata mais de atualizar habilidades a cada cinco anos. O intervalo relevante está convergindo para meses.


Como a IA Virou o Tabuleiro

A chegada dos modelos de linguagem de grande escala — os LLMs — não competiu com o no-code pelo mesmo mercado. Ela tornou a proposta de valor do no-code redundante em praticamente todos os cenários relevantes.

Pense no argumento central do no-code: você não precisa escrever código. Agora considere o que acontece quando você digita uma instrução em linguagem natural para um modelo como o GPT-4, Claude ou Gemini e recebe, em segundos, um componente funcional, uma função completa, ou até a estrutura inicial de um projeto inteiro. A barreira que o no-code prometia remover — a necessidade de saber programar — foi atacada pela raiz, com uma flexibilidade que nenhuma plataforma de ferramentas low-code obsoletas consegue oferecer.

A diferença é fundamental. O no-code remove a sintaxe mas impõe a estrutura da plataforma. Você trabalha dentro dos limites do que foi pré-construído. A geração de código por IA remove a sintaxe e libera a estrutura. Você descreve o que quer, e o modelo sugere o caminho — podendo ser revisado, adaptado, questionado.

Um exemplo que encontrei recentemente ilustra isso com uma clareza quase brutal. O Thunkable — plataforma de desenvolvimento de aplicativos móveis que durante anos foi sinônimo do paradigma "arrasta e solta" — rebatizou sua interface como Thunkable AI e trocou o slogan. Agora, no lugar de blocos visuais para montar, a promessa é construir aplicativos para iOS e Android "built by chatting": conversando com a IA em linguagem natural. O drag and drop, que era o produto, virou detalhe de rodapé.

Repare no que isso significa. Não é uma plataforma no-code que foi derrotada pela concorrência e fechou as portas. É uma plataforma no-code que sobreviveu abandonando o no-code. É como se uma escola de datilografia, para não fechar, tivesse se reinventado como escola de digitação por voz. A tecnologia muda de roupa, mas o paradigma anterior não volta. O Thunkable continua existindo — o que existia nele, não.

O Problema do Teto Baixo

As plataformas no-code sempre tiveram um problema que era politicamente inconveniente admitir: o teto era baixo. Para aplicações simples, funcionavam bem. Para sistemas com lógica complexa, integrações heterogêneas, requisitos de performance ou customizações profundas, as limitações apareciam rapidamente — e contorná-las exigia exatamente o conhecimento técnico que a plataforma prometia dispensar.

O desenvolvimento de software com IA, ao contrário, cresce junto com a complexidade do problema. Quanto mais o desenvolvedor sabe formular, mais o modelo consegue entregar. Isso não elimina a necessidade de profissionais técnicos — pelo contrário, amplifica o valor de quem sabe o que está pedindo.

O GitHub Copilot, por exemplo, é mais útil nas mãos de um desenvolvedor experiente do que nas de um iniciante. Não porque o iniciante não consiga usar, mas porque o experiente sabe quando o código sugerido está certo, quando está parcialmente certo, e quando está completamente equivocado com uma aparência de certeza. A IA democratizou a velocidade de escrita, não o julgamento técnico.


RAG e o Que Aprendi Construindo Rápido Demais

Voltando ao projeto que mencionei no início: trabalhar com RAG — a técnica de combinar modelos de linguagem com bases de dados externas para gerar respostas contextualizadas — me deu uma perspectiva prática sobre o que o desenvolvimento de software com IA significa no dia a dia.

A velocidade é, de fato, impressionante. Em um projeto recente, o que estimaria levar duas semanas de desenvolvimento tradicional ficou operacional em três dias. Não porque eu escrevi menos código — escrevi bastante — mas porque o processo de pensar, testar, depurar e iterar foi comprimido de uma forma que ainda me surpreende.

O que ficou claro nesse processo é que o papel do desenvolvedor não diminuiu. Ele se transformou. A maior parte do tempo não foi gasta escrevendo código, mas arquitetando a solução: definindo como os documentos seriam indexados, que estratégia de chunking faria sentido para aquele tipo de conteúdo, como o contexto seria montado antes de cada chamada ao modelo, onde colocar validações para evitar alucinações.

Essas decisões não aparecem num template de no-code. Elas exigem entendimento do problema, do domínio e das limitações da tecnologia.

