[{"data":1,"prerenderedAt":463},["ShallowReactive",2],{"/pt-br/the-source/authors/taylor-mccaslin/":3,"footer-pt-br":35,"the-source-navigation-pt-br":343,"the-source-newsletter-pt-br":370,"taylor-mccaslin-articles-list-authors-pt-br":382,"taylor-mccaslin-articles-list-pt-br":412,"taylor-mccaslin-page-categories-pt-br":462},{"_path":4,"_dir":5,"_draft":6,"_partial":6,"_locale":7,"config":8,"seo":10,"content":12,"type":26,"slug":27,"_id":28,"_type":29,"title":30,"_source":31,"_file":32,"_stem":33,"_extension":34},"/pt-br/the-source/authors/taylor-mccaslin","authors",false,"",{"layout":9},"the-source",{"title":11},"Taylor McCaslin",[13,24],{"componentName":14,"componentContent":15},"TheSourceAuthorHero",{"config":16,"name":11,"role":19,"bio":20,"headshot":21},{"gitlabHandle":17,"linkedInProfileUrl":18},"tmccaslin","https://www.linkedin.com/in/taylormccaslin/","Gerente de Grupo, Produto – Ciência de Dados","Taylor McCaslin é Líder de Produto para IA/ML no GitLab, onde comanda a equipe de gerentes de produto responsável pelos grupos focados em IA e ModelOps, definindo a visão e o direcionamento para que os usuários do GitLab possam integrar a ciência de dados em seus programas de DevOps. Antes de entrar no GitLab, ele trabalhou na Indeed, Duo Security e WP Engine.",{"altText":11,"config":22},{"src":23},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1751463427/trfasilaeasosxfcxmsm.jpg",{"componentName":25},"TheSourceArticlesList","author","taylor-mccaslin","content:pt-br:the-source:authors:taylor-mccaslin.yml","yaml","Taylor Mccaslin","content","pt-br/the-source/authors/taylor-mccaslin.yml","pt-br/the-source/authors/taylor-mccaslin","yml",{"_path":36,"_dir":37,"_draft":6,"_partial":6,"_locale":7,"data":38,"_id":339,"_type":29,"title":340,"_source":31,"_file":341,"_stem":342,"_extension":34},"/shared/pt-br/main-footer","pt-br",{"text":39,"source":40,"edit":46,"contribute":51,"config":56,"items":61,"minimal":331},"Git é uma marca comercial da Software Freedom Conservancy e nosso uso do nome \"GitLab\" está sob licença",{"text":41,"config":42},"Acessar a origem da página",{"href":43,"dataGaName":44,"dataGaLocation":45},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/","page source","footer",{"text":47,"config":48},"Editar esta página",{"href":49,"dataGaName":50,"dataGaLocation":45},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/-/blob/main/content/","web ide",{"text":52,"config":53},"Contribua",{"href":54,"dataGaName":55,"dataGaLocation":45},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/-/blob/main/CONTRIBUTING.md/","please contribute",{"twitter":57,"facebook":58,"youtube":59,"linkedin":60},"https://twitter.com/gitlab","https://www.facebook.com/gitlab","https://www.youtube.com/channel/UCnMGQ8QHMAnVIsI3xJrihhg","https://www.linkedin.com/company/gitlab-com",[62,89,162,230,292],{"title":63,"links":64,"subMenu":70},"Plataforma",[65],{"text":66,"config":67},"Plataforma DevSecOps",{"href":68,"dataGaName":69,"dataGaLocation":45},"/pt-br/platform/","devsecops platform",[71],{"title":72,"links":73},"Preços",[74,79,84],{"text":75,"config":76},"Confira os planos",{"href":77,"dataGaName":78,"dataGaLocation":45},"/pt-br/pricing/","view plans",{"text":80,"config":81},"Por que escolher o GitLab Premium?",{"href":82,"dataGaName":83,"dataGaLocation":45},"/pt-br/pricing/premium/","why premium",{"text":85,"config":86},"Por que escolher o GitLab Ultimate?",{"href":87,"dataGaName":88,"dataGaLocation":45},"/pt-br/pricing/ultimate/","why ultimate",{"title":90,"links":91},"Soluções",[92,97,102,107,112,117,122,127,132,137,142,147,152,157],{"text":93,"config":94},"Transformação digital",{"href":95,"dataGaName":96,"dataGaLocation":45},"/pt-br/topics/digital-transformation/","digital transformation",{"text":98,"config":99},"Segurança e conformidade",{"href":100,"dataGaName":101,"dataGaLocation":45},"/pt-br/solutions/security-compliance/","security & compliance",{"text":103,"config":104},"Entrega de software automatizada",{"href":105,"dataGaName":106,"dataGaLocation":45},"/pt-br/solutions/delivery-automation/","automated software delivery",{"text":108,"config":109},"Desenvolvimento ágil",{"href":110,"dataGaName":111,"dataGaLocation":45},"/pt-br/solutions/agile-delivery/","agile delivery",{"text":113,"config":114},"Migração para a nuvem",{"href":115,"dataGaName":116,"dataGaLocation":45},"/pt-br/topics/cloud-native/","cloud