As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Potencializando a experiência de desenvolvimento de software com IA generativa
A integração da IA generativa no ciclo de vida de desenvolvimento de software (SDLC) representa uma mudança de paradigma na forma como equipes inteiras de desenvolvimento de software concebem, projetam, implementam e mantêm soluções de software. A IA generativa tem o potencial de revolucionar todas as fases do SDLC, incluindo gerenciamento de projetos, coleta de requisitos, design, codificação, teste, implantação e manutenção.
Em essência, uma experiência generativa de desenvolvimento baseada em IA atua como um colaborador inteligente para toda a sua equipe de desenvolvimento de software, incluindo gerentes de produto, designers, arquitetos de soluções, desenvolvedores, testadores e equipe de operações. Ele fornece assistência contextual, gera artefatos (como histórias de usuários, modelos de design, trechos de código e casos de teste), oferece sugestões quase em tempo real e até mesmo prevê possíveis problemas antes que eles surjam. Essa abordagem aumentada por IA reduz significativamente a carga cognitiva dos membros da equipe. Isso permite que eles se concentrem em decisões estratégicas de alto nível e na resolução de problemas complexos, enquanto a IA generativa lida com as tarefas mais mundanas e repetitivas.
A IA generativa também serve como um amplificador de conhecimento. Ele ajuda os membros da equipe a acessar rapidamente informações relevantes, melhores práticas e padrões de vastos repositórios de dados. Isso pode democratizar efetivamente a experiência em toda a organização. Ao integrar perfeitamente os recursos generativos de IA em toda a cadeia de ferramentas de desenvolvimento, você pode criar um ambiente mais intuitivo, eficiente e produtivo para todas as suas equipes de desenvolvimento de software. Essa experiência aprimorada de desenvolvimento acelera o SDLC e melhora a qualidade geral. Também reduz os erros e promove a inovação porque os membros da equipe podem explorar novas ideias e abordagens mais rapidamente.
Para adotar uma experiência generativa de desenvolvimento baseada em IA em sua organização, considere os seguintes elementos-chave:
+ [Estrutura 5-I](generative-ai-dimensions.md)— Composta por cinco dimensões, a estrutura 5-I**** fornece uma abordagem abrangente para navegar no processo de desenvolvimento de software moderno. Ele oferece uma metodologia estruturada que ajuda você a aplicar sistematicamente a IA generativa em todos os estágios do SDLC.
+ [Capacidades fundamentais](generative-ai-capabilities.md)— Para usar totalmente o poder da IA generativa em todas as dimensões do desenvolvimento de software moderno, você precisa estabelecer um conjunto robusto de recursos fundamentais. Esses recursos formam a espinha dorsal de uma experiência de desenvolvimento baseada em IA. Esses recursos ajudam você a integrar e usar a IA generativa em todo o SDLC.
Juntos, a estrutura 5-I e os recursos fundamentais formam uma estratégia para reimaginar a experiência de desenvolvimento de software. As cinco dimensões fornecem uma estrutura estratégica para a aplicação da IA generativa, e os recursos fundamentais preparam sua organização para apoiar essa abordagem baseada em IA. Serviços da AWS, como [Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html), [Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/whatis.html), [Amazon Q Developer](https://docs.aws.amazon.com/amazonq/latest/qdeveloper-ug/what-is.html) e [Amazon Q Business](https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/what-is.html), fornecem recursos e recursos de IA generativos que você pode integrar à sua experiência de desenvolvimento de software.
![\[Usando serviços de AWS IA, a estrutura 5-I e recursos fundamentais para atingir os objetivos.\]](http://docs.aws.amazon.com/pt_br/prescriptive-guidance/latest/strategy-accelerate-software-dev-lifecycle-gen-ai/images/objectives.png)
# Estrutura 5-I para uma experiência de desenvolvimento de software baseada em IA
A estrutura 5-I fornece uma abordagem estruturada para que as equipes de desenvolvimento de software integrem efetivamente a IA generativa em suas práticas de desenvolvimento. Ele ajuda você a estabelecer uma base sólida para usar a IA generativa em todo o SDLC. Também ajuda você a configurar as práticas de desenvolvimento, os fluxos de trabalho e as mentalidades corretas para aproveitar totalmente o potencial da IA generativa.
**Topics**
+ [Visão geral da estrutura](#generative-ai-dimensions-overview)
+ [Integração com o ciclo de vida de desenvolvimento de software](#generative-ai-dimensions-integration)
## Visão geral da estrutura
A estrutura 5-I é construída em torno de cinco dimensões principais: Investigar, Integrar, Interagir, Iterar e Impactar. Cada dimensão representa uma área crítica em que a IA generativa aprimora significativamente o processo de desenvolvimento de software. Ao integrar estrategicamente a IA generativa em todas essas dimensões, a estrutura atende às crescentes necessidades do desenvolvimento de software moderno. Pode reduzir a carga cognitiva e ampliar o potencial criativo. Ela reconhece que a experiência de desenvolvimento ideal não envolve apenas ferramentas, mas sim criar um ambiente em que a IA aprimore perfeitamente as capacidades humanas em todas as etapas.
O diagrama a seguir mostra as cinco dimensões do desenvolvimento de software baseado em IA. Para cada dimensão, ele mostra onde você pode integrar a IA generativa para impulsionar a eficiência e a inovação.
![\[As cinco dimensões do desenvolvimento de software baseado em IA.\]](http://docs.aws.amazon.com/pt_br/prescriptive-guidance/latest/strategy-accelerate-software-dev-lifecycle-gen-ai/images/dimensions.png)
A seguir estão as cinco dimensões da estrutura:
+ **Investigue** — aprimore cada tarefa analítica em seu processo de desenvolvimento de software com IA generativa. Use a IA generativa para entender os requisitos, processar grandes quantidades de dados, reconhecer padrões e gerar insights que podem estar além da capacidade humana ou levar muito mais tempo para serem produzidos. Esses insights ajudam você a tomar decisões mais informadas, identificar rapidamente oportunidades de melhoria e fornecer software de alta qualidade com mais eficiência. A IA generativa pode ser uma parceira inteligente para os processos analíticos em todo o SDLC. Ao aproveitar a IA generativa, você aplica uma análise aprofundada a áreas críticas, como coleta de requisitos, exame de bases de código antigas e otimização do backlog de produtos. Por exemplo, os proprietários de produtos podem usar a IA generativa para analisar as jornadas ou os requisitos do usuário antes de criar histórias de usuários. As equipes de desenvolvimento podem descobrir ineficiências e identificar oportunidades de otimização nas bases de código existentes. DevOps os engenheiros podem aplicar a análise de causa raiz para diagnosticar rapidamente problemas de desempenho ou vulnerabilidades de segurança, o que pode melhorar a confiabilidade.
