Ferramentas de IA enfrentam dificuldades com bases de código complexas e legadas, segundo artigo

Para Evan Doyle, CTO da Gauge Technologies, empresas com bases de código recentes e de alta qualidade são as que mais se beneficiam das ferramentas de IA generativa, enquanto aquelas com bases de código legadas e complexas tendem a encontrar obstáculos em sua adoção. Doyle cita ferramentas como Cursor e Aider, que podem acelerar o desenvolvimento ao aplicar padrões preexistentes e utilizar interfaces e relações entre módulos já existentes. No entanto, em ambientes com alta dívida técnica, controle complexo de fluxos, dependências de longo alcance e padrões imprevisíveis, essas ferramentas apresentam dificuldades para gerar respostas úteis.

Doyle observa que uma base de código complexa não só limita a capacidade da IA de gerar respostas coerentes, como também dificulta a formulação de pedidos claros pelos desenvolvedores. Ele recomenda que, em vez de forçar o uso de IA generativa em problemas complexos de bases legadas, especialistas humanos assumam o trabalho de refatorar o código, preparando-o para que a IA possa ser aplicada com mais eficiência. Caso isso não seja viável, uma alternativa é criar novos módulos que possam se beneficiar diretamente das ferramentas de IA generativa.

Para Doyle, uma equipe de desenvolvimento moderna deve buscar manter e evoluir um sistema de módulos bem definidos, representando fielmente as necessidades do domínio. O desenvolvimento de novos recursos deve, assim, se basear nessa estrutura, maximizando o uso das ferramentas de IA generativa.