transformation",{"text":118,"config":119},"SCM",{"href":120,"dataGaName":121,"dataGaLocation":45},"/pt-br/solutions/source-code-management/","source code management",{"text":123,"config":124},"CI/CD",{"href":125,"dataGaName":126,"dataGaLocation":45},"/pt-br/solutions/continuous-integration/","continuous integration & delivery",{"text":128,"config":129},"Gestão de fluxo de valor",{"href":130,"dataGaName":131,"dataGaLocation":45},"/pt-br/solutions/value-stream-management/","value stream management",{"text":133,"config":134},"GitOps",{"href":135,"dataGaName":136,"dataGaLocation":45},"/pt-br/solutions/gitops/","gitops",{"text":138,"config":139},"Grandes empresas",{"href":140,"dataGaName":141,"dataGaLocation":45},"/pt-br/enterprise/","enterprise",{"text":143,"config":144},"Pequenas empresas",{"href":145,"dataGaName":146,"dataGaLocation":45},"/pt-br/small-business/","small business",{"text":148,"config":149},"Setor público",{"href":150,"dataGaName":151,"dataGaLocation":45},"/pt-br/solutions/public-sector/","public sector",{"text":153,"config":154},"Educação",{"href":155,"dataGaName":156,"dataGaLocation":45},"/pt-br/solutions/education/","education",{"text":158,"config":159},"Serviços financeiros",{"href":160,"dataGaName":161,"dataGaLocation":45},"/pt-br/solutions/finance/","financial services",{"title":163,"links":164},"Recursos",[165,170,175,180,185,190,195,200,205,210,215,220,225],{"text":166,"config":167},"Instalação",{"href":168,"dataGaName":169,"dataGaLocation":45},"/pt-br/install/","install",{"text":171,"config":172},"Guias de início rápido",{"href":173,"dataGaName":174,"dataGaLocation":45},"/pt-br/get-started/","quick setup checklists",{"text":176,"config":177},"Saiba mais",{"href":178,"dataGaName":179,"dataGaLocation":45},"https://university.gitlab.com/","learn",{"text":181,"config":182},"Documentação do produto",{"href":183,"dataGaName":184,"dataGaLocation":45},"https://docs.gitlab.com/","docs",{"text":186,"config":187},"Blog",{"href":188,"dataGaName":189,"dataGaLocation":45},"/blog/","blog",{"text":191,"config":192},"Histórias de sucesso de clientes",{"href":193,"dataGaName":194,"dataGaLocation":45},"/customers/","customer success stories",{"text":196,"config":197},"Trabalho remoto",{"href":198,"dataGaName":199,"dataGaLocation":45},"https://handbook.gitlab.com/handbook/company/culture/all-remote/","remote",{"text":201,"config":202},"Serviços do GitLab",{"href":203,"dataGaName":204,"dataGaLocation":45},"/pt-br/services/","services",{"text":206,"config":207},"TeamOps",{"href":208,"dataGaName":209,"dataGaLocation":45},"/pt-br/teamops/","teamops",{"text":211,"config":212},"Comunidade",{"href":213,"dataGaName":214,"dataGaLocation":45},"/community/","community",{"text":216,"config":217},"Fórum",{"href":218,"dataGaName":219,"dataGaLocation":45},"https://forum.gitlab.com/","forum",{"text":221,"config":222},"Eventos",{"href":223,"dataGaName":224,"dataGaLocation":45},"/events/","events",{"text":226,"config":227},"Parceiros",{"href":228,"dataGaName":229,"dataGaLocation":45},"/pt-br/partners/","partners",{"title":231,"links":232},"Empresa",[233,238,243,248,253,258,263,267,272,277,282,287],{"text":234,"config":235},"Sobre",{"href":236,"dataGaName":237,"dataGaLocation":45},"/pt-br/company/","company",{"text":239,"config":240},"Vagas",{"href":241,"dataGaName":242,"dataGaLocation":45},"/jobs/","jobs",{"text":244,"config":245},"Liderança",{"href":246,"dataGaName":247,"dataGaLocation":45},"/company/team/e-group/","leadership",{"text":249,"config":250},"Equipe",{"href":251,"dataGaName":252,"dataGaLocation":45},"/company/team/","team",{"text":254,"config":255},"Manual",{"href":256,"dataGaName":257,"dataGaLocation":45},"https://handbook.gitlab.com/","handbook",{"text":259,"config":260},"Relacionamento com investidores",{"href":261,"dataGaName":262,"dataGaLocation":45},"https://ir.gitlab.com/","investor relations",{"text":264,"config":265},"Sustainability",{"href":266,"dataGaName":264,"dataGaLocation":45},"/sustainability/",{"text":268,"config":269},"Diversidade, inclusão e pertencimento (DIB)",{"href":270,"dataGaName":271,"dataGaLocation":45},"/diversity-inclusion-belonging/","Diversity, inclusion and belonging",{"text":273,"config":274},"Trust Center",{"href":275,"dataGaName":276,"dataGaLocation":45},"/pt-br/security/","trust center",{"text":278,"config":279},"Boletim