Do discovery ao deploy: o impacto da IA no ciclo de desenvolvimento | Genius Talks #04

A IA veio para revolucionar, reinventar a engenharia de software. E o poder dessa tecnologia não está na capacidade de escrever muitas linhas de código, mas na capacidade de agregar contexto. Foi esse o tema do nosso episódio anterior do Genius Talks, sobre a reinvenção da engenharia de software e o papel do engenheiro nisso tudo.

No quarto episódio, o host Alcebíades Araújo, AI Specialist, recebeu Rafael Vieira, AI Product Manager na Squadra, e Douglas Ramalho, Arquiteto e Engenheiro de Software na Squadra, para mostrar, na prática, o impacto da IA no ciclo de desenvolvimento, de ponta a ponta, do discovery ao deploy.

Discovery e design: um mergulho profundo no contexto

Todo processo de desenvolvimento nasce na fase de descoberta, o discovery. Independentemente do negócio, é nessa fase que descobrimos quais são as dores do cliente e o que realmente precisamos resolver para gerar valor.

Nessa fase, a inteligência artificial agrega todo o contexto que gira em torno do negócio. A metodologia do design integral nos permite mapear os fatores internos e externos, desvendar inputs e outputs, entender os processos e definir a estrutura que irá suportar toda a solução pelos próximos anos.

A hiperprodutividade surge da capacidade da IA em agregar o contexto do negócio e não perder mais essa base de conhecimento que é transferida para agentes inteligentes e modelos pré-treinados. Em uma próxima etapa do ciclo de desenvolvimento, ou até mesmo em outro projeto semelhante, conseguimos reutilizar o que a IA aprendeu e não mais refazer do zero, como era comum acontecer na engenharia de software antes do advento da IA.

Quando chega no design, os modelos pré-treinados já sabem exatamente o caminho pelo qual devem seguir, porque além da base de conhecimento armazenada nos agentes inteligentes, as particularidades e individualidades de cada negócio são mapeadas, com escuta ativa dos vários stakeholders dentro do cliente final, e incorporadas ao contexto final que irá guiar a IA.

“Nós criamos modelos pré-treinados que já carregam o histórico do cenário em que você está situado e esse modelos ainda são alimentados com as dinâmicas do cliente, pegando as características mais universais e agregando o contexto do cliente.”, diz Douglas Ramalho.

Build e deploy: o human on the loop como pré-requisito

 Se nas etapas anteriores já era essencial a presença constante do humano na co-criação com a IA, daqui para frente é um pré-requisito.

Como dissemos aqui, a IA tem uma capacidade imensa de geração de código, mas o engenheiro e o arquiteto de software, que são as pessoas que detém o conhecimento técnico, não podem permitir que ela gere todo o código sozinha.

Nesse ponto, é importante aplicar a observabilidade e a explicabilidade. Ao longo da criação do código, a IA não pode tomar decisões por si só. O desenvolvedor precisa estar sempre observando o que ela está produzindo e exigindo que ela explique o porquê de cada uma das suas decisões. Somente dessa forma podemos garantir que aquele código é seguro o suficiente para ser aplicado, por exemplo, em um cenário crítico, como um sistema hospitalar em que um erro pode definir a vida de uma pessoa.

“A IA precisa fazer perguntas para você. Você não quer que ela saia fazendo tudo sozinha, você quer que ela interaja com você nos momentos em que é necessário. Precisamos ter muita consciência para fazer aquilo da melhor forma e não causar nenhum dano.”, traz Douglas Ramalho. 

Quando você segue todas as etapas do ciclo de desenvolvimento de forma estruturada e organizada, co-criando com a IA, com o time técnico e com o cliente, no momento do deploy vários problemas já foram resolvidos. As regras de negócio, o contexto geral e o ambiente do cliente já foram mapeados e tudo isso já fez parte da concepção do modelo pré-treinado lá nas etapas anteriores.

Confira o debate completo no YouTube, Spotify, Apple Podcasts e Deezer.