Engenharia de Software com Agentes de IA: Um Reality Check

Há 18 meses, pedir a uma ferramenta de IA para construir uma aplicação funcional a partir de um prompt ainda parecia ficção científica. Hoje, isso está a tornar-se normal.

No Avalia Tech Forum 2026, Olivier Liechti  analisou o que essa mudança realmente significa para a engenharia de software. A ideia central da apresentação não foi que a IA resolveu o desenvolvimento de software, mas sim que ela mudou a velocidade e a escala em que o software pode ser criado, sem eliminar algumas das questões mais difíceis da engenharia.

A IA dá às equipas de engenharia mais espaço para explorar. Pode ajudar a melhorar o software, tornar ideias mais ambiciosas viáveis e acelerar a entrega. Mas a velocidade é apenas parte do valor. Como Olivier destacou, talvez o mais impressionante seja o facto de cada vez menos coisas parecerem impossíveis.

Essa liberdade também cria um novo problema: mais código não significa automaticamente melhor software.

Quem é responsável pelo código gerado por IA?

Os engenheiros continuam responsáveis pelo que chega a produção, independentemente de o código ter sido escrito por uma pessoa ou gerado por um agente.

Isso traz de volta questões conhecidas sobre correção, fiabilidade, segurança, desempenho e manutenção, mas agora num novo contexto. Se um agente de IA consegue gerar grandes quantidades de código muito rapidamente, quanto desse código deve ser revisto? E o que significa, na prática, confiar no resultado?

Para Olivier, ler código gerado por IA não serve apenas para verificar se está correto. Serve também para manter uma compreensão clara do que o sistema está a fazer.

Essa distinção é importante. A IA pode produzir software funcional mais depressa do que uma equipa consegue realmente absorver. Sem atenção suficiente, o código pode tornar-se progressivamente uma caixa-preta: funciona, mas torna-se cada vez mais difícil para a própria equipa explicar como e porquê.

É aqui que surge a ideia de dívida cognitiva.

A IA não elimina os fundamentos da engenharia de software

A chegada da IA não torna obsoletos os conhecimentos acumulados ao longo de décadas de engenharia de software. Princípios de arquitetura, práticas de teste e abordagens de design continuam relevantes.

Na verdade, podem tornar-se ainda mais importantes, porque os agentes podem ser orientados explicitamente para os seguir.

Um dos exemplos apresentados no talk foi o uso de agent harnesses: um conjunto de instruções, ferramentas, contexto e mecanismos de verificação que ajudam os agentes a executar tarefas específicas ao longo do ciclo de desenvolvimento. Esses harnesses podem apoiar desde a construção de software até testes de performance, infraestrutura e operação de sistemas em produção.

Mas mais complexidade não significa necessariamente melhores resultados.

Olivier mostrou um experimento que comparava uma abordagem simples de coding com IA a um sistema muito mais elaborado, com skills, workflows e sub-agents. A abordagem mais sofisticada consumiu muito mais tempo e orçamento, mas o resultado mais simples acabou por ser melhor.

A conclusão não é que esses sistemas não tenham valor. É que as equipas precisam de continuar a questionar as suas próprias práticas. O que fazia sentido há seis meses pode já não ser necessário hoje, à medida que os modelos evoluem.

O maior risco pode ser perder de vista o “porquê”

No final do talk, Olivier introduz outra preocupação: a dívida de intenção.

Uma equipa pode aumentar o número de pull requests, produzir mais código e entregar mais rapidamente, e ainda assim não estar necessariamente a criar mais valor. Esses números não respondem às perguntas mais importantes: por que estamos a construir isto? Está a ajudar os utilizadores? Está a contribuir para um resultado de negócio?

À medida que a IA aumenta o ritmo de desenvolvimento, pode ser necessário desacelerar deliberadamente em alguns momentos. Isso significa explicar decisões, rever trabalho em conjunto e garantir que a equipa continua a compreender tanto como o sistema funciona como por que razão ele existe.

O desafio da engenharia de software com IA não é apenas produzir mais software.

É usar essa nova capacidade sem perder o julgamento técnico, a compreensão partilhada e a intenção de negócio que tornam o software realmente valioso.