IA no Desenvolvimento de Software

As camadas do desenvolvimento com IA

Um jeito útil de organizar mentalmente onde a IA entra no software é pensar em camadas. Software com IA está sendo construído em três camadas, e a maioria dos times de produto atua especificamente na primeira:

flowchart TD
    subgraph AD["Application Development (onde a maioria dos devs atua)"]
        AD1[AI Interface]
        AD2[Prompt Engineering]
        AD3[Context Construction]
        AD4[Evaluation]
    end
    subgraph MD["Model Development"]
        MD1[Dataset engineering]
        MD2[Training]
        MD3[Fine-tuning]
        MD4[Evaluation]
    end
    subgraph INF["Infrastructure (a base que sustenta tudo)"]
        I1[Compute]
        I2[Serving]
        I3[Monitoring]
        I4[Data management]
    end
    AD --> MD --> INF

• Application Development: onde o dev atua diretamente com IA dentro do produto (interface com IA, prompts, construção de contexto, avaliação)
• Model Development: responsável por criar e treinar modelos (dataset, treinamento, fine-tuning, avaliação)
• Infrastructure: a base que sustenta tudo isso rodando (poder computacional, serving, monitoramento, gestão de dados)

A boa notícia é que a maioria dos devs não precisa treinar modelo para trabalhar bem com IA, mas precisa dominar prompt, contexto e avaliação. Esse é o novo skillset do desenvolvimento backend moderno.

IA como parte do produto

IA deixou de ser só uma ferramenta usada durante o desenvolvimento e virou parte do próprio produto. Aplicações tradicionais hoje costumam se encaixar em um destes dois casos:

• Usam IA internamente para entregar uma funcionalidade inteligente
• Ou expõem a IA como o próprio produto

Dentro disso, existem dois tipos de sistema bem diferentes:

1. Aplicações com IA embutida: funcionalidades pontuais como autocomplete, recomendação ou análise automática de dados
2. Agentes de IA: sistemas autônomos que tomam decisão, executam ações e iteram sozinhos

A diferença entre os dois é importante, veja mais em O que são agentes de IA.

IA como ferramenta no processo de desenvolvimento

Além de aparecer no produto, a IA também mudou o próprio processo de engenharia. Alguns usos comuns hoje em dia:

• Análise de problemas e trade-offs
• Apoio à decisão técnica
• Geração de código
• Code review
• Debugging
• Segurança

E a tendência é ir além disso: codificação por agentes, PRs gerados por IA e auto-correção de bugs já são realidade em times mais maduros.

Isso muda o fluxo de trabalho clássico:

flowchart LR
    subgraph Antes
        A1[Dev] --> A2[Código] --> A3[Deploy]
    end
    subgraph Agora
        B1[Dev] --> B2[IA] --> B3[Código] --> B4[IA revisa] --> B5[Deploy]
    end

O novo papel do desenvolvedor

Com a IA assumindo parte da execução, o foco do desenvolvedor se desloca para outras responsabilidades:

• Entendimento de domínio
• Arquitetura de soluções
• Integração de sistemas
• Especificação e validação
• Co-autoria com a IA

Em resumo: o dev deixa de ser só executor e passa a ser orquestrador do trabalho, tanto o seu quanto o de agentes de IA.

Pilares do desenvolvimento com IA

Juntando tudo, dá para pensar no desenvolvimento moderno com IA como apoiado em alguns pilares:

• Ferramentas (IDEs, CLIs)
• Prompts
• Modelos e agentes
• Documentação
• Memória
• Ambientes (local, remoto, GitHub)
• MCP Servers (veja mais em Model Context Protocol)
• Skills
• Workflow, o centro de tudo

O ponto central aqui não é qual ferramenta você usa, é ter um workflow bem integrado com IA: o contexto, por exemplo, virou parte da própria arquitetura do sistema, tema que aparece com mais detalhe em Context Engineering.