Introdução

A IA generativa tornou-se uma aliada relevante no que se refere ao aprendizado no nicho tecnológico, principalmente com o uso de seus "bots" que nos auxiliam na geração de código. Não é tão comum quanto antes consultar documentações e artigos para encontrar determinada solução, não quando com apenas um "click" podemos desfrutar das facilidades de seus filtros que nos poupam, decididamente, muito de nosso escasso tempo. Isso não é, de certa forma, um ponto limitador de nossa capacidade cognitiva para resolver problemas ou para pesquisa ativa, nem de longe é uma forma de encurtar o caminho para se formar um dev, de outra maneira é uma completude da ponte aprendizado-assimilação, quando usada de forma que venha sanar dúvidas proporcionando assim uma maior fixação. O mesmo uso se vale para no ambiente corporativo, cujo paradigma de preconceito e recusa vem caindo a cada nova geração dessas ferramentas que ainda tanto prometem. Nessa visão quero apresentar como a IA voltada para a geração automática de código pode auxiliar tanto para o aprendizado quanto para a manutenção de aptidões técnicas que garantem o bom desenvolvedor. Sua influência vai muito além dessas áreas, englobando desde pequenos trechos de código para aprendizado em Python como também para tratamento de enormes fontes de dados, como acontece com Fontes de dados em muitos lugares.

Desenvolvimento de software por IA no ambiente corporativo

Implementações de IA, especialmente a generativa (gen IA), são responsáveis pelo aumento da produtividade de muitas empresas ao automatizar tarefas repetitivas e cansativas, como a coleta de dados, abrindo espaço e tempo para o programador focalizar em tarefas que exigem mais criatividade. As ferramentas de IA se adaptam e evoluem por meio do Machine Learnig e técnicas de Deep Learnig produzindo resultados melhores no desenvolvimento de software. Isso é de extrema relevância em um mercado cada vez mais rápido, competitivo e exigente, o que vale também para um profissional de tecnologia. Grandes empresas como Google, Microsoft e Amazon investem nessa tecnologia e as implementam em grande ou média escala em suas plataformas de serviços e atendimento.

Profissionais de uma forma geral tendem a se adaptar ao meio no qual está inserido e se valer de ferramentas desenvolvidas e integradas a uma IA é um fator básico no nível operacional não só de empresas atuantes nesse nicho como de qualquer empresa que esteja nos padrões de mercado atuais. Automatizar é a palavra chave e diminuir o tempo do programador em testes e estruturação de algoritmos de forma a deixa-lo mais confortável pra lidar apenas com o que entende melhor: produzir softwares.

Outro ponto interessante de ressaltar é a mitigação de erros uma vez que modelos de IA generativa aprendem por padrões prévios e dados fornecidos, o algoritmo passa a “aprender” e a partir daí segue esses padrões para enfim criar o código. Por se tratar de uma máquina a tendência é a de acreditar que não haverá erros, mas a grande verdade, que não é tão grande assim, é que há a necessidade de fazer alguma verificação do código produzido principalmente quando é feito sob encomenda para uma empresa.

Geração de Código na educação implementada por IA

              O aprendizado é uma tarefa árdua que está enraizada em dedicação e prática, na verdade a prática é o fator primordial de fixação de determinado conteúdo. No desenvolvimento de software não poderia ser diferente e é mais necessário ainda tendo em vista uma aprendizagem eficiente, afinal você não aprenderia a andar de bicicleta apenas com a teoria ou vendo tutorias do You Tube, como ressalta Gustavo Guanabara. Testar e implementar pequenos programas para a assimilação de um assunto é primordial e ter um bom leque de exemplo definitivamente é o ponto chave para uma compreensão contundente. Exemplos são a necessários? São e ainda o é. Os Bots de conversa e geração de texto como ChatGPT, Gemini e BlackboxaAI (este exclusivamente voltado para os desenvolvedores) servem como tutor capaz de fazer explanações gerais sobre diversos assuntos que abarcam desde um breve resumo até exemplos para serem reproduzidos e analisados.

              Solicitar exemplos de código a uma inteligência não é ser fazer artificial e deixar que a máquina faça o que você aquilo que era competência sua, mas uma maneira inteligente para otimizar o que antes só seria possível através de livros ou docente. E inteligente é para Howard Gardner, “ a habilidade de resolver problemas ou criar produtos que sejam significativos em um ou mais ambientes culturais”. Portanto se valer desse divisor de águas da nova sociedade em formação é e será uma base comum , como português ou matemática e mais ainda para o profissional que queria desbravar o caminho do desenvolvimento.

Outro ponto relevante e que muitos esquecem é que nesse processo a atenção do discente tende ser fixada na prática e mais uma vez o conjunto de infinitas possibilidades de exemplos altera decididamente a motivação e a maneira do aprendizado. Gerar código por IA serve para educar os futuros profissionais a usar de maneira comedida e salutar esses meios para devidos fins ao se utilizar, por exemplo, de prompts limpos e objetivos para correta geração e não torna obsoleto e superficial o aprendizado, mas corrobora nesse processo, quando usado de maneira complementar ao estudo focado e objetivo. É claro, como bem especificado anteriormente, que seu uso não substitui maneiras tradicionais de ensino-aprendizagem, todavia sim, são partes integrantes de um todo que cada vez mais se moderniza e vai trazer inúmeros benefícios desde que ministrado de forma consciente.

Usos da IA no desenvolvimento de software

• Geração de código: Para gerar trechos ou código integralmente visando maximizar o desenvolvimento legando ao desenvolvedor mais autonomia para focalizar no desenvolvimento.
• Correção de Bugs: Bugs são problemas persistentes que às vezes consomem tempo e consequentemente para empresas dinheiro. Na maioria das vezes eles são simples, mas por ter um código muito longo, cheio de complexidade, torna-se difícil encontra-lo e corrigir. Nesse aspecto a IA pode “revisar” o código até mesmo sugerindo modificações para melhor modelagem não só resolvendo o problema como também otimizando seu produto desenvolvido.
• Automação de testes: Tarefas repetitivas são cansativas e atrapalham quando se tem por, exemplo, que testar determinado algoritmo dezenas ou quiçá centenas de vezes. Isso é um processo cansativo que consome boa parte da energia humana quando esta deveria está voltada para a aplicação propriamente dita. A IA traz mais essa facilidade e apresenta uma personalização para automatização de testes. Bom exemplo tempo o Github Copilot que auxilia não apenas assim, mas de diversas formas.
• Documentação: Documentar código é sempre trabalhos e demorado, muitas vezes não há afinidade entre o desenvolvedor e a documentar seu próprio código. A ia pode gerar documentões claras e objetivas tirando esse encargo da mente do programador.
• Refatoração e otimização: refatorar é o processo pelo qual modificamos o código para otimizar seu design e reestruturando. Aqui o processo de refatoração ganha um caráter interessante uma vez que o desenvolvedor cria seu algoritmo sem mais preocupações e depois tem-se ao auxilio uma IA para adequar o mesmo aos padrões exigidos do mercado e do clean code.

Referências

IBM, IA no desenvolvimento de software disponível em https://www.ibm.com/br-pt/think/topics/ai-in-software-development

Contato:

Instagram: g.silva279

E-mail: josegilvanilson2020@gmail.com