+ **Integrar** —**** Integre a IA generativa para automatizar uma ampla variedade de tarefas e processos em todo o SDLC. Isso inclui a geração automática de trechos de código, casos de teste, projetos arquitetônicos, histórias de usuários e pipelines de implantação. Ao automatizar essas tarefas tipicamente manuais, as equipes podem se concentrar em um trabalho mais estratégico e inovador, o que aumenta o tempo de lançamento no mercado e aplicativos de alta qualidade. A dimensão Integrate representa uma mudança de paradigma no desenvolvimento de software, em que a IA se torna parte integrante do processo de desenvolvimento. Ele trabalha junto com sua equipe de desenvolvimento de software para aumentar a produtividade, melhorar a qualidade e impulsionar a inovação. Isso resulta em um tempo de lançamento mais rápido no mercado. Isso desafia suas equipes de desenvolvimento de software a avaliar regularmente seus processos e fluxos de trabalho perguntando em cada etapa: “Isso pode ser automatizado?”
+ **Interaja** — use assistentes generativos baseados em IA para fornecer à sua equipe suporte instantâneo e contextual em uma variedade de tarefas e consultas. Esses assistentes inteligentes atuam como colaboradores experientes que se baseiam em um vasto repositório de informações. Eles podem responder perguntas sobre codificação, oferecer sugestões de design, explicar procedimentos operacionais padrão e ajudar a solucionar problemas complexos. A integração desses assistentes de IA ao fluxo de trabalho de desenvolvimento aumenta a produtividade e promove um ambiente mais colaborativo e de resolução de problemas.
+ **Iterar** — use IA generativa para permitir ajustes rápidos e orientados por dados em todo o SDLC. Você pode analisar continuamente dados de fontes como feedback de clientes, padrões de uso, tendências de mercado e métricas de desempenho da equipe para tomar decisões informadas rapidamente. Essa adaptabilidade refina seu desenvolvimento de software de um processo estático e predefinido para uma abordagem fluida e responsiva. Ela se manifesta de várias maneiras, incluindo priorização dinâmica de atrasos, alocação flexível de recursos, estratégias de teste adaptáveis, documentação em evolução e processos de implantação responsivos. Por exemplo, os gerentes de produto podem usar insights gerados pela IA para reordenar seus backlogs, integrando os novos requisitos dos clientes e as tendências do mercado quase em tempo real. DevOps os engenheiros podem adaptar os planos de implantação e as configurações de infraestrutura com base na análise de desempenho, garantindo que os aplicativos permaneçam resilientes e otimizados. As equipes de desenvolvimento podem traduzir o feedback das retrospectivas do sprint em melhorias acionáveis para a próxima iteração, impulsionando uma cultura de aprimoramento contínuo do processo.
+ **Impacto** — aplique IA generativa para avaliar a eficácia e o desempenho do seu processo de desenvolvimento de software. Ao usar análises e métricas baseadas em IA, você obtém insights mais profundos sobre a eficiência do desenvolvimento, a qualidade do código, o envolvimento do usuário e o desempenho geral do aplicativo. Essa abordagem baseada em dados ajuda você a tomar decisões informadas, otimizar seus fluxos de trabalho de desenvolvimento e melhorar continuamente a qualidade e a experiência do usuário de seus aplicativos. Ao avaliar a produtividade da equipe de software, a IA generativa analisa vários pontos de dados, como frequência de confirmação de código, tempos de resolução de problemas, velocidade de lançamento, taxas de entrega de recursos e muito mais. Ele também pode avaliar a qualidade das revisões de código, a eficácia das ferramentas de colaboração e o impacto de diferentes práticas de desenvolvimento na produção geral da equipe. Ao correlacionar essas métricas com os resultados do projeto, a IA identifica padrões e tendências que os analistas humanos podem ignorar e pode fornecer insights acionáveis que aumentam a produtividade da equipe. Além disso, a IA generativa pode ajudar você a comparar o desempenho da equipe com os padrões do setor ou dados históricos, oferecendo recomendações personalizadas para melhoria. Ele também pode prever possíveis gargalos ou riscos no processo de desenvolvimento para que você possa tomar medidas proativas.
## Integração com o ciclo de vida de desenvolvimento de software
O SDLC consiste em várias fases, que podem diferir de organização para organização. Normalmente, essas fases incluem o seguinte: requisitos e planejamento, design e arquitetura, implementação, teste, implantação e operação e manutenção.
A tabela a seguir mapeia as dimensões da estrutura 5-I para as fases do SDLC e fornece o nível de integração para cada dimensão.
****
| Dimensão da estrutura | Requisitos e planejamento | Design e arquitetura | Implementação | Teste | Implantação | Operação e manutenção |
| --- | --- | --- | --- | --- | --- | --- |
| Investigue | Alto | Baixo | Baixo | Baixo | Baixo | Médio |
| Integrar | Médio | Médio | Alto | Médio | Alto | Alto |
| Interaja | Alto | Alto | Alto | Médio | Médio | Alto |
| Iterar | Médio | Baixo | Baixo | Baixo | Baixo | Médio |
| Impacto | Alto | Médio | Alto | Baixo | Alto | Alto |
Os níveis de integração variam de alto a baixo. O mapeamento revela as principais áreas de foco para cada dimensão. Por exemplo, *Investigate* mostra alta intensidade na fase de requisitos e planejamento. O *Integrate* demonstra alta intensidade nas fases de implementação, implantação e operação e manutenção.
Ao usar esse mapeamento, você pode priorizar seus esforços de forma eficaz. Recomendamos que você se concentre no alto, depois no médio e depois no baixo. Certifique-se de adotar uma abordagem equilibrada e impactante que aprimore a experiência de desenvolvimento de software com IA generativa.
# Capacidades fundamentais para uma experiência de desenvolvimento de software baseada em IA
Para implementar com sucesso uma experiência generativa de desenvolvimento de software baseada em IA, você precisa estabelecer um conjunto de recursos fundamentais que abranjam várias pessoas em sua organização. Esses recursos representam sua capacidade de implantar recursos, implementar processos e alcançar os resultados desejados com eficiência no contexto do desenvolvimento de software baseado em IA. Ao cultivar esses recursos, você cria uma base robusta que ajuda a integrar perfeitamente a IA generativa em todos os estágios do SDLC.
AWS fornece serviços essenciais para ajudá-lo a implementar esses recursos. Por exemplo, o [Amazon Q Developer](https://docs.aws.amazon.com/amazonq/latest/qdeveloper-ug/what-is.html) ajuda a acelerar o desenvolvimento de software atuando como um assistente baseado em IA. [O Amazon Q Business](https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/what-is.html) ajuda você a obter respostas rápidas e relevantes para perguntas urgentes, resolver problemas e gerar conteúdo. Ele também pode agir em seu nome integrando ferramentas relacionadas ao desenvolvimento de software. [O Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html) fornece acesso a modelos básicos e a um amplo conjunto de recursos para personalizar fluxos de trabalho e requisitos específicos de desenvolvimento.
Ao cultivar esses recursos Serviços da AWS, você cria uma base robusta que ajuda a integrar perfeitamente a IA generativa em todos os estágios do SDLC.
