Applying SHAPR in AI-Assisted Research Software Development: Lessons Learnt from Building a Share Trading System
Este artigo apresenta um estudo de caso sobre a aplicação do framework SHAPR no desenvolvimento de um sistema de negociação de ações, ilustrando como uma configuração de trabalho estruturada e documentação contínua podem mitigar a perda de continuidade e clareza metodológica na pesquisa de software assistida por IA.
Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine que você é um cozinheiro genial tentando criar uma receita complexa para um novo prato, mas, em vez de escrever tudo num caderno, você conversa com um robô superinteligente que sugere ingredientes, corta vegetais e até ajusta o tempero. O problema? Se você não anotar o que o robô fez, por que você aceitou a sugestão dele e como o prato evoluiu, no final você terá uma comida deliciosa, mas ninguém (nem você mesmo) saberá como recriá-la ou explicar por que ficou tão bom.
É exatamente esse o dilema que o artigo "Aplicando SHAPR no Desenvolvimento de Software de Pesquisa com IA" tenta resolver.
Aqui está a explicação do que os autores descobriram, usando analogias do dia a dia:
1. O Problema: A "Cozinha Caótica" da IA
Hoje, a Inteligência Artificial (IA) ajuda pesquisadores a criar softwares muito rápido. É como ter um ajudante mágico que escreve código em segundos. Mas, se você deixar o ajudante trabalhar sozinho sem supervisão, coisas estranhas acontecem:
- Esquecimento: Você não lembra por que escolheu uma cor ou um ingrediente.
- Confusão: O nome dos ingredientes muda no meio do processo (o "arroz" vira "grão" de repente).
- Rastros perdidos: Você não consegue explicar como chegou ao prato final.
Para pesquisadores, o software não é só o resultado; o processo de como ele foi feito é a parte importante da ciência. Se você não consegue explicar o processo, a pesquisa não é válida.
2. A Solução: O Método SHAPR (O "Gerente de Cozinha")
Os autores criaram um método chamado SHAPR. Pense nele como um Gerente de Cozinha que garante que, mesmo com a ajuda do robô, o chef humano (o pesquisador) continue no comando.
O SHAPR não é um software específico, mas sim um modo de trabalho. Ele diz: "Use a IA, mas mantenha o controle humano, anote tudo e faça isso em etapas".
3. Como Funcionou na Prática (A Analogia das Três Salas)
Para construir um sistema de negociação de ações (como um simulador de bolsa de valores), o pesquisador usou três "salas" conectadas, como se fosse uma casa inteligente:
- Sala de Conversa (ChatGPT): É onde o pesquisador conversa com a IA. É o lugar das ideias, das perguntas e da colaboração.
- Sala de Construção (PyCharm): É a oficina onde o código é realmente escrito e testado. É onde a mágica técnica acontece.
- Sala de Memória (Obsidian): É o diário de bordo, o caderno de anotações. Aqui ficam os contratos, as decisões importantes e o que foi aprendido.
O Segredo: O pesquisador não misturava tudo. Ele conversava na Sala de Conversa, construía na Sala de Construção e, imediatamente, anotava o que aconteceu na Sala de Memória.
4. As 5 Lições Principais (O Que Aprendemos)
O artigo tirou 5 lições valiosas dessa experiência, que podem ser traduzidas assim:
- Contratos são como Regras do Jogo: Antes de começar a cozinhar, você define as regras (ex: "o sal só entra depois do cozimento"). Na programação, isso significa definir regras claras para a IA antes de pedir o código. Isso evita que a IA invente coisas estranhas no meio do caminho.
- A "Fonte da Verdade" é o Mapa: Você precisa de um único lugar que diga exatamente onde você está no projeto. Se você tiver 10 cadernos diferentes com informações conflitantes, vai se perder. O SHAPR exige um "mapa mestre" atualizado o tempo todo.
- Fotos do Progresso (Snapshots): Imagine que você tira uma foto do prato a cada etapa da receita. Se algo der errado na próxima etapa, você volta para a foto anterior e recomeça. No projeto, isso significa salvar o estado do software ao final de cada ciclo de trabalho para garantir que nada se perca.
- Anotações Rápidas e Refinamento: Não espere terminar o dia para escrever o diário. Anote ideias rápidas (como um "post-it") enquanto trabalha. Depois, use a IA para transformar esses rabiscos em textos organizados. Isso evita que você esqueça insights brilhantes no meio da correria.
- Organizar a Cozinha é Parte do Trabalho: Passar tempo configurando suas ferramentas e regras não é "perda de tempo". É como preparar o fogão e os utensílios antes de cozinhar. Essa organização gera conhecimento por si só.
5. A Conclusão: O Chef Humano no Comando
A grande mensagem do artigo é que a IA é uma ferramenta incrível, mas ela não deve substituir o pensamento crítico do pesquisador.
O método SHAPR ensina a criar um sistema de trabalho onde:
- A IA faz o trabalho pesado e sugere ideias.
- O Humano toma as decisões finais, anota o "porquê" de tudo e garante que a história do projeto faça sentido.
É como se o pesquisador dissesse: "Eu uso o robô para me ajudar a construir, mas eu sou o arquiteto que segura o projeto inteiro e garante que, no final, eu saiba exatamente como e por que construímos isso."
Em resumo: Para usar IA na pesquisa sem perder a cabeça, você precisa de um método organizado, anotações constantes e a certeza de que você, o humano, é quem está no banco do motorista, mesmo que a IA esteja guiando o GPS.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.