How Do Practitioners Build SE Agents? Insights from a Mixed-Methods Study
Através de um estudo de métodos mistos com 100 profissionais, este artigo revela que a construção de agentes de Engenharia de Software desloca os gargalos de desenvolvimento da codificação para atividades não relacionadas à codificação, como requisitos e coordenação, promovendo um fluxo de trabalho orientado pela avaliação caracterizado por um processo de sete estágios e desafios como sinais de avaliação não confiáveis e dívida de compreensão.
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 o desenvolvimento de software costumava ser como construir uma casa com um martelo e um serrote. Você tinha que cortar cada tábua, pregar cada telha e lixar cada superfície à mão. Era lento, cansativo e a "parte difícil" era apenas balançar o martelo.
Agora, imagine que alguém lhe entrega um robô mágico e hiperveloz que pode cortar, pregar e lixar uma casa inteira num piscar de olhos. De repente, o martelo não é mais o problema. O problema é que o robô é tão rápido que constrói uma mansão antes mesmo de você terminar de desenhar as plantas.
Isso é exatamente o que aconteceu quando os desenvolvedores começaram a usar agentes de SE (robôs de IA que escrevem código). Um novo estudo realizado por pesquisadores que conversaram com 20 construtores de 12 empresas diferentes e entrevistaram outros 80, descobriu que, embora os robôs tenham tornado a escrita de código barata e rápida, eles não fizeram o trabalho desaparecer. Em vez disso, o "gargalo" (o congestionamento no processo) apenas mudou para uma parte diferente da estrada.
Aqui está o que os pesquisadores descobriram, usando a linguagem de um explorador curioso.
A Nova Dança de Sete Passos
O artigo sugere que construir esses agentes de IA não é mais uma linha reta; é uma dança cíclica de sete passos. É menos como uma linha de montagem de fábrica e mais como um videogame onde você continua jogando os níveis para obter uma pontuação mais alta.
- A Planta (Requisitos): Você diz ao robô o que fazer. Mas agora, você tem que escrever as instruções de forma tão clara que tanto humanos quanto o robô possam lê-las.
- O Placar (Avaliação): Este é o passo novo mais importante. Você não apenas verifica o trabalho no final; você usa um placar para guiar o robô enquanto ele trabalha.
- O Combustível (Dados): Você alimenta o robô com exemplos de bons trabalhos para que ele aprenda.
- A Construção (Construção do Sistema): Você escolhe um cérebro para o robô (um modelo) e constrói uma "armadura" (um suporte com ferramentas e memória) ao redor dele.
- O Teste de Rodagem (Teste e Implantação): Você deixa o robô rodar e vê se ele bate o carro.
- O Ciclo de Feedback (Feedback Humano): Você observa o que ele faz e diz: "Não, faça deste jeito", ou "Sim, isso foi ótimo".
- A Revisão (Manutenção Adaptativa): O cérebro do robô pode receber uma atualização de seu criador, mudando a forma como ele pensa. Você precisa constantemente ajustar sua armadura para acompanhar o ritmo.
A Grande Mudança: De Usuário de Martelo a Gerente de Robôs
O estudo descobriu que, como os robôs podem escrever código tão rápido, a antiga ideia de que "programar é a parte difícil" foi descartada. Os pesquisadores argumentam que programar nunca foi a parte mais difícil; era apenas a parte mais barulhenta.
Agora que o robô faz o trabalho pesado, o trabalho real mudou para a revisão e avaliação.
- O Efeito "Vibe Coding": Como o robô pode construir coisas tão rápido, as linhas entre "pesquisador", "engenheiro" e "gerente" estão se tornando tênues. Uma única pessoa pode agora fazer todo o trabalho, desde idealizar a ideia até corrigir o erro final.
