Com destacar en tecnologia amb IA: construir, publicar i iterar
La IA escurça la distància entre idea i prototip. El vídeo proposa construir en públic i iterar, però l’avantatge real exigeix criteri, proves i comprensió.
La intel·ligència artificial no elimina automàticament els bons programadors, però sí que canvia què dona avantatge. Aquesta és la tesi de Lattice: quan generar una base de codi, explorar una llibreria o construir un prototip costa molt menys temps, guanya qui redueix la distància entre idea, prova i aprenentatge.
El vídeo és deliberadament motivacional. Divideix els desenvolupadors entre “espectadors”, que observen l’onada amb por, i “surfistes”, que aprenen a moure-s’hi. La metàfora és útil si s’hi afegeix una cautela: fer més codi no és el mateix que produir programari correcte, segur i mantenible.
1. Per què el creador veu una oportunitat
A 00:00, Lattice defensa que mai havia estat tan fàcil convertir una idea en una eina real. Tasques que exigien un equip o moltes hores de documentació es poden accelerar amb assistents que generen esquelets, expliquen errors i proposen implementacions.
La promesa no és que una persona substitueixi sempre vint especialistes. És que una persona pot validar un producte, preparar una demostració o automatitzar una feina abans d’invertir-hi una estructura gran. Això afavoreix estudiants, creadors independents i equips petits.
Les dades confirmen que l’adopció és massiva, però no unànimement positiva. A l’enquesta de Stack Overflow de 2025, el 84% de participants usava o preveia usar eines d’IA en desenvolupament i el 51% dels professionals ja ho feia diàriament. Alhora, el sentiment favorable havia baixat al 60%.
2. Espectadors i surfistes
A 01:17, l’espectador apareix bloquejat per una llista de sigles, models i productes, o per la idea que usar IA el converteix en pitjor programador. El surfista accepta que el programari sempre s’ha construït sobre abstraccions: frameworks, biblioteques, documentació, codi obert i respostes d’altres persones.
La diferència no és prémer un botó, sinó fer servir l’eina per aprendre i executar. El vídeo proposa generar un tauler per explorar una idea, demanar una explicació d’un concepte gràfic, navegar una base de codi desconeguda, automatitzar tasques repetitives i escurçar la depuració.
L’analogia té un límit. Una biblioteca estable té una interfície definida i versions auditables; un model pot inventar funcions, ometre requisits o produir una resposta diferent davant el mateix encàrrec. Adoptar IA no eximeix de llegir el codi, executar proves ni entendre el sistema.
3. El gran avantatge són els bucles curts
A 01:55, el creador assenyala el factor més sòlid del seu argument: el temps entre una hipòtesi i el retorn d’informació. Si es pot construir una versió mínima avui, demà ja es pot observar si algú la vol, on falla i què cal aprendre.
Un bucle curt canvia la manera d’estudiar. En lloc de memoritzar una tecnologia sencera abans de començar, el desenvolupador formula una pregunta concreta, implementa, mesura i torna a la teoria amb context. Això no substitueix els fonaments; els connecta amb una necessitat.
La recerca d’Anthropic sobre 500.000 interaccions de programació va trobar més automatització a Claude Code que al xat general i una concentració destacada en interfícies i aplicacions web. També descriu molt feedback humà i iteració. És a dir, l’ús real s’assembla més a un cicle de delegar, comprovar i corregir que a una construcció autònoma infal·lible.
4. El coll d’ampolla passa del teclat al criteri
A 02:34, Lattice diu que el programari es converteix en un joc de creativitat: detectar problemes, connectar idees i actuar abans que desaparegui l’impuls. Si escriure sintaxi és més barat, augmenta el valor de decidir què mereix existir.
També creixen altres responsabilitats. Cal saber concretar requisits, separar un prototip d’un producte, protegir dades, escollir arquitectura i reconèixer quan una resposta és plausible però falsa. El criteri inclou dir “no” a una implementació ràpida que crea deute, risc o dependència.
Stack Overflow recull aquesta tensió: el 52% percebia un efecte positiu sobre la productivitat, però el 87% expressava preocupació per l’exactitud dels agents i el 81% per seguretat i privacitat. La velocitat és real per a molts usuaris; la revisió continua sent necessària.
5. Construir en públic genera senyals
A 03:50, el vídeo afegeix una dimensió professional. Una persona pot publicar un projecte, una demostració curta, una explicació d’un error o una idea apresa a classe. No cal convertir-se en influenciador: l’objectiu és deixar evidència que construeix i acaba coses.
Un portafolis visible comunica millor que una llista de tecnologies sense context. Permet observar decisions, evolució i capacitat d’explicar. Perquè el senyal sigui creïble, convé incloure el problema, els límits, proves, captures, repositori i què va aportar exactament l’autor.
