A analogia com camadas de abstração faz sentido, mas acho que existe uma diferença importante: nas camadas anteriores, a ferramenta normalmente executa regras bem definidas; com IA, parte da implementação é inferida a partir de exemplos e contexto, então o resultado pode variar e esconder decisões relevantes.

Eu começaria usando IA para tarefas pequenas e bem delimitadas, com testes e critérios de aceitação claros. Depois, usaria para explorar alternativas, gerar código repetitivo e ajudar na documentação. Só então delegaria partes mais centrais do sistema, mantendo revisão humana e observabilidade. A ordem importa porque cada etapa cria evidência sobre onde o modelo acerta, onde falha e quais conhecimentos ainda precisam estar na cabeça de quem desenvolve.

Nesse cenário, saber programar não perde valor; muda de lugar. Sai um pouco da digitação de código e entra mais forte na modelagem do problema, na escolha de abstrações, na avaliação dos trade-offs e na capacidade de perceber quando uma implementação aparentemente correta está errada. Sem esse repertório, a linguagem natural vira apenas uma forma mais confortável de produzir código que ninguém consegue avaliar.