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 pela Forrester 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
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.
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.
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 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!