Publicar codi generat sense entendre’l produeix el senyal contrari. En una entrevista, un prototip petit defensat amb profunditat sol valer més que una aplicació enorme que el candidat no sap modificar.
6. Deixar de preguntar si una idea és “prou bona”
A 04:29, Lattice critica el filtre prematur: “servirà per al currículum?”, “tinc prou nivell?” o “hauria d’esperar?”. La seva resposta és utilitzar IA, plantilles, repositoris, biblioteques i documentació per aprendre construint.
L’ordre proposat és simple: construir, publicar, mostrar, iterar. Repetir-lo transforma una identitat aspiracional —“vull ser programador”— en un historial observable. Una idea imperfecta també ensenya abast, interfícies, desplegament, retorn d’usuaris i manteniment.
Per evitar que la velocitat es converteixi en fragilitat, cada projecte pot imposar controls mínims:
- explicar amb paraules pròpies les peces principals;
- provar camins normals i errors;
- revisar dependències, secrets i llicències;
- mesurar abans d’afirmar rendiment;
- documentar què ha generat o suggerit la IA;
- refactoritzar després de validar la idea.
7. Aprendre amb IA sense perdre habilitat
El patrocini final presenta un tutor de matemàtiques i programació. Més enllà del producte anunciat, la idea important és usar l’assistent per fer preguntes conceptuals, no només per obtenir una solució.
Un estudi controlat d’Anthropic sobre l’aprenentatge d’una llibreria de Python va observar que els participants amb més domini demanaven explicacions, formulaven preguntes de seguiment i combinaven ajuda amb treball propi. L’acceleració, per si sola, no garantia comprensió.
Una bona pràctica és alternar tres modes: primer intentar formular el problema; després usar IA per comparar enfocaments o desbloquejar-se; finalment reconstruir i provar sense copiar cegament. Si no es pot predir què farà el codi davant una entrada nova, encara no s’ha après prou.
Conclusions
El vídeo encerta en el canvi d’avantatge: en un entorn amb generació de codi barata, importen més la iniciativa, els bucles de retorn, el criteri i la capacitat de mostrar treball acabat. Esperar a dominar-ho tot abans de construir és encara menys útil que abans.
Però “surfejar” no significa delegar el pensament. Les mateixes dades d’adopció mostren dubtes forts sobre exactitud i seguretat. El desenvolupador que guanya no és qui accepta més línies generades, sinó qui converteix la velocitat en experiments verificables, aprenentatge i productes que pot explicar i mantenir.
Contrast i context
Fonts consultades
-
01
Lattice The Art Of Winning In Tech
-
02
Stack Overflow 2025 Developer Survey: AI
-
03
Anthropic AI’s impact on software development
- 04
Font de treball
Transcripció amb marques de temps
Consulta la transcripció
-
0:00
, obre el vídeo en una pestanya nova
There has never been a better time to be a soft orange and here. I know everyone scared about the whole AI wave, but if you're anything like me, you got interested in software because of the ability to make something real. Something another person could actually use. Something that could blow up and change the world, all while just needing a laptop and an idea. And that has never been more achievable than now. What you say take a team of five can now take one person. What you say take years of learning syntax and documentation and writing every single line by hand,
-
0:25
, obre el vídeo en una pestanya nova
you can now do in a fraction of the time. And trust me, I know everywhere you look and all over the comments of this video, people are gonna say software developers will be completely wiped out. But the ones getting wiped out by the AI wave aren't losing because they're bad developers. They're losing because that world of software is fading out. But the people winning, you know that one guy in your classes with five internships and a job lined up, or the guy who built something real enough that a company just hired them for it, or the back-in engineer at a normal tech company who became so productive with AI
-
0:52
, obre el vídeo en una pestanya nova
that they now own systems they would have never touched, or the random developer charging $50 a month for a 2day built-in weekend, or the founders chasing a vision that they actually believe in with a team of 2 instead of 20. They're all winning for the same reason. They understood the new rules faster, about what's a build, how to build it, and how to use every resource available to close the gap between where they are and where they want to be. So instead of getting wiped out by this new wave of software engineering, picture two types of people.
-
1:18
, obre el vídeo en una pestanya nova
The first person is the spectator. For whatever reason, they never fully leaned into the AI wave, and honestly part of it's It's probably because the entire space feels overwhelming. They hear LLMs, Rag, Agents, GPT, Cloud, OpenAI, and Thropic, and after a certain point, it just all starts blending into one giant cloud of AI words. Or they've been told that using AI somehow makes them a worse programmer, so they keep their distance from it. But on the other hand, you have the server.