A seguir estão os recursos básicos nos quais você deve se concentrar:
+ [Gerenciamento de projetos](generative-ai-capabilities-proj-mgmt.md)
+ [Gerenciamento de requisitos](generative-ai-capabilities-req-mgmt.md)
+ [Arquitetura e design](generative-ai-capabilities-arch-design.md)
+ [Colaboração](generative-ai-capabilities-collaboration.md)
+ [DevSecOps](generative-ai-capabilities-devsecops.md)
+ [Operação e manutenção](generative-ai-capabilities-ops-maintenance.md)
+ [Assistentes de IA](generative-ai-capabilities-assistants.md)
+ [Análise e insights](generative-ai-capabilities-analytics.md)
+ [Gerenciar conhecimento](generative-ai-capabilities-knowledge-mgmt.md)
+ [Extensibilidade](generative-ai-capabilities-extensibility.md)
Cada capacidade fundamental se integra às dimensões da estrutura e aos diferentes estágios do SDLC. Essa integração ajuda você a usar os recursos de IA de forma eficaz em todo o processo de desenvolvimento de software. Ele aumenta a eficiência, a qualidade e a inovação em cada etapa. A sinergia entre esses recursos fundamentais, a estrutura e os estágios do SDLC cria um ecossistema abrangente para o desenvolvimento de software baseado em IA. Isso ajuda você a aproveitar todo o potencial da IA generativa, impulsionar a melhoria contínua, acelerar os ciclos de desenvolvimento e fornecer produtos de software de qualidade.
A tabela a seguir mostra como os recursos e subcapacidades fundamentais são mapeados para as dimensões da estrutura e as fases do SDLC.
****
| Capacidade: subcapacidade | Investigue | Integrar | Interagir | Iterar | Impacto |
| --- | --- | --- | --- | --- | --- |
| Gerenciamento de projetos: gerenciamento de problemas | Requisitos e planejamento | Nenhum | Nenhum | Nenhum | Nenhum |
| Gerenciamento de projetos: gerenciamento de tarefas e sprint | Requisitos e planejamento | Requisitos e planejamento | Nenhum | Nenhum | Nenhum |
| Gerenciamento de projetos: gerenciamento da lista de pendências do produto | Requisitos e planejamento | Nenhum | Nenhum | Requisitos e planejamento | Nenhum |
| Gerenciamento de projetos: mapeamento de histórias de usuários | Requisitos e planejamento | Nenhum | Nenhum | Nenhum | Nenhum |
| Gerenciamento de projetos: relatórios e análises | Requisitos e planejamento | Nenhum | Nenhum | Nenhum | Requisitos e planejamento |
| Gerenciamento de projetos: gerenciamento de roteiros de produtos | Requisitos e planejamento | Nenhum | Requisitos e planejamento | Nenhum | Nenhum |
| Gerenciamento de projetos: ciclos de feedback | Nenhum | Nenhum | Nenhum | Requisitos e planejamento | Nenhum |
| Gerenciamento de projetos: retrospectivas | Nenhum | Nenhum | Nenhum | Requisitos e planejamento | Nenhum |
| Gerenciamento de requisitos | Requisitos e planejamento | Requisitos e planejamento | Nenhum | Nenhum | Nenhum |
| Arquitetura e design: design da solução | Design e arquitetura | Design e arquitetura | Nenhum | Nenhum | Nenhum |
| Colaboração: gerenciamento de documentação | Todas as fases do SDLC | Nenhum | Todas as fases do SDLC | Nenhum | Nenhum |
| Colaboração: compartilhamento de conhecimento | Todas as fases do SDLC | Nenhum | Todas as fases do SDLC | Nenhum | Nenhum |
| Colaboração: gerenciamento de ativos do projeto | Nenhum | Todas as fases do SDLC | Todas as fases do SDLC | Nenhum | Nenhum |
| DevSecOps: CI/CD | Teste, implantação | Implementação, teste e implantação | Implantação | Nenhum | Nenhum |
| DevSecOps: DevOps segurança | Implementação | Implementação, teste, operação e manutenção | Nenhum | Implementação, teste, operação e manutenção | Nenhum |
| DevSecOps: Monitoramento do desempenho de aplicativos | Nenhum | Operação e manutenção | Nenhum | Nenhum | Nenhum |
| DevSecOps: Agregação e análise de registros | Operação e manutenção | Operação e manutenção | Nenhum | Nenhum | Nenhum |
| DevSecOps: AIOps | Operação e manutenção | Nenhum | Nenhum | Operação e manutenção | Nenhum |
| DevSecOps: Melhoria contínua | Nenhum | Nenhum | Nenhum | Operação e manutenção | Nenhum |
| DevSecOps: Monitoramento do painel | Nenhum | Operação e manutenção | Nenhum | Nenhum | Nenhum |
| DevSecOps: Insights de desempenho | Operação e manutenção | Nenhum | Nenhum | Operação e manutenção | Nenhum |
| Operação e manutenção: gerenciamento de incidentes | Nenhum | Nenhum | Nenhum | Operação e manutenção | Nenhum |
| Operação e manutenção: atualizações de código | Nenhum | Operação e manutenção | Nenhum | Nenhum | Nenhum |
| Operação e manutenção: otimização de código | Operação e manutenção | Operação e manutenção | Nenhum | Nenhum | Nenhum |
| Operação e manutenção: Gestão técnica da dívida | Nenhum | Operação e manutenção | Operação e manutenção | Nenhum | Nenhum |
| Operação e manutenção: gerenciamento de mudanças | Nenhum | Implementação, implantação | Nenhum | Nenhum | Nenhum |
| Operação e manutenção: engenharia reversa | Operação e manutenção | Nenhum | Nenhum | Nenhum | Nenhum |
| Operação e manutenção: modernização do código | Nenhum | Implementação | Nenhum | Nenhum | Nenhum |
| Operação e manutenção: otimização do desempenho | Nenhum | Operação e manutenção | Nenhum | Operação e manutenção | Nenhum |
| Análises e insights | Nenhum | Requisitos e planejamento | Nenhum | Nenhum | Todas as fases do SDLC |
| Assistente de IA | Nenhum | Nenhum | Todas as fases do SDLC | Nenhum | Nenhum |
| Gestão do conhecimento | Nenhum | Nenhum | Todas as fases do SDLC | Nenhum | Nenhum |
| Extensibilidade | Nenhum | Implantação | Nenhum | Nenhum | Nenhum |
# Casos de uso generativos de IA para gerenciamento de projetos
O gerenciamento eficaz de projetos está no centro do desenvolvimento de software bem-sucedido. No contexto da IA generativa, o gerenciamento de projetos assume novas dimensões. Ele pode se tornar mais preditivo, adaptável e orientado por dados. As ferramentas de gerenciamento de projetos com inteligência artificial analisam os dados históricos do projeto para gerar estimativas mais precisas de tempo e recursos. Eles podem priorizar tarefas automaticamente com base nos objetivos de negócios e na capacidade da equipe, e podem até mesmo prever possíveis obstáculos antes que eles ocorram. Por exemplo, um gerente de projeto pode usar a IA generativa para criar um plano de projeto preliminar com base nos requisitos do projeto e nos dados históricos de projetos semelhantes. A IA poderia então sugerir composições de equipe ideais que levassem em conta as habilidades, as cargas de trabalho e as necessidades do projeto. Durante todo o projeto, painéis orientados por IA fornecem informações quase em tempo real sobre o status do projeto, gerando relatórios automaticamente e destacando áreas que exigem atenção.
