A crescente onda de automação gerada pela inteligência artificial (IA) vem alimentando previsões de que programadores seriam substituídos por máquinas capazes de criar código de forma autônoma. A ideia de “vibe coders”, profissionais que usam IA para gerar software a partir de prompts, sugere que empresas poderiam reduzir custos com equipes de desenvolvimento.
No entanto, segundo análise publicada pelaForrester em artigo de Andrew Cornwall, essa visão ignora um ponto crucial: a disciplina de DevOps segue indispensável.
Mesmo que a IA gere trechos funcionais sem erros, o resultado continua sendo código, apenas em um nível diferente — agora representado pelos prompts. Isso significa que empresas precisam versionar, armazenar e auditar mudanças para manter a rastreabilidade. Como o processo de geração de código não é determinístico, é ainda mais importante contar com mecanismos que permitam reverter para versões estáveis quando necessário.
Leia também:“Coragem maior que o medo”: como Adriana Aroulho lidera a SAP América Latina
Integração continua essencial
Softwares de uso corporativo raramente são construídos por uma única pessoa. Em ambientes de alta colaboração, aumenta a necessidade de pipelines de integração contínua. A automação de builds e a gestão de mudanças entre múltiplos especialistas tornam-se críticas, já que nem sempre os usuários que dominam a lógica de negócio conhecem as melhores práticas de integração de sistemas.
Testes e avaliações não podem ser ignorados
Garantir que um aplicativo funcione não se limita a validar suas respostas. Com a IA, entram em cena riscos adicionais, como vieses ou comportamentos imprevistos. Isso exige processos automatizados de teste — chamados hoje de “evals” em comunidades de IA, que desempenham o mesmo papel dos testes contínuos já integrados aos pipelines de DevOps.
Segurança em primeiro plano
A adoção de IA também amplia a superfície de ataque. Além de vulnerabilidades clássicas, como SQL injection, surgem ameaças como prompt injection e jailbreaking. Monitoramento de código gerado, auditoria de modelos de IA e controles de cadeia de suprimentos de software tornam-se parte inseparável da rotina.
Confiar cegamente na IA para decidir ambientes de produção pode gerar custos inesperados e falhas graves. Um processo de deploy precisa ser determinístico, repetível e controlado, assegurando tanto previsibilidade financeira quanto estabilidade operacional. A infraestrutura como código pode até ser gerada com IA, mas deve ser rigidamente validada e documentada.
A disciplina continua sendo a base
A análise da Forrester conclui que o desenvolvedor apoiado por IA precisa, mais do que nunca, compreender fundamentos do ciclo de desenvolvimento e entrega de software. Casos de falhas públicas em aplicações criadas com IA demonstram que, sem as práticas já consolidadas de DevOps, o risco de fiascos aumenta exponencialmente.
Assim, em vez de substituir a engenharia de software, a inteligência artificial adiciona novas camadas de complexidade que exigem ainda mais disciplina, automação e controle — pilares centrais do DevOps.
Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!