A arquitetura RAG: onde o conhecimento humano encontra a geração por IAA arquitetura RAG: onde o conhecimento humano encontra a geração por IA

O Novo Perfil de Desenvolvedor

O que emerge não é o fim do desenvolvedor nem o triunfo do "qualquer um pode programar". É um perfil diferente: alguém que entende profundamente os fundamentos, domina o prompt engineering como uma habilidade técnica legítima, e sabe orquestrar ferramentas de IA como agentes dentro de um sistema maior.

O termo "vibe coding" — que circula nas comunidades tech para descrever o ato de programar guiado por instruções em linguagem natural sem entender o que está acontecendo — é exatamente o que esse perfil não é. Vibe coding produz resultado rápido e problema mais rápido ainda. O desenvolvedor que sobrevive e prospera na era da IA é aquele que usa a velocidade das ferramentas sem abrir mão da profundidade de entendimento.


O Que a Morte do No-Code Ensina sobre Carreira em Tecnologia

Chego aqui à questão que me parece mais importante de tudo isso. O colapso acelerado do no-code e low-code não é apenas uma história sobre tecnologia — é uma história sobre como construir uma carreira resiliente num campo que muda de regras no meio do jogo.

A primeira lição é sobre apostas. Investir anos de aprendizado em uma plataforma específica — seja ela de no-code, low-code, ou qualquer outra ferramenta com nome próprio — sempre carrega o risco de obsolescência. Isso não significa evitar ferramentas. Significa escolher o que aprender com consciência do que é fundamento e o que é superfície.

Fundamentos envelhecem bem. Lógica de programação, estruturas de dados, padrões de arquitetura, princípios de segurança, fundamentos de banco de dados — esses conhecimentos migram entre tecnologias com eficiência. Quem entende o porquê de uma decisão técnica adapta a ferramenta com facilidade. Quem só sabe o como daquela ferramenta específica fica vulnerável quando ela some.

A segunda lição é sobre atenção periférica. Os sinais de que o no-code estava sendo desafiado existiam antes que a maioria percebesse. Não eram óbvios, mas estavam lá — nos fóruns de desenvolvedores, nos repositórios do GitHub, nas newsletters de tecnologia. Cultivar o hábito de observar o que está emergindo nas bordas do seu campo é, talvez, a habilidade mais subestimada de uma carreira em tecnologia de longo prazo.

A terceira — e mais incômoda — é aceitar que estaremos sempre, em alguma medida, aprendendo. Não como punição, mas como condição de relevância. O profissional que se sente desconfortável com isso vai sofrer em ciclos cada vez mais curtos. O que abraça essa condição encontra nela não uma ameaça, mas uma vantagem competitiva permanente.


Quando o Limbo Chama pelo Seu Nome

Não existe tecnologia imune ao limbo. O que existe são profissionais que entendem isso antes e se posicionam de forma mais inteligente.

O no-code e low-code não foram maus investimentos para quem os usou com lucidez — para validar ideias rapidamente, para resolver problemas específicos dentro de suas limitações, para aprender conceitos de desenvolvimento sem a barreira da sintaxe. O erro foi de quem apostou neles como paradigma definitivo, como se a história da tecnologia já tivesse chegado ao seu fim.

A inteligência artificial não é uma batalha entre correntes opostas. É mais uma confirmação de um padrão antigo: novas ferramentas surgem, outras ficam para trás, e os profissionais que navegam bem nesse movimento são aqueles que entendem o por quê das mudanças, não apenas o o quê.

Quando abri aquele projeto de RAG e a velocidade de desenvolvimento me surpreendeu, o pensamento que surgiu não foi "que ferramenta incrível". Foi "o que eu precisei entender para chegar até aqui — e o que vem depois disso que eu ainda não sei?"

Essa pergunta, praticada com honestidade e regularidade, é o melhor antídoto contra o limbo que já encontrei em três décadas trabalhando com tecnologia.

O no-code descansa agora ao lado do Flash, do Cobol corporativo dos anos 90, das ferramentas CASE dos anos 80. Não como fracassos — eles resolveram problemas reais do seu tempo — mas como lembretes de que o horizonte sempre se move. A questão não é se a sua ferramenta favorita vai para o limbo. A questão é se você vai junto com ela.

Nota de transparência: Os exemplos com RAG mencionados neste artigo são baseados em experiências reais de desenvolvimento. Parte deste texto foi estruturada com auxílio de IA generativa e revisada criticamente para garantir que as perspectivas e argumentos reflitam uma visão humana e fundamentada — o que, por si só, é um exercício do que defendo aqui.


Espaço PublicitárioDisponível após consentimento de cookies