-
1:41
, obre el vídeo en una pestanya nova
The server understands that this is a field built on abstraction. Nobody calls you a fake programmer for using frameworks or libraries, Stackover, Flow, Random, Open Source Code, where you don't even know how it works. So instead of resisting the wave, they learn how to move with it. They use AI to learn fundamentals faster to experiment faster to close the gap between what they can imagine and what they can actually build. Maybe you're building web apps and you use AI to scaffold an entire dashboard in a day. Or maybe you're building a game engine and using AI to help explain some brutal graphics
-
2:09
, obre el vídeo en una pestanya nova
concept that would have taken you hours to decode from documentation alone. The leverage looks different depending on the field, but the surfers regardless are experimenting. They're shortening the distance between idea and execution. They have an idea and immediately test it. They automate boring parts of their workflow. They use AI to understand unfamiliar code bases faster. To research faster, to prototype faster, to debug faster, to learn faster. Their feedback loops are insanely short.
-
2:34
, obre el vídeo en una pestanya nova
And that matters because software engineering is becoming more and more of a creativity game. In the sense that the people that are winning are the people noticing things, connecting things, building weird tools that nobody even thought of before. And following curiosity, fast enough before the excitement disappears. Because a few years ago, if you wanted to test an ambitious idea, the barrier was enormous. Now some random student can lock in for a weekend and accidentally build something that thousands of people use.
-
2:56
, obre el vídeo en una pestanya nova
And I think a lot of developers still haven't adjusted to how insane the shift actually is. They're still waiting until they know we know of or until they master that one language or framework or just completely distancing themselves from this new wave of technology. Meanwhile, the surfers moving the fastest are already in the water, building testing, learning, shipping adjusting because programming is becoming less about manually typing every break yourself and more about what should exist in the first place. The bottleneck is no longer, can you write the code?
-
3:24
, obre el vídeo en una pestanya nova
It's can you think clearly? Can you recognize good ideas? Can you move on them quickly? Can you learn fast enough to keep up with your own ambition? Because AI doesn't remove the need for builders, if anything, it raises the ceiling for the ones that actually build. But adapting to this new wave isn't just about using AI, it's about learning how to think clearly while using it, which is why you need to.
-
3:44
, obre el vídeo en una pestanya nova
You can't just build and silence anymore. The people getting opportunities right now, like internships or furl, startup roles, even research physicians, are often the ones who are most visible. They're building their projects and they're also posting it on LinkedIn. Or they're doing short demo videos on Twitter. Or maybe they're just writing about random things that they learn from a class or a bug or a failed project or a random opinion that they have about program. Not because they're influencers, but it signals that this person is actively building.
-
4:09
, obre el vídeo en una pestanya nova
And in this new era of software engineering, especially at companies that are literally shaping this wave like open AI or in Thrope. A people who are reviewing talent here are looking for builders who are already in motion, not just people who say that they're interested. So you don't need a perfect portfolio, you just need a visible one. And the third part of this is that you have to stop over filtering what you're allowed to build. People get stuck because they keep asking, is this idea even good enough for my resume or
-
4:35
, obre el vídeo en una pestanya nova
for my portfolio, or they might ask am I skilled enough or should I wait until I know more? But the people who are actually improving are just using everything available to them and just building it anyway. So using AI, libraries, templates, random GitHub repos, documentation, they're trying to brute force learning through build. Even if it feels not good enough or maybe it feels too good and it feels ambitious or if it feels messy or something that one person shouldn't be able to build. That's exactly the point.
-
5:02
, obre el vídeo en una pestanya nova
Because the fastest way to become that kind of programmer is the one who just builds things and makes it work is to stop negotiating with yourself every time that you get an idea. build it, ship it, show it, hit a rate, and slowly your identity starts to catch up with your behavior. And the one thing under all of that, the thing that lets you keep up with your own ambition is to never stop learning, which is why I genuinely got excited when I saw that brilliant today's sponsor just drops something game-changer. This is the new brilliant. It's a personal tutor for math and coding, and it's the fastest tool I've used to actually get good at this stuff. It sits on your screen with you, adapts to how you think, and makes
-
5:33
, obre el vídeo en una pestanya nova
hard concepts feel like puzzles that you actually want to solve. The curriculum covers everything from the fundamentals all the way through college level and above in subjects like math and coding built by people from MIT, Harvard, and Stanford so you know you're getting the best of the best. And for where we're at and software right now the coding side is specifically focused on the things that actually match such as logical reasoning, debugging, and stinks, thinking clearly under complexity. It's also there every day, no scheduling, no friction, you can just open it and go. So if you want to level up as a developer and try brilliant, click the link below or scan the QR code to get started with Brilliant's tutor for free. You can upgrade
-
6:06
, obre el vídeo en una pestanya nova
to premium to unlock all courses. And right now, Ladys viewers can save 20% off in annual subscription at brilliant.org slash Ladys. So thank you once again to Brilliant Forre sponsoring this video and thank you to everyone for watching. I'm really trying to up the levels, like editing better, uploading more, and all that stuff. So subscribe, like, comment, share, everything. Thank you.
