IA generativa
27/03/2025

Entrevista: Os desafios da IA ​​generativa na engenharia de software

No âmbito da nossa série de entrevistas técnicas, conversamos com Santiago Atella, Diretor da Divisão de soluções inteligentes da Sofis, que nos apresenta uma visão profunda sobre 'Os Desafios da IA Generativa na Engenharia de Software'. Através da sua experiência, Santiago analisa o impacto transformador que essas tecnologias estão tendo no desenvolvimento de software e os desafios que apresentam para as equipes de engenharia atuais.

Introdução e contexto

Para começar, poderia se apresentar e contar sobre sua experiência em inteligência artificial e sua relação com a engenharia de software generativa?

Meu nome é Santiago Atella e atualmente exerço simultaneamente como Diretor da Sofis Solutions e Diretor da Divisão de soluções inteligentes. Lidero a iniciativa estratégica “IA para todos”, cujo propósito é incorporar capacidades de Inteligência Artificial em todos os nossos processos de desenvolvimento, com o objetivo de transformar significativamente a metodologia de trabalho e fortalecer a proposta de valor. 

Sou Engenheiro de Computação e possuo um Mestrado em Inteligência Artificial, o que me proporcionou os conhecimentos técnicos fundamentais para impulsionar a inovação nessa área. Ao longo da minha trajetória na Sofis, liderei diversos projetos de IA que geraram um impacto significativo, otimizando processos internos e agregando valor estratégico aos nossos clientes.

Minha visão é democratizar o acesso às tecnologias de IA, capacitando as equipes e aplicando essas soluções de forma prática para enfrentar os desafios reais do negócio e otimizar produtos e serviços. 


Como definiria a engenharia de software generativa e qual papel a IA desempenha nesse campo?

A engenharia de software generativa se define como uma abordagem inovadora no desenvolvimento de software que utiliza sistemas de Inteligência Artificial para automatizar a criação de código, designs e outros componentes. Diferentemente da programação tradicional, onde os desenvolvedores escrevem cada linha de código manualmente, a engenharia generativa permite que os humanos trabalhem em um nível mais abstrato, descrevendo o que precisam e assegurando a qualidade do software.


Quais são as principais vantagens que a IA generativa traz ao desenvolvimento de software em comparação com os métodos tradicionais?

A principal vantagem é que a equipe humana pode se concentrar nas tarefas que realmente agregam valor ao cliente ou à solução, dedicando-se a atividades estratégicas e criativas que maximizam o impacto do seu trabalho. As tarefas repetitivas ou facilmente automatizáveis ficam a cargo da IA generativa. Dessa forma, obtém-se um produto ou serviço mais robusto, de maior qualidade e com um valor superior para o cliente ou usuários finais.


Aplicações práticas

Quais são as aplicações mais destacadas da IA generativa na engenharia de software atualmente?

Atualmente, a IA generativa é utilizada em diversas áreas da engenharia de software, tais como:

  • Assistência na escrita de código
  • Identificação e resolução de erros
  • Geração e otimização de testes
  • Refatoração e melhoria de código
  • Documentação automática
  • Apoio à arquitetura de software e design
  • Assistência na geração de requisitos de software


Como sua empresa está implementando o uso da IA generativa no desenvolvimento de software?

Na Sofis, desenvolvemos a iniciativa “IA Para Todos”, que integra modelos LLM (Large Language Models) no processo de construção de software. Nossa abordagem se diferencia por apostar numa IA soberana, utilizando modelos de código aberto sobre infraestrutura própria, o que nos garante controle total sobre a segurança da informação.

O sistema opera através de um processo estruturado que inclui:

Tradução de requisitos: convertendo as necessidades expressas pelo usuário em linguagem natural para especificações técnicas precisas.

Design arquitetônico assistido: com base nessas especificações, geramos e definimos a arquitetura mais adequada.

Geração de código: produzimos automaticamente o código fonte que implementa os requisitos.

