O CTO reformula o ciclo de vida da engenharia — e o impacto na sua equipa

Sergey Terentyev lidera a tecnologia e a engenharia num ambiente bancário digital licenciado. No último ano, reformulou todo o ciclo de vida da engenharia para que a IA fosse integrada em cada etapa.

Falámos com Sergey para saber mais. Contou-nos o que mudou e de que forma isso afetou a sua equipa.

A IA está a mudar mais do que as ferramentas

Sou o Sergey e, atualmente, desempenho o cargo de CTO no setor bancário e da tecnologia financeira nos EAU. Comecei como engenheiro de software e passei a desempenhar funções de liderança através da criação de produtos, do crescimento de equipas e da resolução de problemas tecnológicos complexos.

O meu caminho para a transformação com IA foi simples: os métodos tradicionais de criação e gestão de equipas tecnológicas estão a tornar-se demasiado lentos. As equipas continuam a passar demasiado tempo em trabalho repetitivo, coordenação, documentação, suporte e processos manuais.

Agora, concentro-me na adoção prática da IA nas organizações de engenharia e de produto. Não na IA enquanto moda, mas como forma de avançar mais depressa, melhorar a entrega, reduzir o desperdício e ajudar equipas mais pequenas a alcançar muito mais.

Vejo este momento como uma oportunidade para repensar a forma como funcionam as organizações tecnológicas. A IA está a mudar não só as ferramentas, mas também as equipas, a liderança e a forma como as empresas criam produtos.

Equilibrar a inovação e a regulamentação

A organização onde lidero a tecnologia e a engenharia opera num setor altamente regulamentado, pelo que o panorama tecnológico combina o desenvolvimento moderno de produtos com requisitos de segurança, conformidade e operações ao nível empresarial.

A organização de engenharia abrange plataformas móveis e Web, serviços de back-end, infraestrutura de nuvem, cibersegurança, integrações, plataformas de dados e gestão de fornecedores. Trabalhamos tanto com desenvolvimento interno como com parceiros externos estratégicos, enquanto transferimos gradualmente mais capacidades essenciais para o interior da organização.

Do ponto de vista da arquitetura, estamos a avançar para um modelo mais modular e orientado por API, com uma responsabilidade mais forte dentro das equipas de engenharia de produto. O ambiente é bastante complexo porque operamos em sistemas bancários, integrações de tecnologia financeira, infraestrutura de pagamentos, aplicações voltadas para os clientes e plataformas operacionais internas.

A implementação e a entrega são altamente iterativas, com uma forte concentração na automatização, em CI/CD, na infraestrutura de nuvem, na observabilidade e na resiliência operacional. Uma prioridade importante é reduzir a dependência dos modelos tradicionais de entrega e aumentar a velocidade de engenharia através do desenvolvimento assistido por IA e da automatização.

Uma grande parte do meu papel consiste em equilibrar a rapidez da inovação com a realidade de operar num ambiente financeiro regulamentado, onde a fiabilidade, a segurança e a governação são fundamentais.

Como a IA obrigatória muda os fluxos de trabalho de engenharia

Introduzimos a IA diretamente no fluxo de trabalho de entrega da engenharia, em vez de a tratarmos como uma ferramenta individual opcional.

Antes disso, os engenheiros passavam muito tempo em tarefas repetitivas, como a implementação de código padrão, a documentação, a análise de código, a depuração, a preparação de testes, a revisão de código de fornecedores e a tradução de requisitos empresariais em tarefas técnicas. A sobrecarga operacional recaía excessivamente sobre os engenheiros seniores, impedindo-os de se concentrarem na arquitetura e nas decisões de produto.

Ao longo do último ano, integrámos sistematicamente o desenvolvimento assistido por IA nos processos diários de engenharia. Isto incluiu a geração de código, o apoio à revisão de código, a geração de documentação, a análise de impacto, a investigação de incidentes e a criação mais rápida de protótipos.

A mudança afetou não só a velocidade, mas também a forma como as equipas trabalham. Os engenheiros passam agora menos tempo em atividades repetitivas de baixo valor e mais tempo na conceção de sistemas, no pensamento orientado para o produto e na tomada de decisões. Também reduziu a dependência de um pequeno número de pessoas seniores, ao tornar mais fácil distribuir o conhecimento pelas equipas.

A maior mudança foi provavelmente cultural. As equipas deixaram de ver a IA como uma ferramenta experimental, que passou a fazer parte do fluxo de trabalho normal de engenharia. Esperam agora que a automatização seja a norma, em vez de presumirem que todos os processos têm de ser manuais.

Sergey Partilha

Introduzimos a IA diretamente no fluxo de trabalho de entrega da engenharia, em vez de a tratarmos como uma ferramenta individual opcional.

Como a IA pode abranger todas as partes do ciclo de vida da engenharia

Vamos analisar o percurso desde o requisito empresarial até uma implementação de engenharia pronta para produção.

