Da especificação a dezenas de APIs completas – Automação inteligente em projetos complexos

O desenvolvimento de sistemas corporativos de grande escala frequentemente envolve grandes volumes de tarefas repetitivas, porém essenciais para o prosseguimento do projeto. Além de consumir tempo valioso de profissionais qualificados, a implementação manual de grandes volumes de código, recursos e bancos de dados traz uma susceptibilidade ao erro humano que pode atrasar entregas de valor. Em um dos projetos recentes na Muralis, nos deparamos com um cenário como esse: uma grande quantidade de formulários se desdobrando em centenas de tabelas de banco de dados e ainda mais arquivos de código para a aplicação.

A abordagem manual não seria apenas lenta, envolvendo semanas de digitação repetitiva, mas também seria um risco para a consistência e qualidade do projeto. Dada a natureza previsível da tarefa, optamos por incorporar a geração de código não só na programação, mas em todo o processo desde a análise das especificações.

Da Abstração à Realidade: Gerando Código, Tabelas e Testes

A tarefa começou com planilhas contendo as informações do projeto, que nós processamos com scripts Python gerados por IA. Outras tarefas relacionadas ao processamento de dados também foram executadas assim, indiretamente por scripts, incluindo a conversão das informações nas planilhas em representações JSON para servir como contrato de comunicação entre os módulos. Esta fonte de verdade foi o primeiro passo, e a partir daí continuamos com outras automações, como a criação de numerosas tabelas com scripts SQL incluindo integração com ArcGIS.

Esta estratégia foi especialmente impactante na geração do próprio código. Ao invés de usar a IA generativa diretamente para escrever a implementação relacionada a cada formulário individualmente, criamos scripts intermediários reusáveis para gerar o código fonte repetitivo automaticamente. Assim, centenas de arquivos foram criados seguindo uma arquitetura testada e comprovada com Façades, Repositories, Services, Controllers, Mappers e todos os padrões de design adequados, tudo isso evitando erro humano sem que um desenvolvedor precisasse escrever o código final manualmente.

O código produzido incluiu centenas de tabelas SQL, criadas com o Arcpy para trabalhar com dados geográficos do ArcGIS, tudo isso com scripts implementados apenas uma vez com o auxílio de IA generativa. Assim, a abordagem de incluir a IA em mais partes do processo se tornou especialmente efetiva dada a previsibilidade das tarefas.

Qualidade Assegurada Automaticamente

Em esforços que envolvem código gerado, é especialmente importante verificar com cuidado que o comportamento obtido condiz com os requisitos.

Para validar e garantir a qualidade desse código, um último módulo foi criado com a responsabilidade de usar o contrato para validar, com testes automatizados, a corretude total da solução gerada. Isso nos deu a certeza de que o código gerado apresentou o comportamento correto

Documentação Automatizada

A automação se estendeu até a documentação, que era premissa no projeto e normalmente consumiria tempo e esforço, além de estar suscetível a descuidos e erros humanos. A tarefa era gerar 114 diagramas de banco de dados, incluindo diagramas conceituais, físicos e lógicos.

Aqui, a inteligência artificial foi novamente uma aliada para automatizar o processo e torná-lo mais eficiente. Código gerado em PlantUML resultou em representações aceitáveis para os diagramas lógicos e físicos, mas para os diagramas conceituais, mostrou-se necessária uma estratégia mais sofisticada desenhando os diagramas programaticamente, mas que resultou em documentação profissional gerada automaticamente.

Esta foi a estrutura resultante: apenas retiramos os nomes reais da tabela para mostrar aqui.

Impacto Real: Abordagens inteligentes

O benefício mais evidente foi a economia de tempo, pois conseguimos evitar mais da metade do esforço originalmente estimado. Mas impacto vai além: com a abordagem correta, essa estratégia elimina riscos relacionados à falta de clareza causada por erros de digitação, garante consistência com a fonte dos dados, e libera a equipe de desenvolvimento para focar na arquitetura, inovação e desafios mais complexos.

Investir na automação de tarefas de grande escala com IA, seja através de scripts indiretos como demonstramos, ou com outras abordagens, não é apenas uma otimização – é uma mudança de paradigma que transforma gargalos de desenvolvimento em vantagem competitiva e permite escalar projetos além do que se pensava possível.

Muralis insigths | Escrito por: Rafael Takahashi, Arquiteto de Software.