Muitas pessoas experimentaram ferramentas de IA e não ficaram impressionadas. Entendi – muitas demos prometem mágica, mas, na prática, os resultados podem parecer desanimadores.
É por isso que quero escrever isto não como uma previsão futurista, mas a partir da experiência vivida. Nos últimos seis meses, coloquei minha organização de engenharia em primeiro lugar na IA. Já compartilhei antes sobre o sistema por trás dessa transformação – como construímos os fluxos de trabalho, as métricas e as proteções. Hoje, quero me afastar da mecânica e falar sobre o que fiz aprendido dessa experiência – sobre o rumo que nossa profissão está tomando quando o próprio desenvolvimento de software vira do avesso.
Antes de fazer isso, alguns números para ilustrar a escala da mudança. Subjetivamente, parece que estamos nos movendo duas vezes mais rápido. Objetivamente, veja como o rendimento evoluiu. O número total de funcionários da nossa equipe de engenharia oscilou de 36 no início do ano para 30. Portanto, você obtém aproximadamente 170% de produtividade em aproximadamente 80% do número de funcionários, o que corresponde ao subjetivo ~ 2x.
Ampliando, escolhi alguns de nossos engenheiros seniores que começaram o ano em um processo de engenharia de software mais tradicional e terminaram com a IA em primeiro lugar. [The dips correspond to vacations and off-sites]:
Observe que nossos PRs estão vinculados a tickets do JIRA, e o escopo médio desses tickets não mudou muito ao longo do ano, portanto, é um proxy tão bom quanto os dados podem nos fornecer.
Qualitativamente, olhando para o valor do negócio, vejo um aumento ainda maior. Um dos motivos é que, quando começamos no ano passado, nossa equipe de garantia de qualidade (QA) não conseguiu acompanhar a velocidade de nossos engenheiros. Como líder da empresa, não fiquei satisfeito com a qualidade de alguns dos nossos primeiros lançamentos. À medida que progredimos ao longo do ano e preparamos nossos fluxos de trabalho de IA para incluir a escrita de testes unitários e de ponta a ponta, nossa cobertura melhorou, o número de bugs diminuiu, os usuários se tornaram fãs e o valor comercial do trabalho de engenharia se multiplicou.
Do grande design à experimentação rápida
Antes da IA, passávamos semanas aperfeiçoando os fluxos dos usuários antes de escrever o código. Fazia sentido quando a mudança era cara. O Agile ajudou, mas mesmo assim testar várias ideias de produtos era muito caro.
Assim que priorizamos a IA, essa compensação desapareceu. O custo de experimentação entrou em colapso. Uma ideia pode passar de um quadro branco a um protótipo funcional em um dia: da ideia ao documento de requisitos de produto (PRD) gerado por IA, às especificações técnicas geradas por IA, à implementação assistida por IA.
Ela se manifestou em algumas transformações surpreendentes. Nosso site – central para nossa aquisição e demanda de entrada – é agora um sistema em escala de produto com centenas de componentes personalizados, todos projetados, desenvolvidos e mantidos diretamente em código por nosso diretor criativo.
Agora, em vez de validar com slides ou protótipos estáticos, validamos com produtos funcionais. Testamos ideias ao vivo, aprendemos mais rápido e lançamos atualizações importantes a cada dois meses, um ritmo que eu não poderia imaginar há três anos.
Por exemplo, Zen CLI foi escrito primeiro em Kotlin, mas depois mudamos de ideia e o movemos para TypeScript sem perda de velocidade de lançamento.
EUEm vez de zombar dos recursos, nossos designers de UX e gerentes de projeto os codificam. E quando a crise no tempo de lançamento atingiu a todos, eles entraram em ação e consertaram dezenas de pequenos detalhes com PRs prontos para produção para nos ajudar a lançar um ótimo produto. Isso incluiu uma mudança noturna no layout da IU.
Da codificação à validação
A próxima mudança veio onde eu menos esperava: Validação.
Em uma organização tradicional, a maioria das pessoas escreve código e um grupo menor o testa. Mas quando a IA gera grande parte da implementação, o ponto de alavancagem muda. O verdadeiro valor reside em definir o que é “bom” – em tornar explícita a correção.
Nós suporta mais de 70 linguagens de programação e inúmeras integrações. Nossos engenheiros de controle de qualidade evoluíram para arquitetos de sistemas. Eles constroem agentes de IA que geram e mantêm testes de aceitação diretamente dos requisitos. E esses agentes são incorporados aos fluxos de trabalho codificados de IA que nos permitem alcançar resultados de engenharia previsíveis usando um sistema.
Isto é o que “deslocamento para a esquerda” realmente significa. A validação não é uma função independente, é parte integrante do processo de produção. Se o agente não puder validar seu trabalho, não será confiável para gerar código de produção. Para os profissionais de QA, este é um momento de reinvenção, onde, com a qualificação adequada, o seu trabalho se torna um facilitador e acelerador crítico da adoção da IA.
Gerentes de produto, líderes de tecnologia e engenheiros de dados agora também compartilham essa responsabilidade, porque definir a correção tornou-se uma habilidade multifuncional, e não uma função confinada ao controle de qualidade.
Do diamante ao funil duplo
Durante décadas, o desenvolvimento de software seguiu um formato de “diamante”: uma pequena equipe de produto foi transferida para uma grande equipe de engenharia e depois reduzida novamente por meio do controle de qualidade.
Hoje, essa geometria está mudando. Os seres humanos envolvem-se mais profundamente no início – definindo a intenção, explorando opções – e novamente no final, validando os resultados. O meio, onde a IA é executada, é mais rápido e mais estreito.
Não é apenas um novo fluxo de trabalho; é uma inversão estrutural.
O modelo se parece menos com uma linha de montagem e mais com uma torre de controle. Os humanos definem direções e restrições, a IA lida com a execução com rapidez e as pessoas recuam para validar os resultados antes que as decisões cheguem à produção.
Engenharia em um nível mais alto de abstração
Cada grande salto no software elevou nosso nível de abstração — de cartões perfurados a linguagens de programação de alto nível, de hardware à nuvem. IA é o próximo passo. Nossos engenheiros agora trabalham em uma metacamada: orquestrando fluxos de trabalho de IA, ajustando instruções e habilidades dos agentes e definindo proteções. As máquinas constroem; os humanos decidem o que e por que.
As equipes agora decidem rotineiramente quando é seguro mesclar a saída de IA sem revisão, quão firmemente vincular a autonomia do agente nos sistemas de produção e quais sinais realmente indicam correção em escala, decisões que simplesmente não existiam antes.
E esse é o paradoxo da engenharia que prioriza a IA: parece menos com codificação e mais com pensamento. Bem-vindo à nova era da inteligência humana, alimentada pela IA.
Andrew Filev é fundador e CEO da Zencoder
Bem-vindo à comunidade VentureBeat!
Nosso programa de guest posts é onde especialistas técnicos compartilham insights e fornecem análises profundas, neutras e não adquiridas, sobre IA, infraestrutura de dados, segurança cibernética e outras tecnologias de ponta que moldam o futuro das empresas.
Leia mais do nosso programa de guest post – e confira nosso diretrizes se você estiver interessado em contribuir com um artigo de sua autoria!
