A adoção de inteligência artificial no desenvolvimento de software pode acelerar a entrega de funcionalidades, apoiar a modernização de sistemas legados e automatizar tarefas de engenharia. Mas esses ganhos também trazem novos desafios: como acompanhar os custos dos modelos, controlar as permissões dos agentes e garantir que o código gerado atenda aos requisitos de qualidade e segurança?
Software craftsmanship é uma abordagem que trata o desenvolvimento de software como um ofício, o objetivo não é só entregar software que funciona, mas software bem construído, que continua fácil de evoluir, apoiado em práticas técnicas disciplinadas e numa comunidade de profissionais. O Codurance Craft AI é o nome sob o qual a Codurance aplica esse ofício aos serviços de IA.
Oito linhas, quatro de consultoria e quatro de delivery, que colocam a IA no centro da engenharia de software.
O Craft AI é um guarda-chuva de oito linhas de serviço, cada uma nascida de uma dor concreta, como conta de IA sem dono, legado que ninguém quer mexer ou pitch de "IA proprietária" que ninguém consegue verificar. A porta de entrada é o AI Diagnosis & Strategy.
A adoção de IA já não se limita à escolha de ferramentas. À medida que assistentes de código e agentes autônomos passam a fazer parte do desenvolvimento de software, o desafio passa a ser integrá-los aos processos existentes com qualidade, segurança e controle.
Três movimentos ajudam a entender essa mudança:
Os dados de mercado também apontam desafios na transição entre experimentação e produção. Estimativas citadas em publicações do setor indicam dificuldades para colocar agentes de IA em operação e estabelecer modelos maduros de governança.
Entre elas estão a previsão da Gartner de que 40% das empresas poderão reverter ou desativar agentes autônomos até 2027 devido a problemas relacionados à governança. (Gartner — 26 de maio de 2026: Gartner Says Applying Uniform Governance Across AI Agents Will Lead to Enterprise AI Agent Failure.)
Esses indicadores precisam ser interpretados conforme as fontes e suas metodologias, mas ajudam a contextualizar uma questão importante. Implementar IA não é apenas disponibilizar uma ferramenta. É necessário garantir que ela funcione de maneira confiável dentro dos sistemas e processos da organização.
Quando a IA passa a fazer parte do desenvolvimento de software, escolher as ferramentas certas é apenas o começo. O desafio passa a ser integrar essa tecnologia aos sistemas e processos existentes, garantindo qualidade, segurança e previsibilidade ao longo de todo o ciclo de desenvolvimento.
Na prática, essa abordagem envolve algumas mudanças:
Essas práticas ajudam a transformar experimentos em soluções que podem ser avaliadas, mantidas e evoluídas em ambientes de produção. Também permitem que as decisões sobre o uso da IA sejam baseadas em critérios técnicos e resultados observáveis, e não apenas na expectativa de aumento de produtividade.
O manifesto é curto e se organiza em quatro valores. Cada um mantém o que o ágil já defendia e acrescenta uma exigência:
|
Valor |
Em linguagem simples |
|
Não apenas software funcionando, mas também software bem construído |
Funcionar não basta: o código precisa ser legível, testável e fácil de alterar |
|
Não apenas responder a mudanças, mas também agregar valor de forma constante |
Cada entrega deve melhorar o produto, sem acumular dívida que trava as próximas |
|
Não apenas indivíduos e interações, mas também uma comunidade de profissionais |
Aprender e ensinar em comunidade faz parte do trabalho |
|
Não apenas colaboração com o cliente, mas também parcerias produtivas |
A relação com o cliente é de parceria técnica, não de simples execução de pedidos |
O craftsmanship se traduz em hábitos técnicos que podem ser observados no dia a dia de um time:
Se quiser aprofundar a parte técnica, o guia TDD: como aplicar desenvolvimento orientado a testes detalha o ciclo Red-Green-Refactor e as katas por nível.
O termo Craft faz referência ao conceito de software craftsmanship, uma abordagem de desenvolvimento de software que valoriza práticas de engenharia, qualidade técnica, colaboração e evolução contínua.
O Codurance Craft AI reúne oito linhas de serviços voltadas a diferentes desafios relacionados à adoção de inteligência artificial na engenharia de software. Elas estão organizadas em duas categorias: Consultoria & Assessment, voltada à análise, diagnóstico e tomada de decisão, e Delivery, direcionada à implementação de soluções.