informativo",{"href":280,"dataGaName":281,"dataGaLocation":45},"/company/contact/","newsletter",{"text":283,"config":284},"Imprensa",{"href":285,"dataGaName":286,"dataGaLocation":45},"/press/","press",{"text":288,"config":289},"Declaração de Transparência da Lei da Escravidão Moderna",{"href":290,"dataGaName":291,"dataGaLocation":45},"https://handbook.gitlab.com/handbook/legal/modern-slavery-act-transparency-statement/","modern slavery transparency statement",{"title":293,"links":294},"Fale com a gente",[295,300,305,310,315,320,325],{"text":296,"config":297},"Fale com um especialista",{"href":298,"dataGaName":299,"dataGaLocation":45},"/pt-br/sales/","sales",{"text":301,"config":302},"Ajuda",{"href":303,"dataGaName":304,"dataGaLocation":45},"/support/","get help",{"text":306,"config":307},"Portal de clientes",{"href":308,"dataGaName":309,"dataGaLocation":45},"https://customers.gitlab.com/customers/sign_in/","customer portal",{"text":311,"config":312},"Status",{"href":313,"dataGaName":314,"dataGaLocation":45},"https://status.gitlab.com/","status",{"text":316,"config":317},"Termos de uso",{"href":318,"dataGaName":319,"dataGaLocation":45},"/terms/","terms of use",{"text":321,"config":322},"Aviso de Privacidade",{"href":323,"dataGaName":324,"dataGaLocation":45},"/pt-br/privacy/","privacy statement",{"text":326,"config":327},"Preferências de cookies",{"dataGaName":328,"dataGaLocation":45,"id":329,"isOneTrustButton":330},"cookie preferences","ot-sdk-btn",true,{"items":332},[333,335,337],{"text":316,"config":334},{"href":318,"dataGaName":319,"dataGaLocation":45},{"text":321,"config":336},{"href":323,"dataGaName":324,"dataGaLocation":45},{"text":326,"config":338},{"dataGaName":328,"dataGaLocation":45,"id":329,"isOneTrustButton":330},"content:shared:pt-br:main-footer.yml","Main Footer","shared/pt-br/main-footer.yml","shared/pt-br/main-footer",{"_path":344,"_dir":9,"_draft":6,"_partial":6,"_locale":7,"logo":345,"subscribeLink":350,"navItems":354,"_id":366,"_type":29,"title":367,"_source":31,"_file":368,"_stem":369,"_extension":34},"/shared/pt-br/the-source/navigation",{"altText":346,"config":347},"the source logo",{"src":348,"href":349},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1750191004/t7wz1klfb2kxkezksv9t.svg","/pt-br/the-source/",{"text":351,"config":352},"Assinar",{"href":353},"#subscribe",[355,359,362],{"text":356,"config":357},"Inteligência artificial",{"href":358},"/pt-br/the-source/ai/",{"text":98,"config":360},{"href":361},"/pt-br/the-source/security/",{"text":363,"config":364},"Plataforma e infraestrutura",{"href":365},"/pt-br/the-source/platform/","content:shared:pt-br:the-source:navigation.yml","Navigation","shared/pt-br/the-source/navigation.yml","shared/pt-br/the-source/navigation",{"_path":371,"_dir":9,"_draft":6,"_partial":6,"_locale":7,"title":372,"description":373,"submitMessage":374,"formData":375,"_id":379,"_type":29,"_source":31,"_file":380,"_stem":381,"_extension":34},"/shared/pt-br/the-source/newsletter","Boletim informativo The Source","Fique por dentro dos insights para o futuro do desenvolvimento de software.","Você se inscreveu com sucesso no boletim informativo The Source.",{"config":376},{"formId":377,"formName":378,"hideRequiredLabel":330},28471,"thesourcenewsletter","content:shared:pt-br:the-source:newsletter.yml","shared/pt-br/the-source/newsletter.yml","shared/pt-br/the-source/newsletter",{"amanda-rueda":383,"andre-michael-braun":384,"andrew-haschka":385,"ayoub-fandi":386,"brian-wald":387,"bryan-ross":388,"chandler-gibbons":389,"dave-steer":390,"ddesanto":391,"derek-debellis":392,"emilio-salvador":393,"erika-feldman":394,"george-kichukov":395,"gitlab":396,"grant-hickman":397,"haim-snir":398,"iganbaruch":399,"jlongo":400,"joel-krooswyk":401,"josh-lemos":402,"julie-griffin":403,"kristina-weis":404,"lee-faus":405,"ncregan":406,"rschulman":407,"sabrina-farmer":408,"sandra-gittlen":409,"sharon-gaudin":410,"stephen-walters":411,"taylor-mccaslin":11},"Amanda Rueda","Andre Michael Braun","Andrew Haschka","Ayoub Fandi","Brian Wald","Bryan Ross","Chandler Gibbons","Dave Steer","David DeSanto","Derek DeBellis","Emilio Salvador","Erika Feldman","George Kichukov","GitLab","Grant Hickman","Haim Snir","Itzik Gan Baruch","Joseph Longo","Joel Krooswyk","Josh Lemos","Julie Griffin","Kristina Weis","Lee Faus","Niall Cregan","Robin Schulman","Sabrina Farmer","Sandra Gittlen","Sharon Gaudin","Stephen