File over app é um crivo para a decisão de ferramentas e fluxos de trabalho digitais que visa criar e utilizar artefatos digitais que durem e sejam utilizados por muitos anos (ou mesmo indefinitivamente), de maneira independente do software disponível. Esse crivo foi definido por Steph Ango em 2023 em um post de seu blog.

O crivo File over app restringe a decisão de ferramentas e fluxo obrigando que todos os artefatos digitais criados ou usados:

  • Existam como arquivos que você controla: Decida sempre por arquivos locais ou facilmente baixáveis/exportáveis;
  • E que o formato utilizado para esses arquivos sejam facilmente recuperados e utilizados: Decida sempre em favor de formatos abertos, de preferência baseados em texto e facilmente manipulados por qualquer editor de texto.

A idéia principal que sustenta essa idéia é a observação empírica que softwares são efêmeros e facilmente um editor ou programa que seja usado hoje para manipular um formato de arquivo proprietário pode estar inacessível e sem suporte no futuro. Se, sem acesso ao software original perde-se acesso também aos dados, os dados tornam-se tão efêmeros quanto o software que foi utilizado para criá-los. Também conclui-se que a propriedade dos dados não é realmente do criador do artefato, pois eles ficam limitados a serem utilizados apenas de certas maneiras, como o criador da ferramenta permitiu ser feito.

Empiricamente, a efemeridade do software me parece ainda mais forte no mundo pós SaaS. Muitos softwares que eu usava para criar anotações e diagramas durante o meu mestrado, há uns 7 anos atrás, já não tenho acesso nos dias atuais, seja por terem perdido suporte do desenvolvedor como um todo ou ao formato de arquivo que eu utilizava, ou seja ganhando paywalls que, para mim, não valham o custo. Mesmo diagramas que fiz há poucos anos atrás eu perdi acesso quando a empresa que eu estava parou de pagar a plataforma que utilizávamos. Contraste isso com documentos existentes no “mundo real”: um livro de 1000 anos pode ser lido por qualquer um que seja capaz de ver e conheça a língua em que ele foi escrito.

Sinergias com IA

Abordagens File over App, principalmente aquelas que usam formatos de arquivos textuais, se tornam ainda mais interessantes quando colocamos agentes de IAs/LLMs nos fluxos de trabalho do dia-a-dia, pois abrem mais possibilidades para a transformação e o uso facilitado dos dados armazenados nesses arquivos. As LLM atuais apresentam razoável capacidade em “compreender” e manipular os dados presentes nesses arquivos, tanto esses dados representados de maneira não-estruturada quando para dados representados de maneira estruturada, mantendo a fidedignidade da informação.

Em meus usos diários, agentes de IA se mostraram sendo ferramentas muito úteis para fazer extrações de dados e transformações ad hoc de arquivos entre formatos de representação textuais que estejam relativamente bem descritos ou com exemplos. LLMs são, também, muito úteis para estudar e dialogar com as informações presentes em vários arquivos textuais ao mesmo tempo. Porém, deve-se ter em mente que toda transformação ou extração de dados por LLM ainda podem sofrer de “alucinações” ou falhas, e o resultado deve ser sempre verificado.

Como decisão empresarial e no desenvolvimento de software

Como tudo que cai em uma decisão empresarial, há sempre uma consideração de custo, de eficiência e de oportunidade: vai ser muito difícil, ou mesmo contra-producente, tentar implementar File over app em todos os pontos do trabalho.

Porém, na área de desenvolvimentos nós estamos razoavelmente bem posicionados para decidir por abordagens independentes de software, pois já temos muitos formatos de arquivos com suporte extenso para os mais diferentes usos. Algumas sugestões de usos e formatos de arquivos:

  • Documentação/anotações: armazenadas em Markdown. Lidos com qualquer editor de texto e com renderização suportada por muitos editores/IDEs e repositórios de código.
  • Diagramas de diversos tipos: criadas com mermaid ou plantuml, dentro de arquivos markdown ou em arquivos próprios. São renderizados em muitos editores/repositórios quando inseridos nos arquivos markdown. Podem ser transformados em imagens para visualização facilitada (SVG de preferência) usando CLIs.
  • Requisições HTTP para teste: Arquivos HTTP/Rest e usados com suportes variados.
  • Tabelas/planilhas: CSV/TSV para artefatos que possam ser usados de diferentes formas. OpenDocument para planilhas gerais (mas, em geral, a facilidade de compartilhamento com o resto do time de um Google Spreadsheets vai acabar vencendo nesse caso).
  • Valores quaisquer, tais como logs, configuração, etc…: YAML, JSON, XML, ENV Files…

Quando arquivos puramente locais e compartilhados via repositórios de código não trazem uma boa usabilidade, dê preferência a soluções mais gerais e facilmente exportáveis que soluções muito dedicadas. Por exemplo, documentos de reuniões 1-a-1 são melhor aproveitados quando compartilhados por líder e liderado. Nesse sentido, muitas plataformas de gestão de pessoas vão prover soluções para criar esses documentos. Porém, minha experiência é que frequentemente o RH vai mudar de plataforma e poucas dão opções para exportar os registros de maneira facilmente reutilizável (se é que dão acesso a qualquer exportação). Nesse sentido, manter um documento no Google Drive ou Confluence privado e compartilhado é uma solução muito mais à prova de futuro, pois essas plataformas permitem exportação fácil para formatos de documentos com suporte externo como DOC ou ODC.

Naturalmente, no dia-a-dia de uma equipe de software nem tudo precisa ser File over app e armazenamento local: há muitas situações que a solução dedicada e sem interoperabilidade é suficiente, pois sincronização facilitada é mais importante ou os dados são importantes em um período definido de tempo. Por exemplo, não faz sentido implementar uma solução File over App para gestão de tarefas e sincronização se temos um Jira ou outra plataforma disponível: as facilidades que essas plataformas trazem para o dia-a-dia são muito mais importantes que a gestão local de todas as informações. Porém, mesmo assim, é preciso pensar em implementar práticas que possam manter o conhecimento produzido disponível e re-utilizável por um longo tempo.