Da Insegurança à Produtividade: Minha Primeira Experiência Real com IA no Desenvolvimento de Software

No início deste ano, tive minha primeira experiência prática com Inteligência Artificial no ambiente de trabalho. O desafio inicial foi usar a IA para extrair regras de negócio a partir de um sistema legado no AS/400. Esse trabalho foi realizado diretamente na base de código COBOL, sem qualquer alteração no sistema. Uma vez extraídas as informações, o resultado era revisado em conjunto com um especialista na linguagem.

Em seguida, dei o próximo passo: utilizar a IA para desenvolver novas soluções em Java, Spring Boot e Google Cloud Platform (GCP). Confesso que, no começo, é um tanto assustador ver a IA gerando códigos e criando testes de forma tão rápida. Nessa primeira fase, eu dependia muito da criação manual de prompts. Com o tempo, evoluí para o uso de SDD (Spec Driven Development ou Desenvolvimento Orientado a Especificações), o que otimizou drasticamente a qualidade e a precisão do código gerado.
Como eu já acompanhava alguns artigos sobre o impacto da IA no desenvolvimento, minha grande preocupação sempre foi a revisão de código (code review). É fácil revisar poucas linhas, mas fazer isso quando a IA produz centenas ou milhares de linhas é outra história. Tornar essa revisão totalmente manual seria inviável, indo contra a proposta de trazer mais produtividade ao time. Essa etapa me trouxe bastante insegurança no início; afinal, como você não escreveu aquele código do zero, sente que, a priori, não tem o controle total da situação.

Para mitigar esse risco, adotei uma estratégia clara: antes de subir a aplicação, a regra de ouro é garantir que todos os testes unitários rodem com sucesso. Essa se tornou a principal barreira para verificar se a IA quebrou alguma funcionalidade existente. Em seguida, a aplicação é implantada para testes funcionais. Nas implementações em que utilizei IA, os testes passaram em 95% das vezes.
Alguns pequenos bugs foram encontrados apenas na fase de QA (Quality Assurance), mas a maioria estava relacionada à especificação e não ao código em si. Por exemplo, houve um cenário em que uma determinada query deveria usar a cláusula LIKE, mas a IA não a incluiu simplesmente porque o detalhe não constava na especificação. Outro problema identificado no QA foi uma requisição que retornava o status 200 OK, mas uma das tabelas envolvidas não era atualizada porque uma exceção interna não havia sido tratada.

Passada essa fase inicial de adaptação, o processo se torna menos tenso. O código gerado fica cada vez melhor e a própria revisão de código passa a contar com a análise da IA. Obviamente, o processo exige um refinamento constante das instruções, pois sem melhorias na especificação, a geração do código fica comprometida. Hoje, vejo a IA como meu pair programmer, uma parceira que ajuda em todo o ciclo de vida do software — desde o refinamento técnico até a implementação final.
Sou muito grato à empresa que me deu a oportunidade de sair da teoria e começar a utilizar a IA de forma responsável e profissional. A Inteligência Artificial veio para transformar o mercado e veio para ficar. Se ela vai acabar com o papel do programador tradicional? Não tenho essa resposta. Mas sei que a mudança já começou, e eu escolhi não ficar para trás.