Walters",{"allArticles":413,"visibleArticles":461,"showAllBtn":330},[414,439],{"_path":415,"_dir":416,"_draft":6,"_partial":6,"_locale":7,"config":417,"seo":421,"content":425,"type":434,"category":416,"slug":435,"_id":436,"_type":29,"title":422,"_source":31,"_file":437,"_stem":438,"_extension":34,"date":426,"description":427,"timeToRead":428,"heroImage":424,"keyTakeaways":429,"articleBody":433},"/pt-br/the-source/ai/4-steps-for-measuring-the-impact-of-ai","ai",{"layout":9,"template":418,"articleType":419,"author":27,"gatedAsset":420,"isHighlighted":6,"authorName":11},"TheSourceArticle","Regular","source-lp-how-to-get-started-using-ai-in-software-development",{"title":422,"description":423,"ogImage":424},"Quatro etapas para medir o impacto da IA","Para avaliar o sucesso de iniciativas com IA, é essencial ter uma estrutura de medição adequada. Descubra quatro etapas para focar nas métricas certas.","https://res.cloudinary.com/about-gitlab-com/image/upload/v1751463600/yv1v4ywk7hbobfvlxwhf.png",{"title":422,"date":426,"description":427,"timeToRead":428,"heroImage":424,"keyTakeaways":429,"articleBody":433},"2024-10-29","Para determinar o desempenho das iniciativas de IA, é fundamental utilizar a estrutura de medição certa. Confira estas quatro etapas que podem ajudar você a se concentrar nas métricas certas.","5 min de leitura",[430,431,432],"A eficácia da IA no desenvolvimento de software não deve ser medida apenas por métricas de produtividade, como geração de código, mas também considerando seu impacto na qualidade, manutenção, testes e segurança do código.","Integrar com sucesso a IA requer uma abordagem holística que combine dados quantitativos de todo o ciclo de desenvolvimento de software com insights qualitativos dos desenvolvedores sobre o impacto real da IA em seu trabalho e estratégias.","Com a abordagem certa, a IA pode aprimorar a colaboração, melhorar a qualidade do código e apoiar as metas empresariais sem comprometer a qualidade ou a segurança do software","Rapidamente, a IA se tornou uma parte essencial das pilhas de tecnologia das empresas. As ferramentas de produtividade com tecnologia de IA prometem aumentar a eficiência automatizando tarefas repetitivas de codificação. No entanto, muitas empresas estão lutando para quantificar o impacto de suas iniciativas de IA e estão reavaliando as métricas para garantir que elas estejam alinhadas com os resultados de negócios desejados.\n\nTradicionalmente, medir a produtividade dos desenvolvedores tem sido um desafio, usando ou não ferramentas com tecnologia de IA. [Uma pesquisa realizada pelo GitLab](https://about.gitlab.com/developer-survey/) descobriu que menos da metade dos CXOs estão satisfeitos com a forma que suas empresas medem a produtividade do desenvolvedor, e 36% sentem que as medições de produtividade em vigor apresentam falhas.\n\nA avaliação da produtividade da codificação aprimorada por IA requer uma abordagem mais sutil do que as métricas tradicionais, como linhas de código, commits de código ou conclusão de tarefas. É necessário mudar o foco para resultados de negócios do mundo real que equilibrem velocidade de desenvolvimento, qualidade de software e segurança.\n\nAqui estão algumas etapas que as empresas podem seguir hoje para garantir que possam medir o impacto total da IA nos processos de desenvolvimento de software.\n\n## 1. Defina metas claras para implementar a IA\nAo implementar a IA no desenvolvimento de software, as empresas devem ter metas e métricas claras para medir o sucesso. Isso inclui objetivos de curto e longo prazo que se alinhem com a estratégia geral de negócios. Por exemplo, uma meta de curto prazo pode ser reduzir o tempo de revisão de código em 30% usando ferramentas com tecnologia de IA, enquanto uma meta de longo prazo pode ser melhorar os índices de satisfação do cliente por meio de ciclos de lançamento mais rápidos e código de maior qualidade.\n\nAlém disso, os líderes organizacionais devem envolver os desenvolvedores na definição dessas metas e métricas. Os desenvolvedores têm experiência em primeira mão com o impacto da IA no seu trabalho e podem apresentar informações detalhadas e valiosas sobre como ela melhorou ou prejudicou a produtividade. [Uma pesquisa do GitLab](https://about.gitlab.com/developer-survey/) mostrou que 63% dos desenvolvedores esperam que a IA mude significativamente sua função nos próximos cinco anos, e 56% acham que introduzir a IA no ciclo de vida do desenvolvimento de software é arriscado. Ao ouvir dos desenvolvedores onde a IA pode ajudar e onde gera preocupações, as empresas podem definir métricas de sucesso mais relevantes, que realmente refletem o impacto dela nas equipes de desenvolvimento de software.