Essa abordagem aumentada por IA para o gerenciamento de projetos pode aumentar a eficiência. Isso ajuda os gerentes de projeto a se concentrarem na tomada de decisões estratégicas e na liderança da equipe, em vez de ficarem atolados em tarefas administrativas rotineiras.
A tabela a seguir mostra os casos de uso de gerenciamento de projetos que você pode aprimorar com a IA generativa e a pessoa responsável por esses casos de uso.
****
| Subcapacidade: caso de uso | Pessoa |
| --- | --- |
| Gerenciamento de problemas: criar e atribuir problemas | Gerente de projetos |
| Gerenciamento de problemas: detecte problemas durante o teste e registre-os | Engenheiro de testes |
| Gerenciamento de problemas: priorize os problemas com base na gravidade e atribua-os aos desenvolvedores | Gerente de projetos |
| Gerenciamento de problemas: identifique e mescle problemas duplicados | Gerente de projetos |
| Gerenciamento de problemas: acompanhe e gere relatórios sobre os principais problemas, métricas e integridade geral do projeto | Gerente de projetos |
| Gerenciamento de sprint e tarefas: estime o esforço para tarefas e atribua pontos de história com base na capacidade da equipe | Mestre do Scrum |
| Sprint e gerenciamento de tarefas: distribua tarefas entre os membros da equipe para uniformizar a carga de trabalho em todo o sprint | Mestre do Scrum |
| Gerenciamento de sprint e tarefas: facilite as sessões de planejamento de sprint que alinhem os esforços da equipe às metas do sprint | Mestre do Scrum |
| Gerenciamento da lista de pendências do produto: reordene os itens da lista de pendências com base no valor comercial, na urgência e no feedback do usuário | Proprietário do produto |
| Gerenciamento da lista de pendências do produto: integre novos comentários de clientes e insights de mercado à lista de pendências do produto para priorização quase em tempo real | Proprietário do produto |
| Gerenciamento da lista de pendências do produto: identifique e gerencie dependências entre os itens da lista de pendências para agilizar o desenvolvimento | Gerente de produto |
| Mapeamento de histórias de usuários: crie mapas das jornadas do usuário para identificar todos os recursos necessários e suas histórias de usuário correspondentes | Proprietário do produto |
| Mapeamento de histórias de usuários: identifique lacunas ou etapas ausentes no fluxo de usuários | Analista de negócios |
| Mapeamento de histórias de usuários: priorize histórias de usuários com base em seu impacto no valor comercial | Gerente de produto |
| Relatórios e análises: gere painéis quase em tempo real que visualizam as principais métricas do projeto, como velocidade de sprint e taxas de resolução de problemas | Gerente de projetos |
| Relatórios e análises: analise dados históricos e preveja resultados futuros do projeto, como possíveis atrasos ou gargalos | Gerente de projetos |
| Relatórios e análises: crie relatórios personalizados, como relatórios de desempenho da equipe ou de status do projeto, personalizados para diferentes partes interessadas | Gerente de projetos |
| Gerenciamento do roteiro do produto: crie e mantenha um roteiro do produto que descreva os principais marcos e datas de lançamento | Gerente de projetos |
| Gerenciamento do roteiro do produto: atualize o roteiro com base nas mudanças nas prioridades ou nos cronogramas do projeto | Gerente de produto |
| Gerenciamento do roteiro do produto: compartilhe o roteiro com as partes interessadas para fornecer visibilidade sobre a direção do produto | Gerente de produto |
| Ciclos de feedback: colete feedback da equipe após cada sprint e identifique áreas de melhoria | Mestre do Scrum |
| Retrospectivas: traduza feedback em itens acionáveis para o próximo sprint, impulsionando a melhoria contínua | Mestre do Scrum |
| Retrospectivas: acompanhe o impacto das mudanças implementadas em retrospectivas anteriores para medir sua eficácia | Mestre do Scrum |
# Casos de uso generativos de IA para gerenciamento de requisitos
O gerenciamento de requisitos é um processo crítico que está intimamente ligado ao gerenciamento de projetos. Imagine um proprietário de produto usando uma ferramenta de IA para analisar o feedback do cliente, as tendências do mercado e as contribuições das partes interessadas. A ferramenta de IA pode gerar um conjunto abrangente de histórias e requisitos de usuários, categorizá-los automaticamente, detectar possíveis conflitos ou lacunas e até mesmo sugerir priorização com base no valor comercial e na complexidade da implementação. À medida que o projeto progride e os requisitos evoluem, a IA pode atualizar e refinar continuamente os requisitos para garantir que eles permaneçam alinhados às mudanças nas necessidades comerciais e às restrições técnicas. Essa abordagem dinâmica e orientada por IA para o gerenciamento de requisitos ajuda a garantir que os esforços de desenvolvimento permaneçam fortemente alinhados às necessidades do usuário e às metas de negócios durante todo o ciclo de vida do projeto.
A tabela a seguir mostra os casos de uso do gerenciamento de requisitos que você pode aprimorar com a IA generativa e a pessoa responsável por esses casos de uso.
****
| Caso de uso | Pessoa |
| --- | --- |
| Crie requisitos de negócios | Analista de negócios |
| Crie épicos a partir de recursos | Proprietário do produto |
| Acompanhe o progresso de um épico monitorando a conclusão de suas histórias de usuário associadas | Gerente de produto |
| Crie histórias de usuários | Proprietário do produto |
| Estime o esforço necessário para cada história de uso e atribua pontos da história | Mestre do Scrum |
| Defina critérios de aceitação para cada história de usuário | Proprietário do produto |
# Casos de uso generativos de IA para arquitetura e design
Com uma base sólida de gerenciamento de projetos e requisitos bem definidos, a próxima capacidade crítica é a arquitetura e o design. Aqui, a IA generativa está abrindo novas possibilidades para criar arquiteturas de software robustas, escaláveis e eficientes. As ferramentas de design baseadas em IA podem analisar requisitos e restrições para sugerir padrões arquitetônicos e abordagens de design ideais. Eles geram várias alternativas de design e cada uma é otimizada para diferentes prioridades, como desempenho, escalabilidade ou capacidade de manutenção. Por exemplo, um arquiteto de soluções pode usar um assistente de IA para gerar rapidamente vários projetos arquitetônicos de alto nível com base nos requisitos do projeto. Essa abordagem aumentada por IA acelera o processo de design e ajuda os arquitetos a tomar decisões mais informadas. Isso leva a designs de software mais robustos e preparados para o futuro.
A tabela a seguir mostra os casos de uso de arquitetura e design que você pode aprimorar com a IA generativa e a pessoa responsável por esses casos de uso.
