Carmine Paolino defende de forma convincente que o Ruby é a melhor linguagem para construir aplicações de IA em 2026 — não por causa do treinamento de ML (esse é o território do Python), mas porque o desenvolvimento moderno de IA é apenas chamadas HTTP, e tudo ao redor disso é engenharia web.
O argumento central: a integração com um LLM é uma chamada HTTP. O que importa é tudo ao redor dela — streaming de respostas, persistência de conversas, rastreamento de custos, troca de providers. É aí que o Rails brilha.
A comparação entre RubyLLM, LangChain e Vercel AI SDK é impressionante. A API do Ruby lê como prosa:
RubyLLM.chat.ask "Hello!"
Enquanto o Python exige cerimônia — especificar providers, envolver mensagens em classes, lidar com estruturas de resposta inconsistentes entre providers (o LangChain retorna o uso de tokens sob chaves diferentes dependendo do provider do modelo, e o Gemini não retorna de jeito nenhum).
Alguns pontos que se destacaram:
- A sobrecarga cognitiva se acumula. Menos abstrações significam onboarding mais rápido, menos bugs e depuração mais fácil às 2 da manhã.
- O Rails te dá o resto do produto. Autenticação, cobrança, jobs em background, UI com streaming, persistência — tudo resolvido. O exemplo de chat com streaming usando ActiveJob + ActionCable é absurdamente conciso.
- Escalabilidade não é um problema. Cargas de trabalho de LLM são limitadas pela rede, não pela CPU. A concorrência assíncrona baseada em Fiber do Ruby lida com alta concorrência sem explosão de threads.
A prova social é difícil de ignorar: o RubyLLM chegou ao #1 no Hacker News, ~3.600 estrelas, 5 milhões de downloads. Times que migraram do LangChain não voltam atrás.