\n\nTambém é importante que as empresas revisitem e reavaliem regularmente essas metas à medida que continuem a integrar a IA em seus processos. A tecnologia evolui rapidamente, assim como as necessidades e prioridades dos negócios. Definir metas claras permite que as equipes acompanhem o progresso e façam ajustes conforme necessário.\n\n## 2. Além das métricas de programação\nA produtividade é mais do que as taxas de aceitação ou linhas de código geradas. Os desenvolvedores gastam [mais de 75%](https://about.gitlab.com/developer-survey/) do seu tempo em outras tarefas além da geração de código. O uso eficiente da IA pode, portanto, reduzir o tempo que os desenvolvedores gastam revisando, testando e mantendo o código.\n\nPara entender e aproveitar plenamente os benefícios do desenvolvimento de software auxiliado por IA, as empresas devem se concentrar em ter uma visão holística do [impacto da IA na produtividade](https://about.gitlab.com/the-source/ai/how-ai-helps-devsecops-teams-improve-productivity/) e de seus resultados em todo o ciclo de vida do desenvolvimento de software (SDLC). A abordagem ideal combina dados quantitativos de todo o SDLC com informações detalhadas qualitativas dos desenvolvedores sobre o impacto real da IA no seu trabalho diário e sua influência nas estratégias de desenvolvimento de longo prazo.\n\nUma técnica de medição eficaz é a [estrutura DORA](https://about.gitlab.com/solutions/value-stream-management/dora/), que avalia o desempenho de uma equipe de desenvolvimento durante um período específico. As métricas DORA avaliam a frequência de implantação, o prazo de entrega das alterações, o tempo médio de reparo, a taxa de falha nas alterações e a confiabilidade. Essas métricas oferecem visibilidade sobre a agilidade, eficiência operacional e velocidade de uma equipe, atuando como indicadores de como o departamento de engenharia equilibra velocidade, qualidade e segurança.\n\nAlém disso, as equipes devem usar a [análise de fluxo de valor](https://about.gitlab.com/solutions/value-stream-management/) para examinar o fluxo de trabalho completo, do conceito à produção. A análise de fluxo de valor monitora continuamente as métricas, como prazo de entrega, duração do ciclo, frequência de implantação e defeitos de produção, com foco nos resultados dos negócios, em vez de ações individuais do desenvolvedor. Essa abordagem abrangente garante um processo de desenvolvimento mais produtivo e eficiente.\n\n## 3. Prepare-se para os desafios do crescimento\nEmbora a IA possa acelerar a produção de código, ela também pode contribuir para a dívida técnica se o código gerado não tiver qualidade e segurança. O código gerado por IA geralmente exige mais tempo para revisão, teste e manutenção. Os desenvolvedores podem economizar tempo usando a IA inicialmente, mas esse tempo provavelmente será gasto mais tarde no ciclo de vida do desenvolvimento de software. Além disso, qualquer falha de segurança no código gerado por IA precisará de atenção das equipes de segurança, exigindo tempo adicional para resolver possíveis problemas. Como resultado, as equipes de desenvolvimento e segurança podem inicialmente ser céticas em relação à IA.\n\nPara começar, as equipes devem desenvolver as melhores práticas atuando em áreas de menor risco antes de expandir o uso de aplicações de IA. Essa abordagem cautelosa garante uma capacidade de ajuste de escala segura e sustentável. Por exemplo, a IA pode facilitar a geração de código, a criação de testes, a correção de sintaxe e a documentação, ajudando as equipes a avançar e melhorar os resultados enquanto aprendem a usar a ferramenta de forma mais eficaz.\n\nA produtividade pode diminuir inicialmente à medida que as equipes se acostumam a novos fluxos de trabalho. As empresas devem oferecer um período de carência para que as equipes determinem a melhor forma de integrar a IA em seus processos.