Um cientista de dados acabou de demonstrar o que estávamos esperando: IA que lida com workflows completos, não apenas trechos de código. Usando Codex e Model Context Protocol (MCP), ele processou 1.85GB de dados XML do Apple Health—desde o download do Google Drive até a análise do BigQuery—em 30 minutos. A IA localizou arquivos, referenciou código do GitHub de seis anos atrás, escreveu parsers em Python, fez upload de datasets, executou queries SQL, e gerou um relatório estruturado. O que teria sido "pelo menos um dia inteiro" de trabalho manual virou uma conversa guiada com um agente de IA.
Isso importa porque representa a mudança da IA como assistente de programação para IA como participante do workflow. Enquanto ferramentas como Cursor e Claude ajudam a escrever funções individuais, essa abordagem conecta Google Drive, GitHub, BigQuery, e ferramentas de análise através do MCP—essencialmente criando agentes de IA que entendem toda sua infraestrutura de dados. O desenvolvedor escolheu explicitamente Codex em vez do seu Claude habitual para testar as ferramentas, sugerindo que esses workflows estão se padronizando entre provedores.
Nenhuma outra cobertura existe ainda, o que é revelador. A comunidade de ciência de dados tende a ser cética do hype de IA, mas isso parece diferente—é um exemplo funcional com cronogramas específicos, tamanhos de arquivo, e integrações de ferramentas. O autor admite que foi um "exemplo simples" com dados pessoais de saúde, não complexidade em escala empresarial com requisitos de governança, problemas de qualidade de dados, ou restrições regulatórias.
Para desenvolvedores construindo workflows de IA, isso valida a abordagem MCP para conectar sistemas díspares. O teste real não é se a IA consegue analisar datasets limpos—é se ela consegue lidar com a engenharia de dados bagunçada do mundo real que geralmente mata projetos pessoais. Baseado neste exemplo, estamos chegando perto.