****
| Caso de uso | Pessoa |
| --- | --- |
| Crie um documento de arquitetura | Arquiteto da solução |
| Crie um documento de design detalhado | Líder técnico |
| Entenda uma arquitetura e padrões de design existentes | Arquiteto da solução |
| Desenvolva modelos e protótipos detalhados de uma interface de usuário | Designer de UX/UI |
# Casos de uso generativos de IA para colaboração
O desenvolvimento de software é inerentemente um esforço colaborativo. Você pode usar a IA generativa para aprimorar a colaboração em sua equipe de desenvolvimento de software. As ferramentas de colaboração com inteligência artificial vão além da simples troca de mensagens e compartilhamento de arquivos. Eles facilitam uma comunicação mais eficaz resumindo longos tópicos de discussão, destacando as principais decisões e até sugerindo horários ideais para reuniões com base nos horários e padrões de produtividade dos membros da equipe. A IA pode ajudar nas revisões de código identificando automaticamente possíveis problemas, sugerindo melhorias e até mesmo explicando mudanças complexas aos revisores. Durante as sessões de brainstorming, a IA pode atuar como facilitadora, gerar ideias, ajudar a organizar pensamentos e até mediar discussões para garantir que todas as vozes sejam ouvidas. Para equipes distribuídas, a IA pode ajudar a superar barreiras culturais e linguísticas. Ele pode fornecer tradução de idiomas quase em tempo real em bate-papo e videochamadas e oferecer contexto cultural para ajudar a evitar mal-entendidos. Ao aumentar a colaboração humana com a IA, esse recurso ajuda as equipes a trabalhar com mais eficiência e eficácia, o que promove a inovação e melhora os resultados gerais do projeto.
A tabela a seguir mostra como você pode usar a IA generativa para aprimorar os casos de uso de colaboração.
****
| Subcapacidade: caso de uso | Pessoa |
| --- | --- |
| Gerenciamento de documentos: crie e mantenha um repositório centralizado de documentação | Escritor técnico |
| Gerenciamento de documentos: permita que vários membros da equipe colaborem na documentação em tempo real | Desenvolvimento de equipe |
| Compartilhamento de conhecimento: use fóruns de discussão como uma plataforma para os desenvolvedores fazerem perguntas, compartilharem conhecimento e solucionarem problemas de forma colaborativa | Desenvolvimento de equipe |
| Compartilhamento de conhecimento: use fóruns de discussão para documentar e acompanhar as decisões tomadas durante as discussões do projeto, garantindo que a lógica por trás das principais decisões seja capturada e acessível para referência futura | Gerente de produto |
| Gerenciamento de ativos do projeto: Facilite o compartilhamento de recursos relacionados ao projeto | Desenvolvimento de equipe |
| Gerenciamento de ativos do projeto: implemente o controle de versão para conteúdo compartilhado para que os membros da equipe possam acompanhar as alterações, reverter para versões anteriores e colaborar nas atualizações de conteúdo | Desenvolvimento de equipe |
# Casos de uso generativos de IA para DevSecOps
DevSecOps As ferramentas baseadas em IA automatizam muitos aspectos do pipeline de entrega de software. Por exemplo, eles podem realizar análises inteligentes de código, detectar possíveis bugs, detectar vulnerabilidades de segurança e identificar problemas de desempenho quase em tempo real à medida que os desenvolvedores escrevem código. A IA gera e executa suítes de testes abrangentes e as atualiza automaticamente à medida que a base de código evolui. Essa abordagem aumentada por IA DevSecOps acelera o pipeline de entrega e aumenta significativamente a segurança e a confiabilidade do software que está sendo entregue.
A tabela a seguir mostra os casos de DevSecOps uso que você pode aprimorar com a IA generativa e a pessoa responsável por esses casos de uso.
****
| Subcapacidade: caso de uso | Pessoa |
| --- | --- |
| DevOps e entrega contínua: pipelines de implantação inteiros automatizados | DevOps engenheiro |
| DevOps e entrega contínua: receba feedback quase em tempo real sobre a qualidade do código e possíveis problemas | Desenvolvedor de software |
| DevOps e entrega contínua: receba recomendações de remediação e problemas de segurança quase em tempo real | Desenvolvedor de software |
| DevOps e entrega contínua: receba códigos e sugestões de melhores práticas quase em tempo real | Desenvolvedor de software |
| DevOps e entrega contínua: automatize tarefas repetitivas e integre comandos em scripts | DevOps engenheiro |
| DevOps e entrega contínua: crie código e gere artefatos automaticamente após cada confirmação de código | Desenvolvedor de software |
| DevOps e entrega contínua: crie código de acordo com os padrões e a estrutura da organização | Desenvolvedor de software |
| DevOps e entrega contínua: execute testes unitários automaticamente em cada commit para detectar erros no início do processo de desenvolvimento | Desenvolvedor de software |
| DevOps e entrega contínua: analise a cobertura dos testes unitários para garantir que todos os caminhos críticos do código sejam testados | Desenvolvedor de software |
| DevOps e entrega contínua: gerencie filiais e mescle alterações | Desenvolvedor de software |
| DevOps e entrega contínua: gerencie o controle de versões de códigos e artefatos | Desenvolvedor de software |
| DevOps e entrega contínua: armazene e gerencie dependências e artefatos de construção | DevOps engenheiro |
| DevOps e entrega contínua: resolva e busque dependências durante o processo de criação | Desenvolvedor de software |
| DevOps e entrega contínua: gere e execute testes de integração para garantir que os componentes funcionem juntos conforme o esperado | Engenheiro de testes |
| DevOps e entrega contínua: use serviços simulados durante os testes de integração para simular interações com sistemas externos | Engenheiro de testes |
| DevOps e entrega contínua: compare o desempenho do aplicativo sob diferentes cargas | Engenheiro de desempenho |
| DevOps e entrega contínua: simule cenários de alto tráfego para testar a escalabilidade e os tempos de resposta do aplicativo | Engenheiro de desempenho |
| DevOps e entrega contínua: teste a capacidade do sistema de se recuperar de falhas, como falhas no servidor ou interrupções na rede | Engenheiro de confiabilidade do site |
| DevOps e entrega contínua: realize engenharia de caos | Engenheiro de confiabilidade do site |
| DevOps e entrega contínua: execute testes para verificar se o aplicativo atende aos requisitos de negócios | Engenheiro de QA |
| DevOps e entrega contínua: realizar testes de aceitação do usuário | Proprietário do produto |
| DevOps e entrega contínua: verifique as dependências em busca de vulnerabilidades e problemas de conformidade de licenças | Engenheiro de segurança |
| DevOps e entrega contínua: monitore e gerencie dependências de código aberto para garantir que elas estejam atualizadas e seguras | Engenheiro de segurança |
| DevOps e entrega contínua: gere e mantenha uma lista de materiais de software (SBOM) para rastrear todos os componentes e dependências | Engenheiro de segurança |
| DevOps e entrega contínua: use o SBOM para realizar auditorias de conformidade regulatória | Diretor de conformidade |
| DevOps e entrega contínua: crie notas de lançamento | Gerente de lançamento |
| DevOps e entrega contínua: planeje e coordene lançamentos | Gerente de lançamento |
