Ferramentas de inteligência artificial voltadas à programação ampliaram sua atuação nas empresas, passando a participar de etapas que antecedem e sucedem a escrita de códigos. A tecnologia passou a ser empregada para organizar solicitações, detalhar requisitos, elaborar trechos de software, revisar entregas e auxiliar em diagnósticos, modificando a distribuição de responsabilidades nas equipes técnicas.

O que aconteceu

Na Multipagamentos, empresa especializada em tecnologia para meios de pagamento, o uso formal de inteligência artificial no ciclo de desenvolvimento foi implementado em julho de 2026. A tecnologia atua desde a preparação das demandas até a geração, revisão e diagnóstico de códigos, operando sob um modelo que exige validação humana antes de qualquer inserção em ambiente produtivo.

Antes mesmo da programação, solicitações recebidas por reuniões, documentos, e-mails e mensagens passaram a ser estruturadas com o auxílio de modelos de linguagem. A tecnologia organiza o contexto, aponta lacunas e converte os dados em uma demanda padronizada para os desenvolvedores. Na fase seguinte, o sistema divide essas solicitações em etapas de desenvolvimento, critérios de aceite, cenários de exceção e componentes potencialmente afetados.

Em um dos fluxos adotados pela companhia, essa preparação inicial pode ser concluída em cerca de 90 minutos. A empresa informou que ainda não mensura o resultado em um percentual geral de produtividade devido à recente adoção e à ausência de uma base histórica comparável.

Quanto mais a inteligência artificial participa da produção inicial, mais importante se torna a capacidade humana de verificar o resultado. O papel do desenvolvedor não desaparece, mas passa a exigir mais contexto, revisão, arquitetura, análise de risco e responsabilidade sobre aquilo que efetivamente chega à produção

A mudança também alterou o processo de aprovação de códigos. O método, antes baseado na conferência entre pares, passou a incluir classificação das ferramentas por risco, limites de acesso, validações específicas para aplicações com modelos de linguagem, aprovação humana nominal e auditoria da liderança de tecnologia. Na prática, parte da atividade migrou da produção inicial para a contextualização, arquitetura, revisão, validação e tomada de decisão técnica.

Nenhum código gerado com apoio de inteligência artificial é enviado para produção sem uma aprovação identificada. Nos ambientes produtivos, os acessos para diagnóstico são restritos a modo de leitura, sem acesso a dados de portadores de cartão.

Adotar IA não é apenas liberar uma nova ferramenta para o time. Quando ela passa a participar de processos críticos, a discussão muda para governança: quais dados pode acessar, o que pode executar, quem valida e quem responde pelo resultado. É essa camada que separa a experimentação de uso estrutural

Para estruturar a distribuição de responsabilidades, a empresa criou papéis específicos nas equipes e implementou um programa de capacitação, desenvolvido a partir de encontros internos voltados a mapear aplicações para a tecnologia. Atualmente, a companhia trabalha na criação de indicadores que incluem telemetria das ferramentas, identificação da origem dos códigos e critérios para acompanhar produtividade, qualidade e retrabalho.