Fabio Caversan é vice-presidente de negócios digitais e inovação na Stefanini , impulsionando novas ofertas de produtos e transformação digital.
A excitação generalizada em torno da IA — especificamente os modelos de linguagem grandes (LLMs) voltados para o consumidor, como o ChatGPT — elevou o perfil das ferramentas de IA na consciência popular. Também levou muitos tomadores de decisão em empresas ao redor do mundo a fazer perguntas pontuais sobre como eles podem alavancar o poder dessas novas ferramentas revolucionárias para seu próprio benefício.
Ferramentas de IA não são novas. O que é novo, no entanto, é a maneira como ferramentas de IA baseadas em LLM podem ser alavancadas de maneiras inovadoras e impactantes, talvez mais notavelmente no processo de desenvolvimento de aplicativos. Apreciar até que ponto a IA está elevando o desenvolvimento de aplicativos de forma mais ampla pode fornecer uma janela importante e instrutiva para o potencial de longo prazo para que esse tipo de tecnologia tenha um impacto profundo em uma ampla gama de indústrias e casos de uso.
Uma especialidade diversificada e dinâmica
O desenvolvimento de aplicativos é uma especialidade em que profissionais qualificados podem ser solicitados a entregar qualquer tipo de aplicativo com recursos com base em uma ampla gama de solicitações de clientes. Uma montadora pode solicitar um aplicativo de carro conectado. Um cliente bancário pode solicitar a um parceiro de tecnologia que desenvolva uma solução que possa gerenciar todo o trabalho pesado para operações de back-office e executar fluxos de trabalho internos.
Esses processos de desenvolvimento podem variar de relativamente modestos a extraordinariamente desafiadores e demorados. Especialmente com projetos maiores, não é difícil ver como as eficiências alimentadas por IA podem ter um impacto positivo significativo.
Dois Pilares da IA
Na verdade, há dois tipos diferentes de usos para integrar ferramentas de IA em aplicativos. O primeiro é aquele que existe há mais tempo, onde modelos de IA mais tradicionais (não LLMs) podem ser alavancados para identificar insights de grandes volumes de dados.
Por exemplo, você pode executar um modelo de IA em uma lista de incidentes de clientes relatados com um aplicativo ou processo de cliente para classificar e categorizar esses incidentes e fornecer mais insights sobre suas causas e prevalência. Isso pode não apenas identificar os maiores problemas, mas também informar a abordagem de um desenvolvedor de aplicativo para corrigi-los. Ao treinar a IA em tickets técnicos gerados a partir de relatórios de bugs ou outros problemas, é possível abordar com eficiência as causas raiz desses problemas e diminuir drasticamente os incidentes futuros.
O segundo uso da IA no desenvolvimento de aplicativos é melhorar a eficiência da equipe. Este é um espaço onde o ritmo rápido da inovação está sendo impulsionado principalmente por ferramentas de IA baseadas em LLM que estão transformando o desenvolvimento de aplicativos de maneiras profundas.
Ferramentas de IA estão sendo alavancadas em praticamente todos os estágios do fluxo de trabalho de desenvolvimento, desde a coleta de requisitos do cliente até a análise de problemas e o design, teste e implantação de soluções. LLMs podem tornar as coisas mais rápidas e eficientes (às vezes drasticamente) ao longo desse ciclo de vida de desenvolvimento.
Eficiência Transformadora
Independentemente dos diferentes ciclos de vida ou especificidades operacionais usadas ao construir um aplicativo, tudo começa com o trabalho para entender as necessidades de negócios do cliente. Do brainstorming e desenvolvimento de estratégia à criação de um roteiro, construção do aplicativo, avaliação de requisitos e formação de equipe — e durante todo o processo de desenvolvimento de aplicativo e entrega digital — a IA pode ter destaque.