| DevOps e entrega contínua: implemente procedimentos operacionais padrão para gerenciamento de reversão e liberação | Gerente de lançamento |
| DevOps e entrega contínua: use sinalizadores de recursos para ativar ou desativar recursos na produção sem implantar novo código | Gerente de produto |
| DevOps e entrega contínua: execute A/B testes usando sinalizadores de recursos para medir o impacto de diferentes recursos no comportamento do usuário | Gerente de produto |
| DevOps e entrega contínua: analise e monitore falhas na tubulação | DevOps engenheiro |
| DevOps e entrega contínua: crie e gerencie recursos de infraestrutura | DevOps engenheiro |
| DevOps e segurança: escaneie repositórios de código em busca de segredos codificados | DevOps engenheiro |
| DevOps e segurança: implemente a detecção quase em tempo real para alertar os desenvolvedores imediatamente se os segredos forem confirmados no repositório | DevOps engenheiro |
| DevOps e segurança: imponha o monitoramento contínuo da qualidade do código | Desenvolvedor de software |
| DevOps e segurança: Detecte e sinalize indicadores de possíveis vulnerabilidades de segurança no código | Desenvolvedor de software |
| DevOps e segurança: implemente testes automatizados dos 10 principais riscos de segurança do Open Worldwide Application Security Project (OWASP) para garantir que o aplicativo siga as práticas de segurança padrão do setor | Engenheiro de segurança |
| DevOps e segurança: atualize e eduque regularmente os desenvolvedores sobre os riscos do OWASP integrando verificações ao processo de desenvolvimento | Engenheiro de segurança |
| DevOps e segurança: escaneie bibliotecas e dependências de terceiros em busca de vulnerabilidades de segurança conhecidas | DevOps engenheiro |
| DevOps e segurança: escaneie o código e a infraestrutura do aplicativo para detectar vulnerabilidades | DevOps engenheiro |
| DevOps e segurança: analise o código em busca de vulnerabilidades antes da implantação | Engenheiro de segurança |
| DevOps e segurança: aplique políticas de segurança evitando que códigos com vulnerabilidades críticas sejam mesclados | Engenheiro de segurança |
| DevOps e segurança: implemente o controle de acesso baseado em funções (RBAC) para restringir o acesso a sistemas e dados confidenciais e garantir que somente pessoal autorizado possa acessar recursos essenciais | Engenheiro de segurança |
| DevOps e segurança: ajuste os controles de acesso com base nas funções e responsabilidades, adaptando-se às mudanças na estrutura da equipe | DevOps engenheiro |
| DevOps e segurança: teste aplicativos em execução para detectar vulnerabilidades de segurança quase em tempo real, simulando ataques ao ambiente de produção | Engenheiro de segurança |
| DevOps e segurança: monitore continuamente os aplicativos implantados em busca de vulnerabilidades de segurança | DevOps engenheiro |
| DevOps e segurança: agende verificações regulares de vulnerabilidades em todos os ambientes para identificar e resolver os pontos fracos da segurança | Engenheiro de segurança |
| DevOps e segurança: aplique patches e atualizações com base nos resultados da verificação de vulnerabilidades para ajudar a manter os sistemas seguros | DevOps engenheiro |
| Monitoramento do desempenho do aplicativo: monitore continuamente o desempenho do aplicativo quase em tempo real para detectar e diagnosticar problemas de desempenho antes que eles afetem os usuários | Engenheiro de confiabilidade do site |
| Monitoramento do desempenho do aplicativo: detecte anomalias de desempenho, como picos repentinos nos tempos de resposta ou maiores taxas de erro, e inicie alertas | DevOps engenheiro |
| Monitoramento do desempenho do aplicativo: rastreie as solicitações à medida que elas se propagam por um sistema distribuído para identificar gargalos de desempenho e problemas de latência | DevOps engenheiro |
| Monitoramento do desempenho do aplicativo: use o rastreamento distribuído para identificar o serviço ou componente exato responsável por falhas ou degradação do desempenho | DevOps engenheiro |
| Agregação e análise de registros: agregue registros de várias fontes em um sistema centralizado para facilitar a pesquisa e a análise, a fim de identificar tendências e problemas | Engenheiro de confiabilidade do site |
| Agregação e análise de registros: implemente a análise automatizada de registros para extrair informações relevantes e detectar padrões ou anomalias que possam indicar problemas | DevOps engenheiro |
| Agregação e análise de registros: colete e visualize as principais métricas de desempenho | Engenheiro de confiabilidade do site |
| Agregação e análise de registros: monitore métricas em relação a contratos de nível de serviço predefinidos () SLAs | Gerente de produto |
| Operações de IA: detecte incidentes, analise as causas-raiz e inicie ações corretivas sem intervenção humana | DevOps engenheiro |
| Operações de IA: preveja futuras demandas de recursos e otimize o planejamento de capacidade para evitar interrupções | Engenheiro de confiabilidade do site |
| Melhoria contínua: monitore as interações reais do usuário com o aplicativo para coletar informações sobre o desempenho e identificar áreas de melhoria | Designer UX |
| Melhoria contínua: acompanhe o desempenho do aplicativo em diferentes regiões geográficas para garantir uma experiência de usuário consistente em todo o mundo | Gerente de produto |
| Monitoramento do painel: crie painéis personalizáveis para visualizar métricas, registros e rastreamentos críticos quase em tempo real, a fim de fornecer uma visão abrangente da integridade do sistema | Engenheiro de confiabilidade do site |
| Monitoramento de painéis: crie painéis para diferentes equipes (como equipes de desenvolvimento, operações e produtos) para fornecer informações relevantes com base em suas áreas de foco | DevOps engenheiro |
| Insights de desempenho: conduza uma análise detalhada do desempenho do aplicativo para identificar ineficiências e otimizar o código ou a infraestrutura | Desenvolvedor de software |
| Insights de desempenho: use insights de desempenho para melhorar iterativamente o desempenho do aplicativo e otimizar a experiência do usuário ao longo do tempo | Gerente de produto |
# Casos de uso generativos de IA para operação e manutenção
Depois que o software é implantado, o foco muda para operação e manutenção. A IA generativa pode aprimorar as abordagens tradicionais fornecendo um gerenciamento de sistema mais proativo e eficiente. As ferramentas operacionais baseadas em IA monitoram continuamente o desempenho do sistema e prevêem possíveis problemas antes que eles afetem os usuários. Eles realizam uma análise automatizada da causa raiz quando ocorrem problemas, o que reduz significativamente o tempo médio de resolução. A IA também otimiza o desempenho do sistema quase em tempo real. Ele ajusta automaticamente as configurações com base na alteração dos padrões de carga e nos comportamentos do usuário. Por exemplo, uma equipe de operações pode usar um assistente de IA para gerar cronogramas de manutenção preditiva, identificar automaticamente os componentes que provavelmente falharão e sugerir ações preventivas. A IA também pode ajudar no planejamento da capacidade analisando as tendências de uso e prevendo as necessidades futuras de recursos com alta precisão.
A tabela a seguir mostra os casos de uso de operação e manutenção que você pode aprimorar com a IA generativa e a pessoa responsável por esses casos de uso.
