Marc Sureda
Há apenas alguns anos, a criação de uma aplicação web de raiz exigia um tempo considerável e conhecimentos sólidos em engenharia de software. Na atualidade, a irrupção de modelos de linguagem e assistentes de programação modificou por completo este cenário, reduzindo de forma drástica a barreira de entrada nesta disciplina. Plataformas automatizadas permitem a profissionais de diferentes perfis transformar uma ideia num produto funcional através do uso de instruções em linguagem natural, obtendo interfaces operacionais e bases de dados conectadas em questão de horas.
Esta acessibilidade impulsionou a criação rápida de protótipos, mas também introduziu uma falsa sensação de competência técnica entre os utilizadores. A partir da empresa Panda Security, o seu responsável global de operações de consumo, Hervé Lambert, adverte que: “É cada vez mais habitual ver pessoas a desenvolver aplicações unicamente através de linguagem natural. Com instruções tão simples como ‘cria uma API em Python que gira utilizadores’ ou ‘conecta esta aplicação com a Stripe’, obtêm em poucos minutos uma aplicação funcional.”
O fenómeno de aceitar código gerado por IA simplesmente porque cumpre a sua função inicial, sem analisar o seu funcionamento interno, popularizou-se no setor. Enquanto os projetos se mantêm numa fase experimental, este desconhecimento técnico tem um impacto insignificante, contudo a situação muda radicalmente quando as aplicações passam para produção. No momento em que estes desenvolvimentos começam a processar pagamentos, a armazenar informação da empresa ou a integrar-se nos sistemas corporativos, surgem interrogações sobre a proteção de credenciais ou a manipulação de pedidos que os modelos automatizados não conseguem resolver por si próprios.
Um dos principais problemas enfrentados pelos responsáveis de tecnologia é a incorporação de vulnerabilidades através de dependências externas. Os assistentes virtuais costumam recomendar bibliotecas de terceiros que os utilizadores integram sem verificar se recebem manutenção contínua ou se escondem falhas de segurança conhecidas. Com o tempo, as aplicações acumulam componentes que ampliam a superfície de ataque e convertem a poupança inicial de tempo numa carga de dívida técnica para a empresa. Cada nova modificação torna-se mais complexa, uma vez que nenhum membro da equipa compreende na sua totalidade a arquitetura do programa.
A esta complexidade técnica soma-se um desafio organizacional relacionado com o desenvolvimento paralelo nos vários departamentos. A facilidade para criar pequenas ferramentas que automatizam relatórios ou conectam plataformas permite aos funcionários resolver necessidades concretas sem a intervenção da área de tecnologia. Esta dinâmica reproduz os problemas tradicionais associados à shadow IT (tecnologia-sombra), eludindo as revisões de código e as validações de acesso corporativas. Do mesmo modo, existe o risco acrescido de os trabalhadores partilharem informação interna ou fragmentos de código próprio com os modelos de IA para obterem resultados mais precisos, expondo dados da organização.
Apesar destes desafios, a automatização supõe uma modificação substancial na rotina das equipas de engenharia de software. Para os programadores com experiência, estas ferramentas revelam-se úteis ao assumirem tarefas repetitivas e libertarem tempo para o design de arquiteturas ou para a revisão da segurança. A responsabilidade sobre a qualidade e a manutenção dos sistemas recai na supervisão humana, sendo indispensável integrar o uso da IA nos protocolos de desenvolvimento da empresa. Para mitigar os riscos, é imperativo estabelecer políticas estritas sobre a gestão da informação partilhada com estas plataformas e assegurar que todo o código automatizado seja validado por especialistas antes da sua implementação definitiva na estrutura tecnológica.