O que torna essa abordagem única é que todo o processo é supervisionado por especialistas humanos, garantindo que a IA atue como uma ferramenta potencializadora e não como um substituto. Essa colaboração entre humanos e máquinas nos permite manter um controle rigoroso sobre a funcionalidade, assegurando que os resultados estejam perfeitamente alinhados com as necessidades do negócio, ao mesmo tempo em que aproveitamos a eficiência proporcionada pela IA.

Essa metodologia nos permite combinar o melhor dos dois mundos: a criatividade e o julgamento crítico humano com a rapidez e a consistência da IA generativa.


Impacto nos processos de desenvolvimento

Como a IA generativa está transformando o ciclo de vida do desenvolvimento de software (desde o design até a implementação e manutenção)?

A IA generativa está transformando profundamente cada fase do ciclo de vida do desenvolvimento de software. Em iniciativas como “IA Para Todos” da Sofis, observamos como os modelos LLM podem converter requisitos expressos em linguagem natural diretamente em especificações técnicas, que depois se traduzem em código fonte e geração de casos de teste. Isso acelera significativamente o time to market do produto e os testes de aceitação do usuário. Essa abordagem, liderada por especialistas humanos, permite que as equipes de desenvolvimento se concentrem em aperfeiçoar e validar as especificações, em vez de partir do zero para criá-las. 


Qual é o impacto da IA na redução do tempo de desenvolvimento e na otimização de custos?

O impacto econômico e a redução do tempo de desenvolvimento ao implementar soluções de IA são notáveis. Ao automatizar grande parte das tarefas, o tempo é redirecionado para atividades que geram valor, o que acelera o processo, melhora notavelmente a qualidade e reduz o retrabalho. Uma vez que o requisito de software está em um formato técnico, os modelos atuais de IA são capazes de gerar código com poucos erros e alto nível de eficiência. 

Se ainda forem utilizadas soluções soberanas, como no projeto “IA para Todos” da Sofis, os custos são otimizados ao reduzir a dependência de serviços externos e minimizar os riscos de segurança associados ao envio de informações sensíveis a terceiros. 


Como a IA generativa está influenciando a automação de testes e a detecção de erros no software?

No âmbito de testes e controle de qualidade, a IA está transformando a forma como o software é verificado. A partir dos requisitos, é possível gerar casos de teste utilizando modelos treinados para esse propósito e, a partir desses casos, automatizar sua execução.

Um dos avanços mais significativos é a transformação da tradicional revisão de código entre pares para um modelo híbrido humano-máquina. Os modelos de IA analisam o código escrito pelos programadores, identificando não apenas erros sintáticos ou vulnerabilidades de segurança, mas também oportunidades de otimização, padrões melhoráveis e desvios das melhores práticas.


Desafios e limitações

Quais são os principais desafios enfrentados pela adoção da IA generativa na engenharia de software?

Um dos desafios mais comuns são as expectativas pouco realistas. Muitas organizações esperam que a IA generativa resolva imediatamente todos os seus problemas de desenvolvimento, quando na realidade ela requer uma implementação cuidadosa e guiada por especialistas humanos para gerar benefícios significativos.

Outro desafio importante é a curva de aprendizado associada ao uso efetivo dessas ferramentas. A equipe técnica deve aprender a interagir adequadamente com esses modelos para aproveitar ao máximo seu potencial.

Um desafio crítico adicional é a integração efetiva da IA generativa com os processos e fluxos de trabalho existentes, particularmente para organizações como a Sofis, que são avaliadas sob o modelo de maturidade CMMI Nível 3. Essa integração exige conciliar a natureza inovadora das ferramentas de IA com os processos definidos, documentados e padronizados exigidos pelo CMMI.

Um último desafio de grande importância é a explicabilidade da IA. Este é um desafio em constante evolução, com diversas técnicas aplicáveis conforme o modelo utilizado (desde a interpretação de matrizes de atenção em transformers até a análise post-hoc com LIME/SHAP). Sua relevância varia consideravelmente dependendo do caso de uso: é crucial em ambientes médicos, financeiros ou legais, onde as decisões impactam diretamente vidas; moderadamente importante em sistemas de recomendação ou análise textual; e menos prioritária em aplicações criativas ou lúdicas. Esse cenário se complica ainda mais com o surgimento de marcos regulatórios que exigem maior transparência nos sistemas de IA de alto impacto social.


