A inteligência artificial simplifica o processo de criação de software, permitindo que gerentes de produto, designers e especialistas no assunto transformem ideias em protótipos, mesmo sem habilidades profundas de codificação. No entanto, transformar esses protótipos em produtos robustos que resolvem problemas reais continua sendo um desafio complexo.
Durante o evento TechSparks 2026, um painel de discussão intitulado 'De quem pode codificar para quem pode construir' abordou essas mudanças. Os participantes incluíram Srinivas Chamarthy, Vice-Presidente Sênior de Engenharia, líder de local e chefe de país na Diligent India; Madhusudan N. Murthy, Gerente de Engenharia Digital e Estratégia Tecnológica na EY GDS; e Arun Kalyanaraman, Vice-Presidente de Engenharia na Target na Índia. Chhavi Mahajan, Diretora de Conteúdo da YourStory, moderou o debate.
O desenvolvimento com IA permite que as equipes de negócios testem conceitos, demonstrem ideias e coletem feedback muito mais cedo. No entanto, um protótipo que demonstra a funcionalidade de uma ideia ainda não está pronto para produção completa. Os aplicativos ainda devem atender aos requisitos de segurança, escalabilidade e confiabilidade.
Murthy observou que a IA facilita a realização de experimentos, mas as empresas devem fazer uma distinção clara entre um conceito que prova a viabilidade e um aplicativo pronto para produção. As equipes de engenharia ainda precisam identificar vulnerabilidades, implementar mecanismos de proteção e garantir que os sistemas suportem a carga do uso real. Ele enfatizou: 'Isso é bom, é um desenvolvimento muito positivo, mas também deve ter seus limites.'
Kalyanaraman afirmou que a IA é capaz não apenas de acelerar a escrita de código pelos desenvolvedores, mas também de otimizar todo o ciclo de desenvolvimento — desde a definição do problema e teste da solução até a aprovação das partes interessadas. Ele salientou, contudo, que o conhecimento fundamental de engenharia, o pensamento arquitetônico e a profundidade técnica permanecerão indispensáveis, mesmo com a mudança nos métodos de construção de soluções graças à IA.
Ele deu um exemplo em que um proprietário de produto, um engenheiro e um especialista em UX usaram ferramentas de IA e grandes modelos de linguagem para criar um protótipo de um conceito complexo e apresentá-lo à liderança em apenas uma semana. Sem essas ferramentas, esse processo poderia levar de seis semanas a dois meses. A vantagem não foi apenas a codificação mais rápida, mas também a capacidade de testar a ideia e tomar uma decisão mais rapidamente.
Chamarthy observou que, na era da IA generativa, a codificação se torna um commodity, encurtando o caminho do protótipo ao feedback do cliente e subsequente lançamento em produção de um ciclo potencial de nove meses para um ou dois meses. À medida que a velocidade aumenta, ele acredita que saber o que não se deve construir adquire maior valor, portanto, as ideias devem ser testadas em um ambiente de testes enquanto engenheiros experientes as fortalecem em termos de segurança, escalabilidade e confidencialidade.
À medida que as empresas passam do uso de IA para auxiliar desenvolvedores para a implementação de agentes capazes de realizar tarefas com supervisão limitada, é necessário definir o nível de autonomia. Chamarthy aconselhou que isso deve depender dos riscos associados, do impacto potencial da solução e da possibilidade de reverter seu resultado. Ele sugeriu que as organizações considerem se a solução é uma 'porta de ida e volta' ou uma 'porta de sentido único', sendo que decisões financeiras ou estratégicas significativas exigem controle humano e julgamento contextual.
Chamarthy alertou que o acesso a ferramentas de codificação baseadas em IA não pode substituir a experiência de engenharia. Engenheiros experientes entendem as decisões arquitetônicas que afetam a manutenção de longo prazo, a segurança e a escalabilidade, incluindo riscos que podem não ser óbvios em um protótipo. Seu conselho foi incentivar experimentos, mas em um ambiente controlado: 'Não pare o código. Teste-o em um ambiente de testes.'
Isso permite que um maior número de funcionários teste ideias, dando às equipes de engenharia a oportunidade de analisar os aplicativos, corrigir falhas e prepará-los para o lançamento.
Como a IA simplifica a geração de código e a busca por respostas, aumenta a importância de entender quais problemas devem ser resolvidos. Kalyanaraman comparou o uso de IA a pedir a um gênio que realiza apenas três desejos. Obter um resultado útil depende da habilidade de fazer as perguntas certas e entender as limitações. Ele declarou: 'Em um mundo onde as respostas podem ser facilmente obtidas, a habilidade de fazer as perguntas certas se tornará uma habilidade verdadeiramente crítica.'
Pessoas que entendem as necessidades dos clientes, os processos de negócios e os requisitos operacionais estão mais bem equipadas para identificar soluções que criam valor real. As equipes de engenharia também precisarão de pensamento sistêmico e experiência em plataformas para ajudar os não engenheiros a desenvolver aplicativos sem risco para os sistemas de produção.
Essa mudança também tem implicações para o desenvolvimento de talentos. Murthy relatou que a EY GDS está preparando os funcionários para um local de trabalho gerenciado por IA, unindo especialistas experientes e talentos jovens. Os funcionários existentes trazem conhecimento sobre clientes e sistemas, enquanto novos membros da equipe oferecem novas abordagens e desenvolvem novas habilidades técnicas.
Chamarthy acrescentou que as equipes precisam de um equilíbrio de pontos fortes: as organizações devem aprimorar as qualificações dos funcionários existentes, que conhecem seus produtos e clientes, ao mesmo tempo em que atraem recém-formados capazes de trabalhar com ferramentas de IA. Ele também observou que a eficácia dos engenheiros deve ser avaliada pelos problemas que as equipes resolvem para os clientes, e não apenas por métricas como o número de linhas de código escritas ou tickets fechados. Como a IA assume o trabalho rotineiro, os resultados fornecidos pelas equipes de engenharia se tornam um indicador mais revelador de sua contribuição.
Os painelistas esperam que funcionários e agentes de IA trabalhem cada vez mais próximos. À medida que os agentes assumem tarefas mais complexas, as empresas terão que repensar fluxos de trabalho, responsabilidade e expectativas de desempenho. Elas também precisam garantir que os mecanismos de proteção acompanhem as capacidades da tecnologia.
Murthy descreveu um futuro em que os gerentes supervisionarão agentes de IA juntamente com humanos. Ele disse: 'O futuro que vejo é acostumar-se ao fato de que os agentes obedecem a você, e não apenas os humanos.'
Kalyanaraman concluiu que a Nova Ordem Tecnológica não se trata apenas do que a IA pode fazer por nós, mas de como evoluímos em nosso pensamento, práticas de engenharia e processos de tomada de decisão para aproveitar ao máximo seu potencial. Embora a IA simplifique a criação de software, as empresas ainda precisarão de experiência em engenharia, conhecimento do setor e julgamento humano para determinar quais ideias vale a pena desenvolver e quais protótipos estão prontos para produção.