****
| Subcapacidade: caso de uso | Pessoa |
| --- | --- |
| Gerenciamento de incidentes: gerencie incidentes quase em tempo real integrando ferramentas de monitoramento com plataformas de bate-papo para que as equipes possam detectar, discutir e resolver problemas diretamente no ambiente de bate-papo | Engenheiro de confiabilidade do site |
| Gerenciamento de incidentes: permita que as equipes iniciem implantações, executem scripts e executem comandos diretamente da interface de bate-papo, o que simplifica as operações | DevOps engenheiro |
| Atualizações de código: atualize as dependências e bibliotecas de código para reduzir o esforço manual e garantir que a base de código permaneça atualizada com as versões mais recentes | Desenvolvedor de software |
| Otimização de código: revise o código para oportunidades de otimização | Desenvolvedor de software |
| Otimização de código: identifique gargalos no código e refatore ou otimize o código para melhorar o desempenho | Desenvolvedor de software |
| Gestão da dívida técnica: registre a dívida técnica como parte do processo de desenvolvimento | Gerente de produto |
| Gerenciamento técnico da dívida: priorize e resolva a dívida técnica com base no impacto, risco e custo e integre-a ao processo regular de planejamento do sprint | Desenvolvedor de software |
| Gerenciamento da dívida técnica: reduza a dívida técnica no código de aplicativo existente | Desenvolvedor de software |
| Gerenciamento de mudanças: implemente um processo de aprovação de mudanças que garanta que todas as alterações no código sejam revisadas, testadas e aprovadas pelas partes interessadas necessárias antes da implantação | Gerente de mudanças |
| Gerenciamento de mudanças: realizar análise de impacto das mudanças propostas | DevOps engenheiro |
| Engenharia reversa: analise e compreenda a estrutura e o comportamento do código legado | Arquiteto da solução |
| Engenharia reversa: explique o código existente e gere documentação | Desenvolvedor de software |
| Modernização do código: Traduza o código de uma linguagem de programação para outra | Desenvolvedor de software |
| Modernização do código: modernize o código legado para a linguagem de programação mais recente | Desenvolvedor de software |
| Otimização do desempenho: monitore e ajuste continuamente o desempenho do sistema otimizando a alocação de recursos, o balanceamento de carga e a reconfiguração do aplicativo | Engenheiro de confiabilidade do site |
| Otimização de desempenho: identifique e refatore o código que está causando a degradação do desempenho para melhorar a velocidade e a capacidade de resposta do sistema | Desenvolvedor de software |
# Casos de uso para assistentes generativos de IA no desenvolvimento de software
A capacidade do assistente de IA está no centro da experiência generativa de desenvolvimento baseada em IA. Esse sistema inteligente e sensível ao contexto serve como colaborador virtual para todos os membros da equipe em todo o SDLC. Imagine um desenvolvedor trabalhando em um código complexo. Eles podem simplesmente pedir ajuda ao assistente de IA, que pode fornecer trechos de código relevantes, explicar algoritmos complexos ou até mesmo sugerir otimizações com base no contexto atual e nas melhores práticas. O assistente de IA pode ajudar um ITOps gerente a entender um procedimento operacional padrão com base em documentos internos. Ao fornecer suporte instantâneo e contextual, os assistentes de IA reduzem significativamente a carga cognitiva dos membros da equipe. Isso os ajuda a se concentrar em tarefas criativas e de resolução de problemas de alto nível. Esse recurso atua como um multiplicador de forças que aumenta a produtividade e a qualidade em todos os estágios do desenvolvimento de software.
A tabela a seguir mostra casos de uso que você pode aprimorar com assistentes de IA e a persona beneficiada.
****
| Caso de uso | Pessoa |
| --- | --- |
| Forneça assistência instantânea à equipe de desenvolvimento respondendo a perguntas, como sobre requisitos, arquiteturas e procedimentos operacionais padrão | Equipe de desenvolvimento de software |
| Pesquise ou recupere trechos de documentação extensa ou gere resumos usando consultas em linguagem natural | Equipe de desenvolvimento de software |
| Resuma documentos técnicos longos, como documentos de requisitos, documentações de projeto de arquitetura e processos internos | Equipe de desenvolvimento de software |
| Mantenha uma biblioteca de avisos que a equipe possa usar para tarefas comuns | Equipe de desenvolvimento de software |
| Integre perfeitamente a IA generativa às ferramentas e sistemas existentes | Equipe de desenvolvimento de software |
| Automatize tarefas em várias plataformas, ferramentas e sistemas internos | Equipe de desenvolvimento de software |
| Crie um repositório centralizado de conhecimento, incluindo melhores práticas, informações específicas do projeto e conhecimento da equipe, acessível a todos os membros da equipe | Equipe de desenvolvimento de software |
| Recupere o conhecimento relevante do repositório com base no contexto da tarefa | Equipe de desenvolvimento de software |
| Realize análises automatizadas de código, análises de causa raiz, sugira melhorias, detecte possíveis bugs e solucione problemas | Desenvolvedor de software, DevOps engenheiro e engenheiro de confiabilidade do site |
| Analise os dados de desempenho para identificar tendências e padrões que possam informar as decisões sobre a otimização do desempenho | Engenheiro de confiabilidade do site |
| Forneça recomendações para melhorar a eficiência, reduzir a complexidade e aprimorar a segurança | Desenvolvedor de software |
| Sugira otimizações para o uso dos recursos da nuvem, como recomendações de escalabilidade ou estratégias de economia de custos | Desenvolvedor de software, DevOps engenheiro, engenheiro de confiabilidade do site e arquiteto de soluções |
| Gere novos conteúdos, como documentação baseada em código, guias do usuário ou lançamentos de recursos do produto | Equipe de desenvolvimento de software |
# Casos de uso generativos de IA para análises e insights
A capacidade de análise e insights ajuda a converter grandes quantidades de dados em insights acionáveis que impulsionam a tomada de decisões e a melhoria contínua. Ao usar a IA generativa, esse recurso processa dados de várias fontes, incluindo repositórios de código, ferramentas de gerenciamento de projetos e plataformas de colaboração em equipe, para fornecer uma visão holística do processo de desenvolvimento e da produtividade da equipe. A IA generativa vai além das métricas tradicionais para oferecer análises preditivas e prescritivas. Ele pode prever possíveis problemas e sugerir melhorias específicas. Por exemplo, ele pode analisar padrões em confirmações de código, taxas de resolução de bugs e velocidade de entrega de recursos para identificar equipes de alto desempenho, identificar gargalos e sugerir otimizações de processos. Além disso, pode fornecer informações sobre a dinâmica da equipe e o desempenho individual. Esses insights ajudam os líderes a tomar decisões baseadas em dados sobre distribuição da carga de trabalho, necessidades de treinamento e composição da equipe. Ao apresentar esses insights por meio de painéis interativos, o recurso capacita as partes interessadas em todos os níveis a tomar decisões informadas, otimizar processos e melhorar continuamente a produtividade da equipe, o que leva a uma entrega mais rápida de software de alta qualidade.
A tabela a seguir mostra os casos de uso de análise que você pode aprimorar com a IA generativa e a pessoa responsável por esses casos de uso.