\n\n## 4. Integre a IA de forma holística com a plataforma DevSecOps\nPara mitigar os desafios da implementação da IA em seus processos de desenvolvimento, as empresas podem utilizar uma plataforma DevSecOps que integre recursos de IA (como geração de código com tecnologia de IA, resumos de discussões e explicações de vulnerabilidades) ao longo de todo o ciclo de vida do desenvolvimento de software. As plataformas DevSecOps oferecem um fluxo de trabalho centralizado e simplificado para desenvolvedores e equipes de segurança, permitindo que colaborem de forma mais eficaz e [identifiquem possíveis problemas no início do processo de desenvolvimento](https://about.gitlab.com/the-source/ai/4-ways-ai-can-help-devops-teams-improve-security/).\n\n[Ferramentas de teste e revisão de código com tecnologia de IA](https://about.gitlab.com/blog/how-gitlab-duo-helps-secure-and-thoroughly-test-ai-generated-code/) dentro de uma plataforma DevSecOps podem ajudar a identificar e resolver falhas de segurança ou erros de código antes que entrem na etapa de produção. Isso não apenas economiza tempo, mas também reduz a dívida técnica e melhora a qualidade geral do software. Quando as ferramentas de IA fazem parte de uma plataforma integrada, as equipes também podem [misturar IA com análise de causa raiz](https://about.gitlab.com/blog/developing-gitlab-duo-blending-ai-and-root-cause-analysis-to-fix-ci-cd/)para corrigir erros em pipelines de CI/CD e lançar código seguro mais rapidamente. O objetivo é aplicar análises automatizadas de qualidade de código e de segurança a todo o código que a empresa está produzindo, especialmente o código gerado por IA.\n\nAlém disso, as equipes podem facilmente rastrear o ROI da IA com a [análise integrada que mede o impacto da IA na produtividade](https://about.gitlab.com/blog/developing-gitlab-duo-ai-impact-analytics-dashboard-measures-the-roi-of-ai/) de uma plataforma.\n\nA IA desempenhará um papel crítico na evolução das plataformas DevSecOps, remodelando a forma como as equipes de desenvolvimento, segurança e operações colaboram para acelerar o desenvolvimento de software sem sacrificar a qualidade e a segurança. Os líderes empresariais vão querer entender como seus investimentos em ferramentas com tecnologia de IA estão gerando resultados, e os desenvolvedores devem aceitar essa análise e aproveitar a oportunidade para demonstrar como seu trabalho está alinhado com os objetivos mais amplos da empresa.\n\nAo adotar uma abordagem holística que avalia a qualidade do código, a colaboração, os custos de downstream e a experiência do desenvolvedor, as equipes podem aproveitar as tecnologias de IA para aprimorar os esforços humanos.","article","4-steps-for-measuring-the-impact-of-ai","content:pt-br:the-source:ai:4-steps-for-measuring-the-impact-of-ai:index.yml","pt-br/the-source/ai/4-steps-for-measuring-the-impact-of-ai/index.yml","pt-br/the-source/ai/4-steps-for-measuring-the-impact-of-ai/index",{"_path":440,"_dir":416,"_draft":6,"_partial":6,"_locale":7,"config":441,"seo":443,"content":448,"type":434,"category":416,"slug":457,"_id":458,"_type":29,"title":449,"_source":31,"_file":459,"_stem":460,"_extension":34,"date":450,"description":445,"timeToRead":451,"heroImage":446,"keyTakeaways":452,"articleBody":456},"/pt-br/the-source/ai/how-to-put-generative-ai-to-work-in-your-devsecops-environment",{"layout":9,"template":418,"articleType":419,"author":27,"featured":6,"gatedAsset":442,"isHighlighted":6,"authorName":11},"navigating-ai-maturity-in-devsecops",{"title":444,"description":445,"ogImage":446,"config":447},"Como usar IA generativa no DevSecOps | GitLab","Saiba como a inteligência artificial, quando integrada em toda a plataforma, pode trazer resultados reais para as empresas e suas equipes de DevSecOps.","https://res.cloudinary.com/about-gitlab-com/image/upload/v1751463955/b01uj40kjfhezhwiczhp.png",{"ignoreDescriptionCharLimit":330},{"title":449,"date":450,"description":445,"timeToRead":451,"heroImage":446,"keyTakeaways":452,"articleBody":456},"Como utilizar a IA generativa da melhor forma no ambiente DevSecOps","2024-03-07","7 min de leitura",[453,454,455],"Para aproveitar ao máximo o potencial da IA no DevSecOps, é essencial incorporar a IA não apenas na etapa de criação do código, mas em todo o ciclo de vida do desenvolvimento de software.","A consolidação das ferramentas de IA em toda empresa reduz a complexidade, os riscos operacionais e os custos, promovendo um ambiente otimizado e seguro.","Avaliar a eficácia da IA exige mais que métricas tradicionais, como frequência de produção de código. Implemente fluxos de trabalho padrão para coletar métricas abrangentes, como tempo de resolução de vulnerabilidades e eficiência na revisão de código.","A IA generativa deu início a uma nova onda de inovação que tem tudo para diminuir muitas etapas manuais e demoradas do desenvolvimento e da entrega de software e, como resultado, acelerar os fluxos de trabalho de DevSecOps. No entanto, para aproveitar todo o potencial da IA generativa, a tecnologia precisa estar presente não apenas no momento da criação do código, mas em todo o processo.