Ganbatte: Judô e vibe coding

Alguns anos atrás comecei a pensar a respeito de quais seriam os principais habilitadores de performance competitiva. Meu incômodo era, principalmente, ver atletas da nova geração, que conseguem atingir bons resultados em competições nacionais, mas ainda não chegaram ao ouro.

Essa não é uma situação nova. Pensei na minha própria experiência competitiva (que não foi lá muito extensa) e facilmente consigo me lembrar de companheiros que foram excepcionais. Aos poucos se consolidaram como inconstestáveis em estaduais; treinaram arduamente até conquistarem os regionais e, finalmente, chegou o tempo em que travaram batalhas épicas em campeonatos de alto nível nacional.

Mas o que falta para o ouro?

Nesse problema, enxergo três variáveis básicas que são, na minha opinião, determinantes para a preparação e performance do atleta: A motivação do atleta; a estutura do clube e a metodologia de treinamento.

A motivação pode ser trabalhada, mas é com certeza difícil de mudar. Como sempre disse o meu Sensei, provavelmente durante algum sermão: “Ninguém pode querer mais do que você”.

A estrutura do clube é um ponto a ser pensado em longo prazo, um projeto que precisa avançar no seu próprio ritmo. Falando de clubes menores, muitas vezes vemos estruturas de verdadeiras “euquipes”, em que um único professor é preparador físico, fisioterapeuta, nutricionista, motorista, psicólogo, influencer, patrocinador e, claro, Sensei.

Basicamente temos duas constantes em mãos. O que me levou a refletir a respeito da metodologia de treinamento. Mas o que precisava mudar?

Transformando atiradores de elite em enxadristas

A resposta só veio mais tarde. As conversas sobre isso com meu Sensei coincidiram com a conquista do ouro olímpico de Bia Souza, quando o tema de análise de desempenho competitivo começou a aparecer pra mim com mais frequência. O Sensei e medalhista olímpico Leandro Guilheiro resume bem esse ponto em seu post no instagram.

Fazer a diferença com o treinamento implicaria em aplicar mais inteligência a nossa preparação. Para estar dois ou três passos a frente dos nossos adversários, precisariamos deixar de ser atiradores de elite, cuja missão é considerada falha caso o tiro erre o alvo, para nos tornarmos enxadristas, verdadeiros especialistas em reconhecer, adaptar e reagir da maneira mais precisa possível.

Falando assim parece simples, mas como atingir esse nível? Bom, um pequeno exemplo. Quem não lembra do estrago que fez o icônico Safonov e sua toalha mágica diante do Flamengo em 2025? Talvez uma folha de papel já seja suficiente pra fazer alguma diferença.

Colocando as ideias no lugar

Com a ideia de centralizar em um único lugar tudo que poderia se saber sobre um determinado atleta, lá por meados do final de 2024, comecei a testar algumas hipoteses que me levaram a uma prova de conceito inicial. A ideia era, além de catalogar, conseguir extrair análises quantitivas que pudessem dar informações pertinentes para complementar o treinamento de atletas de alto rendimento em competições nacionais.

Comparação de estatísticas básicas

Eu chamei de “Ganbatte”. Caso não saiba, talvez o leitor já tenha ouvido essa palavra em um anime ou outro, essa expressão significa algo como “dê seu melhor” ou “se esforce ao máximo” em Japonês, parecia bom.

A primeira proposta apenas fazia algumas análises sobre dados mais diretos e se baseava em uma funcionalidade de comparação de dois atletas, mostrando informações e gráficos.

Isso me ajudou a colocar o pé no chão a respeito de um ponto que me levaria a mudar drasticamente a implementação final. Aquela dashboard, apesar de boa, parecia incompleta. Inclusive, essa versão nunca chegou a ver a luz do dia.

Após um hiato de alguns meses, quase um ano inteiro, consegui traduzir esse sentimento de “incompletude”. Na verdade, o amontoado de dados que eu estava trazendo me permitia DESCREVER os eventos, mas sem entender de fato o PORQUÊ deles terem acontecido. Essas são duas coisas bastante diferentes.

Para enxergar os atletas, ou os combates, sob essa perspectiva, me baseei em alguns conceitos estatísticos, muitos que vi o Sensei Leandro Guilheiro falando a respeito nessa entrevista. Claro, de forma limitada afinal estou longe de ser um bom estatístico ou matemático. Mas eu precisava de artifícios que melhorassem a qualidade dos dados a ponto de conseguir responder perguntas como:

1. Quanto tempo o atleta passa lutando com postura dominante?
2. Quando o atleta está vencendo, o quão efetivo ele é na luta de solo?
3. O quão produtivo é esse atleta no combate?

