TL;DR
- A ferramenta alimentada por IA da Thoughtworks, CodeConcise, analisa código legado, extrai regras de negócio e acelera a modernização de mainframes. Até ao momento, reduziu em 4 semanas o tempo de transformação por módulo e poupou 240 anos de trabalho equivalente a tempo inteiro numa modernização de grande escala.
- Os inquéritos de pulso de engenharia alimentados por IA da Finastra identificaram um aumento semanal não monitorizado de 6 horas na carga de trabalho. Esta informação permitiu à liderança aperfeiçoar os fluxos de trabalho, otimizar a distribuição de tarefas e mitigar os riscos de esgotamento. Os IDE alimentados por IA, as sugestões de código inteligentes e os fluxos de trabalho automatizados estão a reduzir a carga cognitiva.
- A CreateFuture utilizou o acompanhamento do backlog alimentado por IA para reduzir em 30% o tempo gasto na gestão de histórias de utilizador e recuperar 4 a 8 horas por sprint. A IA ajuda as equipas a detetar o aumento descontrolado do âmbito, automatizar os relatórios dos sprints e prever funcionalidades com âmbito insuficiente antes de estas perturbarem o desenvolvimento.
- A análise de registos alimentada por LLM da Chamomile.ai deteta anomalias subtis, prevê falhas e automatiza a resolução. Isto reduziu o tempo de investigação manual e ajudou as equipas a resolver problemas antes de estes evoluírem para interrupções graves.
A IA chegou a praticamente todos os cantos das TI e do desenvolvimento. Ouvimos falar de como irá aumentar a eficiência da engenharia, melhorar o equilíbrio entre a vida profissional e pessoal e disponibilizar um assistente inteligente, omnisciente e sempre presente. É suficiente para deixar qualquer pessoa atordoada.
Mas, apesar de estar praticamente em todo o lado, a IA não está a cumprir exatamente o que esperávamos, ou sequer a produzir resultados. Mais de metade dos líderes de TI está a ter dificuldades em provar o ROI da IA e a desperdiçar milhares de milhões no processo.
Nas salas de administração, o foco está na IA agêntica, no risco e no entusiasmo mais recente em torno da DeepSeek, mas há uma questão maior que parece não estar a ser colocada por ninguém: estamos realmente a resolver os problemas certos com a IA? Talvez o verdadeiro desafio não seja a própria tecnologia, mas saber onde a aplicar.
Contudo, nem tudo é negativo. Algumas equipas perceberam isto. Reunimo-nos com alguns pioneiros da IA que estão a gerar um impacto real através de aplicações empresariais surpreendentemente simples (mas eficazes). Eis os casos de utilização da IA nos quais têm mais confiança:
Have an account? Log In
1. Modernizar as TI legadas
A IA está a resolver um desafio antigo da modernização de sistemas legados: impedir que a lógica desatualizada se infiltre nos sistemas modernos. “As agências governamentais continuam a operar com sistemas monolíticos de grandes dimensões”, afirma Noel Hara, vice-presidente e CTO do setor público na NTT DATA. “Mesmo quando a lógica empresarial é extraída ou o código é refatorado, inclui frequentemente lógica desatualizada escondida no interior do código.”
A equipa de Noel está agora a utilizar IA para analisar as regras extraídas e compará-las de forma inteligente com as políticas atuais. Melhor ainda, as ferramentas podem sugerir atualizações inteligentes quando as políticas foram alteradas, sem sobrecarregar os responsáveis empresariais. “Esta abordagem mantém o processo de modernização fluido e evita a acumulação de dívida técnica no novo sistema.”
A Thoughtworks desenvolveu o CodeConcise, um acelerador interno alimentado por IA que decompõe estruturas de código complexas, mapeia dependências e revela informações críticas, mesmo quando os principais programadores já não estão disponíveis. A ferramenta também pode traduzir código legado para linguagens modernas, de modo a garantir a conformidade e o alinhamento com a equipa de desenvolvimento.
Até ao momento, a implementação interna tem sido bastante bem-sucedida: já reduziu em 4 semanas o tempo de modernização por módulo e poupou uns impressionantes 240 anos de trabalho equivalente a tempo inteiro numa transformação de mainframe em grande escala.