Como podem ser abordados os problemas de viés e qualidade no código gerado por IA?

Para abordar os vieses e problemas de qualidade no código gerado por IA, é necessário implementar uma abordagem integral que combine supervisão humana com automação inteligente. Devem ser estabelecidos pontos de controle sobre os artefatos gerados pela IA, garantindo um controle constante sobre o que é produzido e retroalimentando a IA para que ela melhore continuamente nas tarefas que lhe são atribuídas.


Quais riscos éticos e de segurança devemos considerar ao integrar IA generativa no desenvolvimento de software?

Ao integrar IA generativa no desenvolvimento de software, na Sofis consideramos vários riscos éticos e de segurança fundamentais, entre eles: 

A privacidade dos dados é nossa principal preocupação, especialmente quando se trata de código proprietário e dados sensíveis. Nossa estratégia de “IA soberana” mitiga esse risco ao processar todas as informações dentro da infraestrutura, evitando sua exposição a servidores externos.

A transparência representa outro desafio significativo. O código gerado automaticamente pode resultar em 'caixas-pretas' difíceis de entender e manter. Para contrabalançar isso, a geração de código deve estar sempre guiada por humanos, assegurando o controle sobre o que é gerado.

A dependência excessiva da IA pode enfraquecer habilidades fundamentais de programação nas equipes. É crucial manter um equilíbrio onde a tecnologia acelere o desenvolvimento, mas não substitua o julgamento humano, preservando assim as competências técnicas da equipe.


Fechamento e reflexões finais

Qual mensagem você daria para as empresas e profissionais de software que ainda são céticos quanto ao uso da IA generativa?

Para as empresas e profissionais que ainda têm dúvidas sobre a IA generativa no desenvolvimento de software, eu diria: não se trata de substituir os desenvolvedores, mas de potencializá-los. Na Sofis, a experiência com “IA Para Todos” demonstra que a verdadeira revolução ocorre quando as capacidades generativas da IA se combinam com o julgamento crítico e a criatividade humana.    

Quem resistir a essa transformação inevitavelmente ficará em desvantagem competitiva. Os prazos de entrega se reduzem drasticamente, a qualidade melhora e as equipes podem se concentrar na inovação real em vez de em tarefas rotineiras de baixo valor.

Meu conselho é começar com projetos pequenos, integrar a IA gradualmente nos processos, investir em capacitação e estabelecer princípios claros sobre seu uso responsável. O futuro do desenvolvimento não está em escolher entre humanos ou IA, mas em criar equipes híbridas humano-máquina, onde ambos potencializem suas forças de maneira mútua.

Últimas notícias
panel con preguntas e intercambio entre el público y los especialistas invitados
22/10/2025
FOCAL 2025: Inteligencia Artificial y Transparencia en la Gestión Pública

Entre el 14 y el 16 de octubre de 2025, se celebró en Santiago de Chile el XI Foro de Contadurías Gubernamentales de América Latina (FOCAL), un espaci......

A imagem mostra uma colagem de negócios e tecnologia com um aperto de mão no centro, simbolizando alianças estratégicas, inovação e transformação digital.
18/08/2025
Compromisso com a Estratégia do Pacto Global 2024–2025

No âmbito da estratégia 2024-2025 do Pacto Global das Nações Unidas, que propõe cinco mudanças transformadoras para acelerar o impacto empresarial nos......

A imagem mostra uma interface digital com painéis de análise de dados, inteligência artificial e gráficos,
15/08/2025
Impulsionando o CRM com Biona Search: inteligência conversacional para transformar dados em decisões

Em muitas organizações, o CRM (Customer Relationship Management) é o núcleo operacional do relacionamento com o cliente. No entanto, acessar as inform......