A IA facilita criar software. Manter tudo funcionando é outra história

Estudo do Google aponta que a adoção de inteligência artificial acelera entregas, mas pode reduzir a estabilidade dos sistemas

IA na manutenção de software
Crédito: Magnific

Kolawole Samuel Adebayo 5 minutos de leitura
Favoritar no Google

Hoje, a novidade já nem parece tão surpreendente: desenvolvedores podem usar ferramentas de IA para gerar código, criar funcionalidades e fazer alterações em uma fração do tempo que antes precisavam dedicar a essas tarefas.

O problema que começa a aparecer nas empresas é que, depois que um software entra em operação, as equipes ainda precisam monitorá-lo, fazer sua manutenção e corrigir eventuais falhas. Uma funcionalidade que leva minutos para ser desenvolvida pode introduzir problemas que exigem horas de investigação por parte dos engenheiros.

O relatório DORA 2025, do Google, baseado nas respostas de cinco mil profissionais de tecnologia, constatou que uma maior adoção da inteligência artificial estava associada a entregas mais rápidas de software, mas também a uma redução da estabilidade.

Embora os pesquisadores não tenham estabelecido que o código gerado por IA tenha causado diretamente mais interrupções nos sistemas, os resultados sugerem que as empresas podem produzir software mais rápido sem necessariamente se tornar melhores em sua manutenção.

Isso levanta uma questão importante para as companhias que estão investindo pesado em ferramentas de programação com IA: se o desenvolvimento continua acelerando, quanto do trabalho necessário para manter os softwares em funcionamento também pode ser automatizado?

Um número cada vez maior de empresas está tentando descobrir a resposta, desenvolvendo sistemas de inteligência artificial capazes de investigar falhas, identificar possíveis causas e, em alguns casos, tomar medidas corretivas sem precisar esperar pela intervenção de um engenheiro.

MAIS SOFTWARE, MAIS COISAS PARA GERENCIAR

A parte operacional do desenvolvimento de software não avançou no mesmo ritmo da programação, afirma Ishay Yaari, cofundador e CEO da DataAgent, empresa que desenvolve soluções de correção autônoma de problemas. “Mais código, implantações mais frequentes e mudanças na infraestrutura criam mais pontos potenciais de falha”, diz ele.

Para as equipes de engenharia de confiabilidade de sites, isso significa administrar aplicações e infraestruturas que podem passar por mudanças cada vez mais frequentes. Quando algo falha, os engenheiros precisam descobrir o que mudou, identificar a causa e restabelecer o serviço.

Yaari afirma que as empresas costumam responder ao aumento da complexidade adicionando ferramentas de monitoramento e coletando mais dados. Isso pode ajudar os engenheiros a entender o que está acontecendo, mas também pode gerar mais alertas para investigar, sem necessariamente acelerar a resolução dos problemas.

vibe coding, criação de códigos de computador com uso de IA
Créditos: Deagreez/ Getty Images/ manas rb/ Unsplash

A pressão não vem só de códigos gerados por IA de baixa qualidade. Mesmo códigos confiáveis podem ser difíceis de gerenciar quando aplicações, infraestruturas e dependências estão mudando constantemente.

Em uma análise recente sobre o desenvolvimento assistido por IA, os pesquisadores do DORA, do Google, constataram que os desenvolvedores economizavam tempo na geração de código, mas passavam mais tempo revisando e verificando o resultado.

Eles também ressaltaram a importância de testes, feedback e práticas consolidadas de engenharia para transformar um desenvolvimento mais rápido em resultados melhores.

ações como excluir grandes volumes de dados ou desativar controles de segurança devem continuar sob responsabilidade humana.

Para as empresas, isso significa que os benefícios das ferramentas de programação com IA podem depender, em parte, do que acontece depois que os desenvolvedores terminam de escrever o código – especialmente da capacidade das equipes de confiabilidade de sites de manter as aplicações funcionando de maneira confiável.

As ferramentas de monitoramento de software e de observabilidade tradicionalmente ajudam os engenheiros a detectar problemas e entender suas causas. Agora, as empresas estão tentando automatizar uma parcela maior das respostas a essas ocorrências.

A DataAgent segue esse caminho. Sua plataforma foi projetada para monitorar aplicações e infraestruturas de nuvem, identificar possíveis problemas e ajudar a investigá-los. Yaari quer que a IA assuma uma parcela maior do trabalho operacional que os engenheiros atualmente executam de forma manual.

ATÉ QUE PONTO A IA DEVE TER AUTONOMIA PARA CORRIGIR PROBLEMAS?

Em seu relatório State of AI-First Operations 2026, a PagerDuty constatou que 44% das organizações pesquisadas exigiam a participação de uma pessoa quando a IA era utilizada para corrigir problemas que afetavam sistemas voltados aos clientes. Outros 43% exigiam intervenção humana na coordenação de respostas a incidentes entre diferentes equipes.

Mesmo as empresas que estão adotando IA para atividades operacionais parecem relutantes em conceder autonomia irrestrita à tecnologia quando se trata de sistemas críticos.

Yaari concorda que algumas decisões devem continuar sob responsabilidade humana. Ele cita ações como excluir grandes volumes de dados, desativar controles de segurança ou expor informações confidenciais como exemplos de situações que deveriam exigir aprovação.

As empresas precisam determinar a quais sistemas um agente de IA pode ter acesso, que alterações ele está autorizado a fazer e em quais situações deve solicitar aprovação. Também precisam manter registros das ações executadas pelo agente, especialmente quando uma tentativa de correção não funciona.

Yaari argumenta que mais análises deveriam acontecer perto do local onde as aplicações são executadas. A DataAgent está desenvolvendo uma abordagem distribuída, com agentes implantados dentro da infraestrutura dos próprios clientes para reduzir a quantidade de dados enviada a outros ambientes.

O QUE ACONTECE COM OS ENGENHEIROS?

Yaari espera que os profissionais de engenharia passem menos tempo investigando incidentes repetitivos e mais tempo projetando sistemas, estabelecendo políticas operacionais e decidindo o que as ferramentas automatizadas podem fazer.

“A mudança fundamental é passar de pessoas operando a infraestrutura para pessoas gerenciando uma infraestrutura autônoma”, afirma.

Isso poderia permitir que equipes menores de engenharia dessem suporte a um número maior de aplicações. Mas também exigiria que esses profissionais entendessem como os sistemas automatizados tomam decisões e o que acontece quando essas decisões estão erradas.

As competências de engenharia também podem evoluir como resultado dessa transformação. Arquitetura de sistemas, segurança, confiabilidade e capacidade de investigar falhas incomuns podem ganhar importância à medida que as tarefas operacionais rotineiras se tornam mais fáceis de automatizar.

A indústria de software avançou bastante na criação de ferramentas que permitem aos desenvolvedores produzir código mais rapidamente. Agora, está tentando levar parte dessa velocidade para a manutenção das aplicações em funcionamento.

Se, no futuro, a IA assumir as duas tarefas, os engenheiros poderão dedicar menos tempo à execução de atividades individuais e mais tempo a decidir o que os sistemas que desenvolvem devem fazer, como devem se comportar e em quais situações uma pessoa precisa intervir.


SOBRE O AUTOR

Kolawole Samuel Adebayo é jornalista, estrategista de vendas e entusiasta de cibersegurança. saiba mais