Dito isto, outra opção para modernizar sistemas legados pode passar por estabelecer uma parceria com o parceiro de desenvolvimento de software de proximidade adequado.
2. Melhorar a produtividade dos colaboradores
Mesmo antes da atual corrida ao ouro, a IA já tratava do trabalho pesado de gerar código padrão e gerir casos de teste– tarefas que anteriormente consumiam horas às equipas de TI. Agora, os IDE orientados por IA, como o Tabnine e o JetBrains AI, complementam estas tarefas com revisões de código inteligentes, resumos contextuais e documentação automatizada do conhecimento. Os programadores já não têm de lidar com intermináveis mudanças de contexto nem de procurar correções não documentadas.
Jimmy Xu, CTO de campo da Cycode, consegue antever um futuro em que a engenharia assistida por IA se concretiza de tal forma que considera a IA o “meio” para permitir a existência de programadores dez vezes mais produtivos. Tem razão. Se recuarmos um pouco, a IA começa a parecer menos uma ferramenta e mais o tecido conjuntivo do desenvolvimento moderno de software.
Pode interligar fluxos de trabalho fragmentados, executar transferências de tarefas mais inteligentes, oferecer visibilidade granular e revelar ineficiências cuja existência as equipas podem nem sequer reconhecer. A Finastra passou por esta experiência em primeira mão depois de implementar uma ferramenta de IA personalizada para monitorizar a experiência dos programadores.
Inicialmente, a liderança utilizou inquéritos de pulso baseados em IA para avaliar o bem-estar das equipas de engenharia, mas depressa descobriu um problema que tinha passado despercebido: os programadores estavam a registar seis horas adicionais por semana (anteriormente não contabilizadas), devido a exigências incessantes e a atualizações contínuas do produto.
Reconhecendo o risco de esgotamento, a liderança utilizou a IA para otimizar as cargas de trabalho, impor períodos de concentração e aperfeiçoar os horários de comunicação, reduzindo interrupções desnecessárias. Agora, os engenheiros podiam dedicar a sua energia à inovação sem se deixarem absorver pela constante mudança de contexto.
3. Impedir que o âmbito do produto passe de uma “expansão gradual” ao caos
“Para um engenheiro de software, a programação ocupa apenas uma pequena fração da semana de trabalho — cerca de duas horas por dia”, comenta Jeff Watkins, CTO da CreateFuture. A maior parte da semana é dedicada a ajustar histórias de utilizador, épicos, critérios de aceitação, fluxos de trabalho de garantia de qualidade e, se não houver cuidado, a lidar com uma expansão descontrolada do âmbito que não para de crescer.
Felizmente, foi precisamente aqui que a IA proporcionou alguns dos ganhos mais significativos da CreateFuture. “Reduzimos cerca de 30% do tempo dedicado a escrever, rever e sincronizar épicos, histórias e critérios de aceitação”, explica, salientando como a IA aperfeiçoou o fluxo de desenvolvimento dos seus produtos.
A sua equipa utiliza agora a IA para:
- Automatizar os resumos das reuniões para acompanhar as principais discussões e os desvios em relação ao âmbito original, bem como criar uma lista de ações para corrigir o rumo.
- Gerar relatórios de sprint através da monitorização das tarefas concluídas, das alterações ao backlog e da evolução dos requisitos — ajudando as equipas a detetar a expansão descontrolada do âmbito antes de esta comprometer o progresso.
- Executar análises preditivas em projetos anteriores para identificar atempadamente funcionalidades cujo âmbito foi subestimado.
- Criar ciclos de feedback que resumem os contributos dos pares e revelam oportunidades de crescimento.
Jeff vê a IA como um ‘pato de borracha’ para o âmbito do produto: fazer as perguntas certas, descobrir bloqueios e associar os investimentos em engenharia aos objetivos empresariais. “Com a IA a tratar dos relatórios de sprint e das revisões de documentos, estamos a recuperar quatro a oito horas por sprint.”
