VQD-CTS Prediction Model: An AI-Driven Framework for Predicting Cost-to-Serve Using Engineering Velocity, Quality, and Developer Experience

Imagine que você está administrando uma pizzaria enorme e movimentada. Você tem uma equipe de chefs (os desenvolvedores), um forno sofisticado (a tecnologia) e um fluxo constante de pedidos (as funcionalidades de software). Nos velhos tempos, se você quisesse saber quanto custaria para fazer uma pizza, apenas adivanhava com base em quantas pizzas você fez na semana passada. Mas isso é um pouco como tentar prever o tempo olhando para o calendário de ontem; ignora as nuvens de tempestade, o vento e o fato de que seu forno pode estar quebrado.

No mundo do software, as empresas enfrentam um quebra-cabeça semelhante. Elas monitoram a rapidez com que suas equipes trabalham (Velocidade), quantos erros elas cometem (Qualidade) e o quão felizes os chefs estão com suas ferramentas e ambiente (Experiência do Desenvolvedor). Mas, por muito tempo, ninguém conseguia descobrir exatamente como essas três coisas se somavam à conta final — o "Custo de Servir" (Cost-to-Serve). É como saber que você usou muito queijo e teve um chef feliz, mas não saber se isso significa que sua pizza custou $10 ou $100 para ser feita. Este artigo tenta resolver esse mistério construindo um cérebro de computador superinteligente (uma IA) que pode olhar para todos esses detalhes bagunçados e prever o preço antes mesmo da pizza ser assada.

O Modelo de Predição VQD-CTS: Uma Bola de Cristal para Custos de Software

Os pesquisadores, Basavaraj Chunchure e Mantesh Patil, construíram uma nova ferramenta chamada Modelo de Predição VQD-CTS. Pense no "VQD" como um molho secreto feito de três ingredientes: Velocidade (o quão rápido a equipe se move), Qualidade (quantos bugs eles detectam) e Experiência do Desenvolvedor (o quão fácil é para eles realizarem seu trabalho). "CTS" significa Custo de Servir (Cost-to-Serve), que é a conta total para entregar um software a um cliente, incluindo tudo, desde a eletricidade para os servidores até os salários das pessoas que corrigem os bugs.

A equipe não apenas adivinhou; eles alimentaram sua IA com uma pilha massiva de dados falsos, porém realistas — 10.000 registros de diferentes projetos de software — para ensinar à ela como esses três ingredientes se misturam para criar um custo. É como treinar um robô chef deixando-o observar 10.000 diferentes cenários de fabricação de pizza, desde os que ocorreram sem problemas até aqueles em que o forno pegou fogo.

O Que Eles Descobriram?

O robô chef revelou-se surpreendentemente bom em seu trabalho. Quando testaram o modelo em novos dados não vistos, ele obteve uma pontuação de 0,885 (em uma escala onde 1,0 é perfeito). Em termos simples, isso significa que o modelo explica quase 90% das razões pelas quais os custos sobem ou descem. Em média, suas previsões de preço erraram por apenas 79,93 unidades de moeda (o artigo usa uma unidade genérica, então pense nisso como "pontos" em um placar).

Mas a verdadeira magia não estava apenas na pontuação; era no que a IA lhes disse sobre o porquê dos custos acontecerem. Os pesquisadores perguntaram ao modelo: "Qual é a maior razão para nossa conta de pizza estar tão alta?" e o modelo apontou um dedo digital para quatro principais suspeitos:

1. Complexidade do Código: Este foi o maior vilão. Se o código é bagunçado e difícil de entender, o custo dispara. É como tentar construir uma casa com fios emaranhados por toda parte; leva uma eternidade para consertar e, cada vez que você toca em algo, outra coisa quebra.
2. Densidade de Defeitos: Esta é apenas uma maneira elegante de dizer "quantos bugs estão escondidos no código". Quanto mais bugs, mais caro o projeto se torna devido a todo o retrabalho e reclamações dos clientes.
3. Tempo de Ciclo (Cycle Time): Este é o tempo que leva de "eu tenho uma ideia" até "está funcionando no seu telefone". Se este tempo se arrasta, o custo aumenta devido a dores de cabeça de coordenação e oportunidades perdidas.
4. Participação de Custo de Infraestrutura: Esta é a conta pelos servidores na nuvem e ferramentas. À medida que as empresas movem mais de seu trabalho para a nuvem, esta parte da conta torna-se uma enorme fatia do custo total.

As Verdades Surpreendentes

O modelo também revelou algumas coisas que podem parecer um pouco contraintuitivas. Por muito tempo, muitos chefes pensaram que, se você apenas fizesse sua equipe trabalhar mais rápido (maior Velocidade), os custos diminuiriam. A IA diz: "Não tão rápido!". O estudo descobriu que a velocidade bruta sozinha não importa muito se o código for bagunçado ou se a equipe estiver infeliz. Na verdade, pressionar pela velocidade sem se importar com a qualidade ou com a experiência dos desenvolvedores pode, na verdade, tornar a conta mais alta no longo prazo devido a todos os erros que você terá que corrigir depois.

Outra surpresa foi que o tamanho da equipe não importava tanto quanto as pessoas pensavam. Uma equipe grande não é automaticamente cara se estiver organizada e experiente; uma equipe pequena pode ser cara se estiver perdida e confusa. Não se trata do número de chefs; trata-se de quão bem eles conhecem a receita e o quão afiadas são suas facas.

O Quão Certos Eles Estão?

Os pesquisadores estão bastante confiantes nesses resultados, mas com alguns asteriscos. Eles construíram seu modelo usando um grande conjunto de dados sintéticos (gerados por computador) que mimetizam projetos do mundo real. Eles testaram o modelo em diferentes tipos de projetos, como construir novos sistemas do zero (Greenfield) ou consertar antigos (Brownfield), e ele funcionou bem em quase todos eles.

No entanto, eles admitem que isso é uma simulação. Eles ainda não observaram uma empresa real usar este modelo por um ano inteiro para ver se ele economiza milhões de dólares no mundo real. Eles também observaram que o modelo funciona melhor quando uma empresa possui bons dados para começar. Se uma empresa está voando às cegas e não rastreia seus bugs ou quanto tempo as tarefas levam, o modelo não pode fazer sua mágica.

A Conclusão

O modelo VQD-CTS é como um GPS para gerentes de software. Em vez de dirigir às cegas e torcer para não ficarem sem combustível (dinheiro), eles agora podem olhar para sua velocidade, a condição do carro e o humor do motorista para prever exatamente quanto a viagem custará. O estudo sugere que, se você quiser economizar dinheiro, não diga apenas à sua equipe para "ir mais rápido". Em vez disso, limpe o código bagunçado, corrija os bugs cedo e certifique-se de que seus desenvolvedores tenham as ferramentas necessárias para serem felizes. Isso, sugere o artigo, é a verdadeira receita para uma pizza mais barata e melhor.