Como uso AI no meu workflow de código (setup real de um dev freelancer)

Quando falo que uso AI pra programar, a reação geralmente é uma de duas:

1. “Então você não sabe programar de verdade”
2. “Me ensina como”

Esse post é pra pessoa #2. Mas se você é a #1 — leia também. Talvez mude de ideia.

Meu stack de AI

Uso 3 ferramentas diariamente:

• GitHub Copilot — autocomplete direto no VS Code
• Claude (Anthropic) — code review, refactoring, arquitetura
• ChatGPT (OpenAI) — debug rápido, pesquisa, geradores de código

Cada uma tem um papel específico. Nenhuma substitui a outra.

GitHub Copilot: o autocomplete turbinado

Copilot fica no VS Code sugerindo código enquanto digito. É como um pair programmer que lê minha mente.

Onde brilha:

• Implementações óbvias (funções utilitárias, tipos, testes unitários)
• Autocomplete de padrões que já estabeleci no projeto
• Boilerplate que eu escreveria de qualquer jeito

Onde falha:

• Lógica de negócio complexa (aí sou eu quem precisa pensar)
• Código legacy com padrões não convencionais
• Às vezes sugere código deprecado ou inseguro

Minha regra: aceito sugestões do Copilot como rascunho, nunca como versão final. Sempre leio e valido antes de aceitar.

Claude: o revisor e arquiteto

Claude é minha ferramenta principal pra trabalho pesado com código.

Meu workflow com Claude:

1. Code review: Colo um PR inteiro e peço “revisa esse código, foca em bugs, performance e security”
2. Refactoring: “Esse componente React tem 400 linhas. Sugira como quebrar em componentes menores mantendo a mesma funcionalidade”
3. Arquitetura: “Preciso implementar X feature. Quais são as opções de arquitetura? Prós e contras de cada uma”
4. Documentação: “Gere JSDoc pra essas funções baseado na implementação”

Claude com 200K tokens de contexto segura projetos inteiros. Posso colar 10 arquivos e pedir análise transversal — e ele entende.

ChatGPT: o canivete suíço

ChatGPT entra quando preciso de respostas rápidas ou ferramentas específicas.

Meu workflow com ChatGPT:

1. Debug: Colo o stack trace e pergunto “o que tá causando isso?” — resolve em 80% dos casos em 5 minutos
2. Regex: “Escreve uma regex que faz X” — nunca mais perdi tempo no regex101
3. Pesquisa: “Qual a diferença entre X e Y no React 19?” — com busca integrada, cita docs oficiais
4. Gerador: “Gera um schema Zod pra esse JSON” — economiza 20 min de digitação

O que mudou na minha produtividade

Antes de AI:

• Boilerplate: 30 min/dia escrevendo código repetitivo
• Debug: 45 min/dia em erros simples
• Docs: 20 min/dia documentando
• Research: 60 min/dia lendo Stack Overflow

Depois de AI:

• Boilerplate: 5 min (Copilot faz, eu reviso)
• Debug: 10 min (ChatGPT encontra, eu verifico)
• Docs: 5 min (Claude gera, eu ajusto)
• Research: 15 min (ChatGPT resume, eu confirmo)

Economia: ~2h/dia. Em um mês, são 40+ horas. É como ter uma semana extra de trabalho.

O que AI NÃO faz por mim

• Pensar na arquitetura: AI sugere opções, eu decido
• Entender o contexto do negócio: AI não sabe por que o cliente quer X feature
• Garantir qualidade: AI sugere, eu testo, eu valido
• Responsabilidade: Se o código bugou em produção, a culpa é minha — não da AI

Dicas pra quem quer começar

1. Instale o GitHub Copilot (tem trial grátis) — é a forma mais natural de começar
2. Crie uma conta no Claude (grátis) — cole código e peça review
3. Pare de copiar do Stack Overflow — pergunte pro ChatGPT e peça explicação
4. Sempre leia o código sugerido — AI erra. Você precisa pegar o erro
5. Invista em prompts bons — 2 minutos num prompt claro economizam 20 minutos de retrabalho

Conclusão

AI não substitui saber programar. Ela multiplica quem já sabe.

Se você entende o que tá fazendo, AI te torna 2-3x mais produtivo. Se não entende, AI pode te enganar com código que parece certo mas não é.

A chave: use AI pra executar, mas continue pensando com a sua cabeça.