More Articles
4. Ativar uma infraestrutura informática autorrecuperável
Um período de inatividade é uma crise dispendiosa para as equipas de TI. Mesmo nos dias bons, a inatividade pode custar até $9,000 por minuto às grandes organizações. Se acrescentarmos multas regulamentares, perda de dados e danos reputacionais para os setores regulamentados, o impacto total pode disparar para além de $5 milhões. Apesar disso, a maioria das ferramentas de monitorização de TI continua a ser reativa; detetam incidentes, mas não conseguem evitar a sua recorrência, e têm dificuldades em escalar. Como observa Jimmy, "A escala e a entrega tornam-se desafios críticos num ambiente cada vez mais complexo."
Uma infraestrutura autorrecuperável colmata estas lacunas com ferramentas de monitorização autónomas. Para Tirath Ramdas, CEO da Chamomile.ai, a análise de registos é um excelente exemplo de como a IA pode aliviar a carga de trabalho dos programadores, reforçando simultaneamente os sistemas de TI autónomos. “A análise de relatórios de erros é tediosa, raramente é agradável e ocorre frequentemente sob grande pressão, quando as falhas ou interrupções começam a afetar os utilizadores finais”, afirma Tirath. No entanto, uma verdadeira análise da causa-raiz exige mais do que procurar simplesmente registos de ERROR.
“Significa correlacionar vários registos e detetar anomalias subtis.” Ele utiliza LLMs para eliminar a tediosa pesquisa de registos e estabelecer rapidamente ligações entre padrões contextuais. “São excelentes a encontrar correspondências aproximadas entre termos, a comparar de forma inteligente as diferenças entre registos e a assinalar comportamentos invulgares.” Melhor ainda, pode detetar automaticamente pequenas falhas nos registos e reduzir as investigações manuais para acelerar a resolução de incidentes.
Para além da análise de registos, as ferramentas de IA também podem corrigir automaticamente incidentes menores. Os sistemas autónomos baseados em IA monitorizam continuamente métricas em tempo real — utilização da CPU, latência da rede e consumo de memória — para detetar anomalias, reduzir falsos positivos e atuar quando os limiares são ultrapassados.
Se uma métrica do sistema ultrapassar um parâmetro de referência predefinido, a IA pode acionar um protocolo de remediação automática. “Para a remediação, a IA pode fornecer orientações de remediação personalizadas e gerar correções de código sugeridas com fluxos de trabalho automatizados. Pode então utilizar a IA para quantificar uma pontuação de risco normalizada para diversas descobertas e automatizar a triagem”, comenta Jimmy.
A IA impulsiona a mudança se a sua cultura a apoiar
A IA pode realmente proporcionar poupanças de tempo e dar às equipas de engenharia e TI visibilidade total sobre o fluxo de trabalho– mas apenas se a cultura estiver preparada para a apoiar. “Não precisa de tecnologia nova e sofisticada para conseguir estes resultados”, afirma Jeff. Tudo isto é possível com as ferramentas de IA já integradas no seu pacote de produtividade, como o Microsoft Copilot 365 ou o Google Gemini Advanced.
“O que realmente importa é investir nas pessoas. Mostre-lhes como obter o que precisam destas ferramentas”, acrescenta. Mesmo em equipas pequenas, dedicar algumas horas a orientar cada pessoa acumula resultados e, de repente, começa a ver um retorno genuíno do investimento.
As equipas maiores podem experimentar projetos como os famosos dias de «exploração do âmbito». Dê aos seus engenheiros um projeto ambíguo, uma grande quantidade de dados e ferramentas de IA para resolver problemas como a previsão de riscos ou a elaboração de épicos. A melhor solução ganha o direito de se vangloriar, alguns incentivos para encorajar o próximo projeto-piloto e, provavelmente, um troféu exageradamente grandioso.
“Por isso, a minha conclusão é: torne-se competente na utilização das ferramentas que tem à sua frente antes de comprar mais, ou arrisca-se a tornar-se vítima do velho ditado «muito equipamento e nenhuma ideia».”
Subscreva a newsletter do CTO Club para obter mais informações sobre IA, o alinhamento entre as áreas empresarial e de engenharia e a TI autorregenerável.