Cada linha aborda um problema específico que pode surgir quando uma organização começa a incorporar IA aos seus processos e produtos:
|
Linha |
Problema abordado |
Foco |
|
AI Diagnosis & Strategy |
A organização quer adotar IA, mas ainda não sabe se está preparada ou por onde começar. |
Diagnóstico de prontidão, priorização de casos de uso e roadmap. |
|
AI First Engineering |
As ferramentas de IA aumentam a velocidade de desenvolvimento, mas não estão integradas de forma consistente ao processo de engenharia. |
Estruturação de práticas de desenvolvimento orientadas por IA. |
|
AI Technical Due Diligence |
Uma empresa ou produto afirma possuir tecnologia de IA própria, mas é necessário avaliar sua base técnica e viabilidade. |
Análise técnica da tecnologia, arquitetura e sustentabilidade da solução. |
|
AI Governance Consult |
O uso de IA cresce, mas falta visibilidade sobre custos, controles e responsabilidades. |
Estruturação de mecanismos de governança para aplicações e modelos de IA. |
|
AI Modernization |
Sistemas legados dificultam mudanças e sua manutenção se torna cada vez mais complexa. |
Modernização e evolução de sistemas existentes com apoio de IA. |
|
AI App Development |
Existe uma necessidade de negócio que exige uma aplicação de IA, mas a organização não dispõe de capacidade interna suficiente para desenvolvê-la. |
Construção de sistemas novos, da ideia à produção, com testes e guardrails desde o primeiro commit. |
|
AI Test Automation |
A complexidade dos sistemas aumenta o esforço necessário para testar mudanças e realizar releases. |
Automação de testes, do nível unitário aos testes end-to-end. |
|
AI Feature Delivery |
O backlog cresce mais rápido do que o time consegue entregar |
Squad AI-first que assume parte do backlog e entrega com cadência e métricas mensais |
Essa divisão ajuda a visualizar que a adoção de IA envolve problemas diferentes. Uma organização pode estar no momento de entender sua prontidão, enquanto outra já precisa lidar com governança, modernização de sistemas, testes ou desenvolvimento de novas funcionalidades.
Em 2 a 3 semanas, você recebe um diagnóstico sustentado por evidências, casos de uso priorizados por valor, viabilidade e risco, e um roadmap com arquitetura de referência.
O progresso é medido pela evolução do score nos seis pilares, por acessos e ações indevidas de agentes (a meta é zero) e pelo tempo entre o caso de uso e o agente em produção.
Segue com engenharia de contexto, que define contratos, limites e decisões explícitas para a IA operar com coerência, e com um ciclo de desenvolvimento com guardrails, em que humanos definem intenção, limites e limiares de falha.
Inclui trilha de treinamento e ferramentas, com custo e segurança desde o primeiro dia. Mede lead time antes e depois, custo de token por dev e retrabalho pós-geração.
Soma ao baseline de engenharia (arquitetura, qualidade, segurança, infra/DevOps) uma camada de nove dimensões de IA: estratégia de modelo, dependência de fornecedor e de modelo, dados, economia de inferência, confiabilidade do modelo, maturidade de MLOps, segurança específica de IA, propriedade intelectual e regulatório, e profundidade do time de IA.
Pega o que costuma passar batido: AI-washing (um wrapper fino vendido como IA proprietária), tese que morre na economia de inferência escondida, lock-in, exposição regulatória e risco de pessoa-chave. Entrega um relatório com red flags priorizadas e a leitura com o comitê.
A resposta é uma camada entre a aplicação e o modelo que aplica a política antes da chamada, com cinco controles:
A entrada é uma auditoria de fatura de IA de uma semana. A linha mede se o teto bloqueia (e não só alerta), o percentual de chamadas ao modelo de fronteira, a taxa de acerto de cache e o custo por resolução.
AI Modernization.
Seu legado modernizado em meses, não anos, sem big-bang, em três movimentos:
O critério de aceite é objetivo: os testes do sistema antigo e do novo precisam dar o mesmo resultado. Se você ainda está dimensionando o problema, comece por como medir o custo do software legado.
AI App Development. Da ideia ao sistema em produção. É um greenfield completo, com pirâmide de testes e guardrails desde o primeiro commit e integrações feitas do zero. Aceita backlog, telas desenhadas ou só a ideia. Arquitetura e decisões de negócio ficam com gente sênior, e a IA executa dentro dessas decisões. Quando o produto tem IA embarcada, evals, guardrails e controle de custo e latência já entram na primeira versão.
AI Test Automation. Uma rede completa de testes, do unitário ao E2E, sem parar o time. No E2E pela tela, a IA opera a interface como um usuário, sem depender do código. Na pirâmide, a IA analisa requisitos e código e constrói camada a camada, do unitário para cima, com revisão de quem conhece a regra de negócio.