- O Problema da "Caixa Preta": Os pesquisadores sugerem que, como o robô é uma "caixa preta" (você não consegue ver exatamente como ele pensa), você não pode simplesmente confiar nele. Você precisa de um estilo de Desenvolvimento Orientado pela Avaliação. Isso significa que você define as regras para o sucesso antes de começar e verifica constantemente se o robô está realmente melhorando, e não apenas ficando mais rápido.
As Seis Armadilhas (Desafios)
Mesmo com robôs supervelozes, os construtores encontraram seis grandes obstáculos. O artigo sugere que estes são problemas reais e difíceis, não apenas pequenos deslizes.
- O Placar Quebrado: Como você sabe se o robô fez um bom trabalho? Os pesquisadores descobriram que os "testes" usados para avaliar o robô são frequentemente falhos. Às vezes, o robô encontra uma solução melhor do que a esperada pelo teste, mas o teste diz "Falha" porque está procurando pela resposta antiga. Outras vezes, o teste é caro demais para ser executado todas as vezes.
- A Maldição do "Não Mude Nada, Mude Tudo": Esta é uma questão assustadora. Os pesquisadores descobriram que, se a empresa que fez o cérebro do robô o atualizar (mesmo que você não tenha tocado no seu código), seu robô pode subitamente começar a se comportar de forma diferente. Uma ferramenta que funcionava ontem pode quebrar hoje, mesmo que você tenha alterado zero linhas de código.
- Segurança vs. Velocidade: Os construtores frequentemente admitem que têm medo dos robôs, mas os deixam rodar para conseguir entregar as tarefas mais rápido. O artigo sugere que isso é perigoso. Uma equipe deixou um robô solto e ele acidentalmente deletou o diretório doméstico de um usuário porque esqueceu suas instruções.
- A Lacuna das "Regras Não Escritas": Robôs só conseguem ler o que está escrito. Mas, na vida real, muito conhecimento está apenas "na cabeça das pessoas" (como o motivo de uma parede específica ter sido construída torta). Os pesquisadores descobriram que os robôs não conseguem acessar esse conhecimento "não dito", levando à confusão.
- A Dívida de Compreensão: Esta é a maior surpresa. Os robôs estão escrevendo código mais rápido do que os humanos conseguem entender. É como se o robô estivesse construindo um arranha-céu em um dia, mas você ainda estiver tentando entender a planta. Os construtores estão acumulando uma "dívida" de código que não compreendem. Para resolver isso, algumas equipes estão começando a salvar as instruções para reconstruir o código, em vez de salvar o código em si.
- A Produtividade Falsa: Se você apenas contar quantas linhas de código o robô escreve, parece que todos são super produtivos. Mas os pesquisadores sugerem que isso é uma armadilha. Escrever 10.000 linhas de código que ninguém entende ou precisa não é "produtivo". É apenas "ruído".
O Quão Certos Estamos?
Os pesquisadores estão bastante confiantes nesses achados porque não apenas adivinharam; eles mediram.
- Eles entrevistaram 20 especialistas e depois pesquisaram outros 80.
- Quando perguntaram ao grupo de pesquisa se concordavam com as descobertas, 91% concordaram com o novo fluxo de trabalho, e entre 71% e 95% concordaram com os desafios específicos.
- Eles até voltaram aos entrevistados originais para verificar se concordavam com o resumo (um processo chamado "verificação de membro"), e os especialistas disseram: "Sim, é exatamente o que fazemos".
A Conclusão
O artigo sugere que construir agentes de IA não tornou a engenharia de software fácil; apenas a tornou diferente. A "parte difícil" mudou de escrever o código para gerenciar o robô, verificar seu trabalho e garantir que ele não delete acidentalmente a internet.
Os pesquisadores concluem que, à medida que a implementação se torna barata, os gargalos não desaparecem — eles apenas se movem. O futuro de construir software não é sobre digitar mais rápido; é sobre ser um melhor gerente, um juiz mais rigoroso e um arquiteto mais inteligente para os robôs que fazem o trabalho pesado.
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.