Da Insegurança à Produtividade: Minha Primeira Experiência Real com IA no Desenvolvimento de Software

Amando dos Santos Neto — Thu, 08 Oct 2026 18:14:13 +0000

No início deste ano, tive minha primeira experiência prática com Inteligência Artificial no ambiente de trabalho. O desafio inicial foi usar a IA para extrair regras de negócio a partir de um sistema legado no AS/400. Esse trabalho foi realizado diretamente na base de código COBOL, sem qualquer alteração no sistema. Uma vez extraídas as informações, o resultado era revisado em conjunto com um especialista na linguagem.

Em seguida, dei o próximo passo: utilizar a IA para desenvolver novas soluções em Java, Spring Boot e Google Cloud Platform (GCP). Confesso que, no começo, é um tanto assustador ver a IA gerando códigos e criando testes de forma tão rápida. Nessa primeira fase, eu dependia muito da criação manual de prompts. Com o tempo, evoluí para o uso de SDD (Spec Driven Development ou Desenvolvimento Orientado a Especificações), o que otimizou drasticamente a qualidade e a precisão do código gerado.

Como eu já acompanhava alguns artigos sobre o impacto da IA no desenvolvimento, minha grande preocupação sempre foi a revisão de código (code review). É fácil revisar poucas linhas, mas fazer isso quando a IA produz centenas ou milhares de linhas é outra história. Tornar essa revisão totalmente manual seria inviável, indo contra a proposta de trazer mais produtividade ao time. Essa etapa me trouxe bastante insegurança no início; afinal, como você não escreveu aquele código do zero, sente que, a priori, não tem o controle total da situação.

Para mitigar esse risco, adotei uma estratégia clara: antes de subir a aplicação, a regra de ouro é garantir que todos os testes unitários rodem com sucesso. Essa se tornou a principal barreira para verificar se a IA quebrou alguma funcionalidade existente. Em seguida, a aplicação é implantada para testes funcionais. Nas implementações em que utilizei IA, os testes passaram em 95% das vezes.

Alguns pequenos bugs foram encontrados apenas na fase de QA (Quality Assurance), mas a maioria estava relacionada à especificação e não ao código em si. Por exemplo, houve um cenário em que uma determinada query deveria usar a cláusula LIKE, mas a IA não a incluiu simplesmente porque o detalhe não constava na especificação. Outro problema identificado no QA foi uma requisição que retornava o status 200 OK, mas uma das tabelas envolvidas não era atualizada porque uma exceção interna não havia sido tratada.

Passada essa fase inicial de adaptação, o processo se torna menos tenso. O código gerado fica cada vez melhor e a própria revisão de código passa a contar com a análise da IA. Obviamente, o processo exige um refinamento constante das instruções, pois sem melhorias na especificação, a geração do código fica comprometida. Hoje, vejo a IA como meu pair programmer, uma parceira que ajuda em todo o ciclo de vida do software — desde o refinamento técnico até a implementação final.

Sou muito grato à empresa que me deu a oportunidade de sair da teoria e começar a utilizar a IA de forma responsável e profissional. A Inteligência Artificial veio para transformar o mercado e veio para ficar. Se ela vai acabar com o papel do programador tradicional? Não tenho essa resposta. Mas sei que a mudança já começou, e eu escolhi não ficar para trás.

Versão em inglês.

From Uncertainty to Productivity: My First Real-World Experience with AI in Software Development

Amando dos Santos Neto — Thu, 08 Oct 2026 18:09:10 +0000

Earlier this year, I had my first practical experience integrating Artificial Intelligence into my daily workflow. The initial challenge was using AI to extract business rules from a legacy AS/400 system. This work was done directly on the COBOL codebase without making any changes to the code itself. Once the rules were extracted, the output was reviewed alongside a COBOL specialist.

Shortly after, I took the next step: using AI to develop new solutions in Java, Spring Boot, and Google Cloud Platform (GCP). I must admit, it is quite intimidating at first to watch an AI generate code and run tests so rapidly. During this initial phase, I relied heavily on manual prompting. Over time, I transitioned to SDD (Spec Driven Development), which drastically optimized the quality and precision of the generated code.

Since I had already been reading articles about AI in development, my biggest concern was always code review. Reviewing a few lines is easy, but doing so when the AI produces hundreds or thousands of lines of code is a completely different story. Relying solely on manual reviews would be unfeasible and would defeat the purpose of using AI to boost team productivity. This stage made me feel quite insecure at first; after all, since you didn't write that code from scratch, you feel a lack of control over the situation.

To mitigate this risk, I adopted a clear strategy: before deploying the application, the golden rule is to ensure that all unit tests run successfully across the entire application. This became the main safety net to verify that the AI hadn't broken existing functionalities. Next, the application is deployed for functional testing. In the implementations where I used AI, the tests passed 95% of the time.

A few minor bugs were caught during the QA (Quality Assurance) phase, but most of them were related to the specification rather than the code itself. For instance, there was a scenario where a specific query was supposed to use a LIKE clause, but the AI didn't include it simply because it wasn't specified. Another bug found in QA involved a request that returned a 200 OK status, but one of the underlying tables failed to update under certain conditions due to an unhandled exception.

Once you get past that initial adaptation phase, the process becomes much less stressful. The generated code keeps getting better, and the code review process itself now includes AI analysis. Of course, this requires a continuous refinement of instructions—without improving the specifications, the quality of the generated code suffers. Today, I view AI as my pair programmer, a partner that assists throughout the entire software development lifecycle, from technical refinement to final implementation.

I am deeply grateful to the company for giving me the opportunity to move past theory and start using AI in a responsible and professional manner. Artificial Intelligence is here to stay and change the game. Will it replace programmers? I don't have the answer to that. But I do know that change is happening right now, and I choose not to be left behind.

Portugues version

DEV Community: Amando dos Santos Neto

Da Insegurança à Produtividade: Minha Primeira Experiência Real com IA no Desenvolvimento de Software

From Uncertainty to Productivity: My First Real-World Experience with AI in Software Development