Quando o sistema diverge do documentado, os requisitos são atualizados, e cada teste fica rastreável a um requisito. Testes instáveis são tratados e a execução no CI é priorizada pelo que mudou. O resultado esperado é uma regressão que cai de dias para horas.
AI Feature Delivery. A Codurance assume o seu backlog, ou parte dele, e multiplica a vazão com um squad AI-first dentro do seu produto: features, correção de bugs e gestão de backlog com IA. Antes, adequa o codebase (testes, modularização, ferramentas) para viabilizar o desenvolvimento com IA. A cadência é mensal e medida (vazão, lead time, SLA), com revisão trimestral.
A IA tende a reproduzir os padrões que já existem na base de código, bons ou ruins, como explicamos em A IA amplifica o que já existe na sua base de código. Por isso, medir a base antes de acelerar importa.
O SQA (Software Quality Assessment) dá nota A–F em Code Quality, Code Security, Development Process e Knowledge Distribution, e inclui indicadores de prontidão para IA. Para o lado financeiro dessa decisão, veja ROI da IA na modernização de software.
Porque a IA muda a velocidade, não a natureza do trabalho. O Software Craftsmanship in the AÍ desenvolve quatro ideias:
O efeito prático de ter ou não os fundamentos aparece em quatro frentes:
|
Frente |
Sem fundamentos de craftsmanship |
Com fundamentos de craftsmanship |
|
Código gerado |
Entra sem rede de testes e gera regressões |
Passa por testes e revisão de quem conhece a regra de negócio |
|
Design da base |
A IA replica o desenho confuso que já existe |
A modularização dá à IA limites claros para trabalhar |
|
Conhecimento |
Concentra-se em poucas pessoas e no que a IA gerou |
Documentação viva e testes preservam o entendimento do time |
|
Controle |
Custo e acesso de agentes descobertos depois do fato |
Inventário, limites e critérios definidos antes do deploy |
|
Risco |
Como aparece no dia a dia |
Linha relacionada |
|
Adotar IA sem saber se a base aguenta |
"O board mandou 'ter AI', e ninguém sabe dizer se a casa aguenta." |
AI Diagnosis & Strategy |
|
Custo de IA sem dono |
"A conta de IA dobrou e eu não sei dizer para qual feature." |
AI Governance Consult |
|
Agentes sem controle |
Agentes com acesso a dados e sem plano para desligá-los |
AI Governance Consult |
|
IA aplicada sobre legado frágil |
"Todo mundo tem medo de mexer nesse sistema." |
AI Modernization |
|
Código gerado sem rede de testes |
"A gente leva dias para ter coragem de fazer um release." |
AI Test Automation |
|
Processo que não acompanha a ferramenta |
"A AI escreve rápido, mas a cada feature ela parece reaprender o sistema do zero." |
AI First Engineering |
|
Promessas de IA que não se sustentam |
"O pitch diz que é AI proprietária. É mesmo?" |
AI Technical Due Diligence |
|
Roadmap maior que a capacidade |
"Meu roadmap de 12 meses precisa caber em 4." |
AI Feature Delivery / AI App Development |
É para você se:
Não é para você se você só precisa comprar licenças de uma ferramenta de IA, ou se não pretende mudar nada na forma como a engenharia trabalha.
A Codurance combina consultoria e delivery em IA no Craft AI, com entrada fixa e critério de aceite objetivo. Entre em contato hoje e comece por um assessment de 1 a 3 semanas.
Não. É um portfólio de serviços de consultoria e delivery em IA, com oito linhas.
A consultoria ajuda a decidir com evidência (diagnóstico, governança, due diligence, processo). O delivery constrói e entrega (modernização, aplicações, testes, features).
Pelo AI Diagnosis & Strategy, a porta única do Craft AI, ou direto pela entrada da linha que resolve a dor mais urgente.
Não. Arquitetura e decisões de negócio são definidas por gente sênior, e a IA executa dentro delas. Nas linhas de capacitação e handover, o método fica com o seu time.
Sim. A linha AI Modernization trata legado em três movimentos (estabilizar, reescrever, reengenhar), por domínio e sem big-bang.
Sim. A AI Technical Due Diligence avalia se a IA do alvo é real, defensável e economicamente sólida, além do baseline de engenharia.
Não. O SQA mede a qualidade da base de código com notas A–F. O Craft AI é o portfólio de serviços de IA, e o SQA ajuda a saber em que estado a base está antes de acelerar.
Cada linha tem métricas próprias: score nos seis pilares, lead time, regressão de dias para horas, paridade de comportamento na modernização, teto que bloqueia na governança