****
| Caso de uso | Pessoa |
| --- | --- |
| Monitore a produtividade individual e da equipe | Gerente de desenvolvimento |
| Analise as tendências de produtividade para detectar o potencial de esgotamento, para que você possa tomar medidas proativas para manter o bem-estar e a produtividade da equipe | Gerente de desenvolvimento |
| Acompanhe a frequência com que as alterações de código são implantadas na produção para avaliar a velocidade e a agilidade do processo de desenvolvimento | Gerente de produto |
| Analise os dados de frequência de implantação para identificar períodos de baixa atividade de implantação que possam indicar ineficiências do processo ou restrições de recursos | Gerente de produto |
| Meça o tempo entre a confirmação do código e a implantação para identificar oportunidades de simplificar os processos de desenvolvimento e implantação | Gerente de desenvolvimento |
| Rastreie a porcentagem de implantações que resultam em falhas que exigem remediação imediata para avaliar a confiabilidade do processo de lançamento | Engenheiro de confiabilidade do site |
| Use métricas de taxa de falha de alteração para identificar áreas do código que frequentemente causam problemas, a fim de orientar os esforços direcionados de refatoração e teste | Desenvolvedor de software |
| Monitore quanto tempo é necessário para restaurar o serviço após uma interrupção ou incidente para que você possa reduzir o tempo de inatividade e melhorar a resiliência geral do sistema | Engenheiro de confiabilidade do site |
| Analise as tendências nos tempos de restauração para aprimorar os processos de resposta a incidentes e impulsionar uma recuperação mais rápida das falhas do sistema | DevOps engenheiro |
| Crie um painel personalizado que agregue as principais métricas, como frequência de implantação, prazo de entrega e taxa de falha de mudança, a fim de fornecer uma visão abrangente do desenvolvimento e da integridade operacional | Gerente de produto |
| Crie painéis adaptados às necessidades de diferentes equipes para fornecer informações focadas em suas áreas específicas de responsabilidade, como desenvolvimento, operações ou negócios | Gerente de produto |
| Acompanhe os principais indicadores de desempenho de negócios (KPIs), como impacto na receita, satisfação do cliente e participação no mercado, a fim de alinhar os esforços de desenvolvimento aos objetivos comerciais mais amplos | Gerente de produto |
| Analise o impacto de novos recursos nos negócios KPIs para avaliar seu sucesso e orientar o desenvolvimento futuro de produtos | Analista de negócios |
| Monitore métricas de qualidade do código, como complexidade do código, cobertura de testes e densidade de bugs, para garantir que a base de código permaneça sustentável e segura | Desenvolvedor de software |
| Identifique áreas da base de código que requerem refatoração para impulsionar a sustentabilidade a longo prazo e reduzir a dívida técnica | Arquiteto da solução |
# Casos de uso generativos de IA para gerenciamento do conhecimento
Em qualquer organização de desenvolvimento de software, o conhecimento é um ativo essencial. A capacidade de gerenciamento do conhecimento, impulsionada pela IA generativa, aprimora a forma como esse ativo é capturado, organizado e usado. Os sistemas tradicionais de gerenciamento do conhecimento geralmente contêm muitas informações, contêm conteúdo desatualizado ou são difíceis de pesquisar para encontrar rapidamente informações relevantes.
A IA generativa aborda esses desafios de frente. Ele gera e atualiza automaticamente a documentação com base em alterações de código, conversas e artefatos do projeto. Isso garante que as bases de conhecimento permaneçam atualizadas sem exigir esforço manual dos membros da equipe. Mais importante ainda, a IA torna esse conhecimento acessível de forma intuitiva. Os membros da equipe podem fazer perguntas em linguagem natural e a IA pode fornecer respostas relevantes. A IA pode se basear em uma variedade de fontes, como documentação oficial, comentários de código, tópicos de discussão e até mesmo recursos externos. Por exemplo, um novo membro da equipe tentando entender um componente específico pode perguntar à IA: “Como o módulo de autenticação funciona?” A IA então forneceria uma explicação concisa e links para seções de código relevantes, diagramas de arquitetura e mudanças recentes. Pode até mesmo adaptar essas informações com base na função e no nível de especialização do membro da equipe.
Esse recurso acelera a integração, reduz perguntas repetitivas e promove o compartilhamento de conhecimento em toda a organização. Isso ajuda a preservar o conhecimento institucional, facilitando que as equipes mantenham e desenvolvam sistemas complexos ao longo do tempo.
A tabela a seguir mostra os casos de uso do gerenciamento do conhecimento que você pode aprimorar com a IA generativa e a pessoa responsável por esses casos de uso.
****
| Caso de uso | Pessoa |
| --- | --- |
| Crie uma plataforma unificada que facilita o acesso a todo o conhecimento relacionado ao projeto | Equipe de desenvolvimento de software |
| Capture conhecimento de várias atividades de desenvolvimento | Equipe de desenvolvimento de software |
| Forneça funcionalidade de pesquisa avançada para encontrar rapidamente o conhecimento relevante em um repositório | Equipe de desenvolvimento de software |
| Personalize módulos e percursos de aprendizagem para a equipe | Equipe de desenvolvimento de software |
# Casos de uso generativos de IA para extensibilidade
A extensibilidade permite uma integração perfeita com ferramentas e fluxos de trabalho existentes, permitindo que as organizações adaptem o sistema de IA às suas necessidades específicas. Esse recurso fornece interfaces robustas APIs e personalizáveis que facilitam a integração das funcionalidades de IA em ferramentas populares de desenvolvimento e gerenciamento de projetos. SDKs Por exemplo, as organizações podem aprimorar o Jira com recursos baseados em IA para priorização automatizada de tíquetes, estimativa de esforços e planejamento de sprint. Você pode ampliar os pipelines do Jenkins com IA para otimização inteligente de construção e seleção de testes preditivos.
Além disso, a extensibilidade permite uma integração profunda com ambientes de desenvolvimento integrados (IDEs), sistemas de controle de versão e plataformas de revisão de código. A IA pode ajudar a programar, automatizar revisões de código e gerar documentação contextual.
O recurso também oferece suporte ao treinamento e ao ajuste fino de modelos de IA em dados específicos da organização. Isso ajuda a IA a entender os padrões de codificação específicos da empresa, as preferências arquitetônicas e o conhecimento do domínio. Os resultados são uma assistência mais relevante e contextual em todas as ferramentas integradas. Ao fornecer esse nível de flexibilidade e integração, a extensibilidade garante que a experiência de desenvolvimento baseada em IA evolua com a organização. Ele pode se adaptar às mudanças de tecnologias e necessidades de negócios e, ao mesmo tempo, aprimorar perfeitamente as cadeias de ferramentas e fluxos de trabalho existentes.
A tabela a seguir mostra os casos de uso de extensibilidade que você pode aprimorar com a IA generativa e a pessoa responsável por esses casos de uso.
****
| Caso de uso | Pessoa |
| --- | --- |
| Integre ferramentas de terceiros ao ambiente de desenvolvimento | DevOps engenheiro |
| Crie fluxos de trabalho de automação personalizados, adaptados ao processo de desenvolvimento exclusivo da equipe | DevOps engenheiro |
| Conecte-se a vários APIs serviços | DevOps engenheiro |
| Crie conectores para ferramentas multiplataforma | DevOps engenheiro |