Normalmente, começa com um pedido de produto ou de negócio escrito numa linguagem de alto nível. A IA ajuda a traduzir esse pedido em requisitos técnicos estruturados, identifica dependências, sugere contratos de API e destaca possíveis casos-limite ou riscos de integração numa fase inicial do processo.

A partir daí, os engenheiros utilizam ferramentas de desenvolvimento assistido por IA durante a implementação para criar a estrutura inicial de serviços, gerar padrões de código repetitivos, criar casos de teste e acelerar a documentação. O objetivo não é programar de forma totalmente autónoma, mas reduzir o trabalho manual de baixo valor para que os engenheiros se possam concentrar na arquitetura e na lógica.

Durante o desenvolvimento, a IA também ajuda nas revisões de código, explica partes desconhecidas da base de código, identifica possíveis vulnerabilidades e valida abordagens de implementação. Em sistemas propensos a incidentes, os engenheiros utilizam a IA para analisar registos e resumir comportamentos anómalos muito mais rapidamente do que numa investigação manual tradicional.

Quando as alterações avançam para os pipelines de implementação, a automatização trata dos testes, da validação e da observabilidade. A IA volta a ser útil após a implementação, ajudando as equipas a interpretar alertas, correlacionar incidentes e reduzir o tempo de investigação durante problemas operacionais.

Como pode ver, a IA está agora integrada em todo o ciclo de vida da engenharia, em vez de existir apenas como um chatbot isolado ou um assistente de programação. Passou a fazer parte do fluxo de trabalho diário, desde o planeamento até às operações.

Porque é que os CTO têm de melhorar a legibilidade para máquinas

Temos vindo a reduzir a dependência de conhecimento centralizado e da coordenação manual. Em vez de a informação crítica residir apenas em determinadas pessoas ou equipas, introduzimos fluxos de trabalho nos quais a IA ajudava os engenheiros a navegar pelos sistemas, compreender a arquitetura, analisar incidentes e acelerar autonomamente a integração de novos elementos.

Isto leva-me a outra mudança importante que implementámos: conceber sistemas para serem legíveis por máquinas, e não apenas por pessoas.

APIs limpas, documentação estruturada, observabilidade, serviços modulares e interfaces bem definidas melhoram drasticamente tanto a produtividade humana como a eficácia da IA.

Porque é que a IA não consegue tomar decisões num setor regulamentado

A IA acelera especialmente a entrega e reduz o trabalho repetitivo de engenharia. Por exemplo, durante a resposta a incidentes, a IA ajuda os engenheiros a analisar registos, identificar possíveis causas-raiz, resumir conclusões e acelerar a investigação.

Ao mesmo tempo, algumas áreas continuam a ser explicitamente orientadas por pessoas. As decisões finais de arquitetura, a governação da segurança, a aceitação de riscos, a definição de prioridades e a responsabilidade pela produção continuam a exigir que pessoas experientes façam escolhas ponderadas.

Por outras palavras, a IA é excelente a acelerar processos e a reconhecer padrões, mas as decisões de liderança em sistemas complexos continuam a depender do contexto, dos compromissos, das prioridades empresariais, da regulamentação e da visão a longo prazo. Sobretudo nos serviços financeiros, não é possível automatizar totalmente a responsabilidade.

Como a IA pode impactar negativamente as equipas de engenharia

O maior resultado positivo foi a velocidade da engenharia. Tarefas que anteriormente demoravam dias são agora, por vezes, concluídas em horas. A fricção operacional também foi reduzida, melhorando o fluxo geral de entrega e permitindo que as pessoas mais experientes se concentrassem mais na arquitetura e na tomada de decisões, em vez de estarem constantemente a resolver problemas urgentes.

Também verificámos uma integração mais rápida, porque o apoio da IA ajuda os engenheiros a compreender sistemas desconhecidos muito mais depressa.

No entanto, também existiu um lado negativo:

• Aprendemos que a IA pode criar uma falsa sensação de confiança. O código gerado parece frequentemente correto, mesmo quando os pressupostos subjacentes estão errados. Sem bases sólidas de engenharia e processos de revisão, as equipas podem avançar mais rapidamente na direção errada.
• Percebemos que, por vezes, os engenheiros menos experientes se tornam excessivamente dependentes das ferramentas de IA, sem compreenderem plenamente os sistemas que desenvolvem. Por isso, um desafio inesperado foi garantir que a IA aumenta a capacidade em vez de reduzir a profundidade técnica.
• A governação e a segurança tornaram-se desafios maiores. Em ambientes regulamentados, é necessário definir limites claros relativamente aos dados a que os sistemas externos de IA podem aceder, à forma de rever o código gerado e à garantia de que as decisões continuam a ser auditáveis.

Onde a IA fica aquém das expectativas

A IA ainda não concretizou a engenharia de software autónoma. Existe entusiasmo em torno da ideia de sistemas totalmente gerados por IA ou da substituição das equipas de engenharia, mas, na prática, ainda estamos longe disso em ambientes empresariais complexos.