\n\nDe acordo com nossa [pesquisa de 2024 com mais de 5 mil profissionais de DevSeOps](https://about.gitlab.com/developer-survey/2024/ai), a criação de código ocupa menos de 25% do tempo de um desenvolvedor. Há muitas outras tarefas essenciais entre o primeiro commit e a produção que podem se beneficiar do poder da IA.\n\nA IA pode ser integrada em todas as etapas para orientar o software, desde à concepção à entrega, criando um produto melhor e mais seguro com maior rapidez. Por exemplo, é possível otimizar uma tarefa corriqueira como a análise de uma compilação com falha usando a IA para avaliar o que está errado e corrigir o problema. Embora a IA não elimine a tarefa, ela pode ajudar a [reduzir as etapas e o tempo necessários para concluí-la](https://about.gitlab.com/the-source/ai/how-ai-helps-devsecops-teams-improve-productivity/).\n\nConfira aqui o que sua equipe de DevSecOps pode fazer para começar a entender e quantificar o impacto da IA generativa.\n\n## Comece com uma avaliação dos seus fluxos de trabalho\n\nAntes de entender completamente o impacto da IA, você precisa preparar o terreno, revisando seus fluxos de trabalho, por exemplo. É importante saber como seria o fluxo de trabalho ideal que você pode desenvolver para abordagem uniforme de uso da IA. Também é preciso ter os [verificadores de integridade corretos](https://about.gitlab.com/the-source/ai/velocity-with-guardrails-ai-automation/) para reduzir os riscos que a IA possa apresentar.\n\nPor exemplo, se sua equipe escreve código com IA generativa, parte do código gerado pode incluir vulnerabilidades de segurança. Faz parte do processo. Portanto, você precisa de um [fluxo de trabalho que identifique essas vulnerabilidades](https://about.gitlab.com/the-source/ai/4-ways-ai-can-help-devops-teams-improve-security/) e reduza a chance de que elas cheguem ao ambiente de produção. Depois de definir esse fluxo de trabalho, você pode incluir funcionalidades de IA de maneira mais uniforme, o que pode agilizar seu desenvolvimento.\n\nConfira aqui um exemplo de como uma avaliação inicial do seu fluxo de trabalho pode otimizar os benefícios da IA. Embora a IA possa criar testes automaticamente, o ideal não é que isso seja feito depois que o código já foi criado. Os desenvolvedores não fazem parte da equipe de QA porque só testam o que escreveram. A IA generativa age de forma parecida. O teste gerado pela IA deve ocorrer antes no seu fluxo de trabalho para que os desenvolvedores possam usar informações nos tíquetes para gerar testes unitários interativamente para o código que querem escrever. Ao considerar o fluxo de trabalho, eles podem criar as solicitações de merge com o teste primeiro. Dessa forma, quando fizerem pull do branch para trabalhar na implementação, suas sugestões de código serão mais robustas porque o contexto irá incluir os testes adequados. Além disso, o número de respostas certas será muito maior do que se começassem com o código diretamente.\n\nNão é possível reformular todos os fluxos de trabalho de uma só vez, portanto, concentre-se naqueles relacionados aos seus principais desafios de desenvolvimento e entrega de software, como modernizar codebases legados, gerenciar o aumento de tíquetes de segurança ou operar com orçamentos e equipes cada vez mais reduzidos.\n\n## Estabeleça verificadores de integridade de IA\n\nTambém é importante considerar o risco da IA em relação aos dados com os quais ela interage. Por isso, verificadores de integridade devem ser implementados para mitigar esse risco e atender às suas exigências de conformidade específicas. Você deve considerar os modelos de IA que usa, se acessa bancos de dados vetoriais e como os modelos de linguagem de grande porte (LLMs) são treinados.