Essas e muitas outras perguntas me guiaram ao desenvolvimento do que temos hoje. Bom, vamos ver.

Reimplementando, aprendendo e aplicando

Essas perguntas alimentaram a implementação de uma segunda versão mais definitiva e, a partir de então, passamos a alimentar o sistema com dados enquanto, no tatami, os insights apoiavam análises qualitativas que direcionavam o treinamento. Ao todo, observamos detalhadamente cerca de 15 possíveis oponentes ao longo de 2 meses e meio de preparação.

Nesse processo, fizemos algumas constatações que mudaram os rumos do processo em vários sentidos. Enquanto descrevo alguns desses aprendizados, deixo algumas amostras de algumas partes do sistema.

O atleta não precisa dos dados

Bom, apesar de parecer, essa não é uma constatação óbvia. Essa é uma ferramenta para o técnico, que deve fazer o trabalho de interpretar, filtrar e traduzir o que foi observado em forma de treinamento e orientação.

Informação de mais é, muitas vezes, tão prejudicial quanto informação de menos. Inundar o atleta de análises e possibilidades pode, por exemplo, fazê-lo não investir em oportunidades claras de vitória no início porque os dados indicavam que a melhor chance viria após os 2 minutos de combate, algo semelhante ao problema de overfitting em machine learning.

Estar pronto para tudo não é se preparar para tudo

Com tanta informação disponível, torna-se humanamente impossível fazer preparações específicas para todos os possíveis adversários.

Sabendo disso, é necessário priorizar e estabelecer dois grupos diferentes de oponentes, os que “estaremos preparados para tudo” e saberemos a respeito de cada movimento e nuance que foi possível observar previamente; e os que “estaremos prontos para tudo”, que conheceremos com menos detalhes, mas suficientemente para ter a confiança necessária para adaptar e vencer.

Uma boa análise qualitativa é 85% do trabalho

Dados são frios, eles resumem o agregado histórico da experiência de um atleta e as análises são aproximações estatísticas daquilo que já aconteceu.

Isso torna a análise quantitativa uma ferramenta complementar para a análise qualitativa. O olhar experiente e treinado detecta no combate anteriormente registrado detalhes que o os dados não enxergam.

Chegando ao final, só um pouquinho sobre vibe coding

Construir esse projeto pra mim tem sido muito gratificante. Sim, nós atingimos alguns resultados interessantes e vamos continuar trabalhando pra cada vez mais deixar tudo isso maior e melhor.

Deixo o agradecimento e dedico esse trabalho ao meu Sensei, Elton Nunes Rabelo, pelas provocações e parceria para que conseguisse construir algo que realmente fizesse a diferença.

E a IA? Claude? Google Antigravity? Codex? Vibe Coding?

Esse tema já está bastante exaurido, inclusive, acho que não tenho nada de original para falar a respeito. Mas acho importante deixar documentado um pensamento.

Estamos vendo uma era em que o código ficou fácil, mas não podemos confundir input de código com Engenharia de Software. Esse projeto me ajudou a entender com clareza quais os limites e benefícios dessas ferramentas. Pra ter ideia, a primeira versão(aquela lá de cima) foi implementada quando ainda não existiam, ou eram muito limitados, agentes que interagiam com a IDE ou linha de comando.

Para quem por acaso tem medo da IA

Como disse Fabio Akita, nesse trecho do seu blog:

IA reflete quem você é.

Se você é bom, ela acelera código bom.

Se você é ruim, ela acelera dívida técnica numa velocidade industrial.

IA não vai pegar programador ruim e transformar em programador bom. Nunca transformou, não transforma e não vai transformar.

Pra chegar até o fim desse projeto eu me dediquei a estudar os conceitos, entrevistar o usuário, buscar as melhores fontes de informação, entender qual seria a melhor UI, como modelar os dominíos, quais informações eram relevantes... e quantas vezes eu já não fiz isso construindo coisas por aí?

Nada mudou. A IA estava lá, e como sempre o que eu fiz foi acordar todos os dias buscando a excelência pessoal ou profissional, como o judô me ensinou. E é assim que vou continuar.