No início do processo de desenvolvimento, as ferramentas de IA podem ser usadas para:
• Brainstorming de ideias
• Lean Inception e design thinking
• Identificação de benchmarks de mercado
• Criar personas e sugerir diferentes jornadas do usuário para entender melhor o cliente e como os recursos o afetarão (o que ajuda a definir o escopo do trabalho)
• Executar uma análise de risco
• Identificar a disponibilidade de pessoal e funções correspondentes com base na disponibilidade regional e específica de habilidades
No lado do design, a IA pode ajudar com:
• Levantamento de requisitos
• Fornecer orientação para protótipo
• Aproveitando o desenvolvimento orientado a comportamento (BDD) e iniciando os testes antes mesmo do código estar pronto
• Informar a abordagem UX/UI
Uma vez que o desenvolvimento começa para valer, a IA se torna uma potência que economiza tempo, com ferramentas baseadas em LLM que podem fornecer:
• Otimização de código e desempenho de código (fornecendo sugestões ou exemplos de codificação, executando tarefas de codificação e gerando documentação)
• Depuração, correção de bugs e construção de correções de código para erros
• Desenvolvimento e operações
• Melhorar o processo de garantia de qualidade automatizando etapas de teste, como gerar e executar scripts de teste e seguir uma lista de tarefas
• Melhoria continua
• Melhorar a comunicação traduzindo de e para praticamente qualquer linguagem falada, escrita ou de programação
A funcionalidade de garantia de qualidade sozinha pode reduzir significativamente o número de horas e profissionais necessários para testes. Descobrimos que o tempo de teste de regressão pode ser reduzido em mais de 90% em comparação aos métodos tradicionais.
Construindo ferramentas de IA proprietárias
Para todo o poder das ferramentas de IA, a natureza pública das plataformas de IA baseadas em LLM é problemática do ponto de vista da segurança. Como soluções como o ChatGPT exporiam informações privadas e proprietárias da empresa e do cliente, muitas empresas de tecnologia estão hospedando um modelo de LLM em um ambiente privado e seguro ou estão desenvolvendo suas próprias versões dessas ferramentas para usar de maneiras específicas para impulsionar a melhoria em processos internos.
A chave para qualquer desenvolvedor de aplicativo é garantir que eles treinem o modelo para fornecer as respostas certas. Essas ferramentas LLM são tão boas quanto as informações que elas ingerem, e o pré-treinamento de uma ferramenta é essencial para fazê-la funcionar da maneira que você precisa.
Com uma biblioteca de ferramentas e prompts em vigor, o desenvolvedor do aplicativo é como um artista com uma paleta infinita de funcionalidades de IA que ele pode chamar para agilizar e turbinar o processo de desenvolvimento do aplicativo. Com a IU certa, o poder de mudança de jogo da IA baseada em LLM pode ser utilizado de maneiras totalmente personalizadas, tudo com a simplicidade de arrastar e soltar e recortar e colar.
Inteligência Artificial, Ganhos Autênticos
Dada a extensão em que ferramentas de IA cada vez mais poderosas e personalizadas já estão transformando o espaço de desenvolvimento de aplicativos, não é absurdo pensar que esses ativos continuarão a aumentar significativamente a eficiência ao longo do ciclo de vida do desenvolvimento de aplicativos. Mas o que é realmente empolgante sobre IA no desenvolvimento de aplicativos não é apenas a automação e a eficiência, mas o escopo completo de maneiras pelas quais essas ferramentas estão fornecendo suporte conceitual e processual — incluindo conceitos criativos e geração de ideias.
O resultado final? A IA possibilita que profissionais de desenvolvimento de aplicativos entreguem mais rápido e melhor, aumentando a qualidade, diminuindo o tempo de colocação no mercado e melhorando a satisfação geral do usuário no processo.
Sou designer focada na criação de interfaces para aplicativos, com o objetivo de tornar cada experiência simples, intuitiva e eficiente para o usuário. Trabalho desenvolvendo layouts que não só sejam bonitos, mas que também ajudem na navegação e na conversão dentro dos apps. No blog, compartilho conteúdos sobre design de aplicativos, usabilidade e tendências que impactam diretamente na experiência do usuário.
