Apesar de a inteligência artificial ser capaz de gerar código com velocidade sem precedentes, o processo de seu teste, verificação e implantação no ambiente de produção representa um desafio complexo separado. As equipes de engenharia estão cada vez mais utilizando agentes de IA para escrever código, corrigir erros e criar novas funcionalidades, mas acelerar a codificação não garante a aceleração da entrega de software.
À medida que a geração de código ganha força, o número de verificações aumenta, os testes desaceleram e as equipes têm dificuldade em coordenar o volume crescente de mudanças.
Na conferência TechSparks 2026, Tushar Mathur, CEO da Forge Code, abordou este problema em sua sessão 'Anatomia da Fábrica de Software'. Ele explicou como as organizações de engenharia orientadas por IA podem ir além da automação de tarefas individuais de codificação e começar a criar sistemas que gerenciam todo o ciclo de vida de desenvolvimento de software (SDLC).
Mathur observou que o fato de a geração de código ter se tornado mais fácil e rápida não significa que o SDLC geral será acelerado. Ele lembrou que a abordagem tradicional de desenvolvimento focava na escrita eficiente de código, exigindo que as equipes definissem requisitos, preparassem especificações e projetassem arquiteturas para reduzir a carga na fase de implementação.
No entanto, como a IA assume grande parte do trabalho de codificação, os gargalos mudam para outras áreas. Mathur descreveu uma situação em que as organizações enfrentam um enorme número de solicitações de mesclagem (pull requests) aguardando revisão, ciclos de teste mais longos e mais erros do que os conjuntos de regressão existentes conseguem detectar.
Ele enfatizou que a solução para o problema não reside necessariamente em contratar mais engenheiros ou lançar mais agentes de IA. Funcionários adicionais podem aumentar os custos de coordenação, e adicionar agentes sem mecanismos eficazes de feedback pode levar à criação de código que sobrecarrega os sistemas de verificação e teste.
'A razão para isso é a ausência de sinal', explicou Mathur, ao explicar por que simplesmente conectar etapas automatizadas não cria uma fábrica de software eficaz.
Mathur apresentou a Forge Code como uma fábrica de software que coordena agentes de IA durante todo o ciclo de desenvolvimento. O processo começa com a triagem de solicitações, criação de especificações e implementação de funcionalidades. Em seguida, os agentes verificam as alterações antes que sejam implantadas, com intervenção de engenheiros humanos quando são necessárias decisões ou feedback.
O sistema também monitora em ambiente de produção, usando os dados coletados para informar tarefas futuras. Isso forma um ciclo de feedback, permitindo que a fábrica identifique problemas, aprimore seus fluxos de trabalho e gere novo trabalho com base na experiência adquirida. Durante a apresentação, Mathur relatou que a Forge Code utilizou cerca de 100 agentes em segundo plano para trabalhar em funcionalidades, compatibilidade e detecção de erros.
Ele delineou seis princípios para criar uma fábrica de software eficaz: operação autônoma, escalabilidade, eficiência econômica, mensurabilidade, autoaperfeiçoamento e alinhamento com objetivos de negócios. O último princípio é particularmente importante.
A fábrica deve operar não como uma tarefa de codificação para cada solicitação, mas sim ser direcionada ao alcance de resultados específicos, como aumento da retenção de clientes ou conformidade regulatória. As equipes podem então priorizar funcionalidades com base no valor que elas agregam. Neste modelo, os engenheiros gastam menos tempo gerenciando cada tarefa e mais tempo observando os resultados, analisando sinais e melhorando o próprio sistema. Os líderes de negócios também podem fornecer solicitações e prioridades diretamente, permitindo que a fábrica transforme objetivos organizacionais em um backlog de desenvolvimento.
A velocidade de codificação é boa, mas criar software melhor é a verdadeira vitória. Para as equipes de engenharia, a chave é transformar a velocidade fornecida pela IA em produtos confiáveis, progresso mensurável e resultados de negócios reais.