A IA acelera, cria protótipos e ajuda muito bem os engenheiros experientes. Mas, quando os sistemas se tornam grandes, interligados, regulamentados e críticos para as operações, as limitações tornam-se evidentes. A gestão do contexto, a consistência a longo prazo, os compromissos arquitetónicos e a compreensão profunda dos sistemas continuam a ser frágeis em comparação com as capacidades de profissionais experientes.

A fiabilidade dos resultados prontos para produção também me desiludiu. O código gerado por IA parece frequentemente impressionante no início, mas a qualidade pode degradar-se rapidamente em casos extremos, perante preocupações de escalabilidade, requisitos de segurança ou necessidades de manutenção. Os últimos 20 por cento do trabalho de engenharia continuam a ser muito humanos.

Sergey Partilha

A IA acelera, cria protótipos e ajuda muito bem os engenheiros experientes. Mas, quando os sistemas se tornam grandes, interligados, regulamentados e críticos para as operações, as limitações tornam-se evidentes.

Como a IA desafia os pressupostos sobre as equipas e a arquitetura

A escala da engenharia já não resulta principalmente da contratação de mais pessoas.

Equipas mais pequenas e altamente técnicas, com ferramentas de IA robustas, conseguem avançar muito mais depressa do que organizações muito maiores, com processos pesados. Em alguns casos, a coordenação tornou-se um estrangulamento maior do que o próprio trabalho de engenharia.

Foi por isso que passámos a trabalhar com equipas de engenharia mais pequenas e orientadas para o produto, com maior responsabilidade e mais automatização em torno da entrega, das operações e da documentação.

A IA também mudou a minha forma de pensar sobre a senioridade. Anteriormente, o acesso à informação e à experiência criava fortes estrangulamentos em torno de alguns engenheiros séniores ou arquitetos. A IA reduz parte dessa assimetria, porque o conhecimento, a documentação e a exploração técnica se tornam muito mais acessíveis em toda a organização.

Além disso, do ponto de vista arquitetónico, levou-me a privilegiar sistemas mais simples e modulares. A IA tem um desempenho muito melhor quando os sistemas são bem estruturados, observáveis e claramente separados. Ambientes complexos e não documentados criam fricção tanto para os humanos como para os sistemas de IA.

Porque é que as pessoas exigem mais atenção do que as ferramentas na adoção da IA

Subestimei a dimensão humana da adoção.

Inicialmente, concentrámo-nos sobretudo nas ferramentas e nas capacidades. Partimos do princípio de que, assim que os engenheiros tivessem acesso a sistemas de IA robustos, a adoção aconteceria naturalmente. As equipas reagiram de formas muito diferentes. Alguns engenheiros tornaram-se imediatamente muito mais produtivos, enquanto outros praticamente não alteraram os seus fluxos de trabalho.

Se pudesse refazer parte da implementação, passaria menos tempo a avaliar dezenas de ferramentas de IA e mais tempo a reformular fluxos de trabalho, a formar as equipas e a definir padrões operacionais claros sobre a forma como a IA deveria ser utilizada na engenharia.

Porque é que os CTO têm de encarar isto como uma mudança do modelo operacional

O meu conselho para os CTOs é encararem a IA como uma mudança do modelo operacional, e não apenas como uma atualização das ferramentas.

Muitas empresas continuam a abordar a IA da mesma forma que abordaram vagas anteriores de software — comprando plataformas, realizando projetos-piloto e adicionando casos de utilização isolados. Isto não tem em conta a mudança mais abrangente. A IA transforma a forma como as equipas de engenharia trabalham, como os produtos são desenvolvidos e como as organizações crescem.

Em segundo lugar, mantenham uma abordagem pragmática. Atualmente, existe uma enorme euforia e muitas empresas tentam forçar a IA em problemas aos quais acrescenta pouco valor. Normalmente, os melhores resultados surgem primeiro através da melhoria dos fluxos de trabalho existentes, em vez de se perseguirem ideias futuristas.

Em terceiro lugar, invistam fortemente nos fundamentos da engenharia, em vez de partirem do princípio de que a IA os substitui. Uma arquitetura sólida, uma boa cultura de engenharia, uma atribuição clara de responsabilidades, disciplina operacional e profissionais experientes são ainda mais importantes num ambiente orientado pela IA.

E, por fim, os CTO devem utilizar pessoalmente estes sistemas de forma direta — não através de relatórios ou demonstrações de fornecedores, mas de forma prática. O ritmo da mudança é demasiado rápido para gerir este tema apenas a nível estratégico, sem contacto direto com a própria tecnologia.

Acompanhe

Pode acompanhar o trabalho de Sergey Terentyev no LinkedIn.

Em breve, haverá mais entrevistas com especialistas no The CTO Club.