\n\nPara lidar com essas questões, as equipes jurídica, de conformidade e de DevSecOps devem fazer perguntas difíceis aos provedores de IA juntas. Compartilhamos algumas orientações úteis no [GitLab AI Transparency Center](https://about.gitlab.com/ai-transparency-center/) e no [nosso post sobre como criar uma estratégia de IA que priorize a transparência](https://about.gitlab.com/the-source/ai/building-a-transparency-first-ai-strategy-7-questions-to-ask-your-devops/).\n\nOutro verificador de integridade essencial é otimizar o número de ferramentas de IA individuais que você usa no ciclo de vida do desenvolvimento de software e em toda a empresa. Quanto mais ferramentas são usadas, maior é a complexidade, o que pode causar problemas operacionais, desafios de supervisão e riscos de segurança. Além disso, o uso de muitas ferramentas também aumenta os gastos gerais.\n\n## Avalie o impacto da IA\n\nMedir as mudanças na produtividade e outras métricas importantes é essencial para [entender o impacto real da IA na empresa](https://about.gitlab.com/the-source/ai/4-steps-for-measuring-the-impact-of-ai/). Normalmente, as empresas analisam o resultado considerando a frequência com que enviam o código para o ambiente de produção, as [quatro métricas DORA](https://docs.gitlab.com/ee/user/analytics/dora_metrics.html) ou o tempo necessário para remediar bugs. Mas esses indicadores não representam o cenário geral.\n\nNo GitLab, medimos o impacto da IA padronizando os fluxos de trabalho dentro da estrutura hierárquica de grupos e projetos para acumular métricas das equipes para unidades de negócios e analisar esses resultados diretamente na interface do usuário.\n\nAo implementar a IA em cima dessa estrutura, o aumento da velocidade é perceptível, incluindo o tempo necessário para resolver vulnerabilidades e validar se as solicitações de merge têm os revisores e os testes certos, o que reduz o tempo do processo de revisão de código. Você pode conferir cada etapa no GitLab, incluindo dependências, e o delta que a equipe de desenvolvimento leva para passar por essas etapas. Os painéis de controle mostram a velocidade e facilitam o redirecionamento com base nesses dados. Por exemplo, você pode decidir se quer lançar o software no ambiente de produção.\n\n### Usos práticos de um assistente de IA no SDLC\n\nConfira algumas maneiras práticas de usar assistentes de IA como o [GitLab Duo](https://about.gitlab.com/gitlab-duo/) no ciclo de vida do desenvolvimento de software.\n\n- **Escreva descrições de solicitações de merge:** automatize a criação de descrições detalhadas para solicitações de merge e resuma de forma rápida e precisa as principais alterações feitas nos commits de uma MR. Também é possível identificar tarefas que faltam com base no código escrito e na intenção do tíquete vinculado à MR.\n\n- **Explique o código em linguagem natural:** com uma a explicação do código, os testadores de QA conseguem entender o código de forma mais fácil e rápida. Por exemplo, se uma MR inclui código escrito em Rust e um conjunto complexo de métodos, o testador de QA pode destacar os métodos e receber uma descrição em linguagem natural sobre o que a mudança está tentando fazer. Assim, o testador de QA pode escrever casos de teste muito melhores que abrangem não apenas cenários positivos, mas também que apresentem dificuldades.\n\n- **Análise da causa raiz de erros de pipeline:** se seus pipelines estiverem aumentando e você tentar refatorar o código, poderá criar um problema que talvez seja difícil de solucionar, especialmente se estiver executando uma série de scripts Bash ou uma imagem Docker aproveitando comandos internos dentro da imagem. Quando você verifica os erros que recebe por meio da IA generativa, eles indicam a possível causa raiz e uma solução recomendada que pode ser copiada e colada diretamente no job de CI.\n\n- **Resolução de vulnerabilidades:** na pressa de mudar a segurança para a esquerda, as equipes de engenharia precisaram se tornar especialistas em segurança rapidamente. Com a IA generativa, os engenheiros podem acessar o chat para descobrir qual é a vulnerabilidade, onde ela está no código e até abrir uma MR automatizada com uma possível correção. Tudo isso dentro do intervalo de desenvolvimento, portanto, sem alternância de contexto.\n\n## GitLab Duo: uma solução única para recursos de IA generativa de grande impacto\n\nEstamos desenvolvendo o GitLab Duo, nossa caixa de ferramentas de recursos de IA para a plataforma DevSecOps, com modelos potentes de IA generativa e tecnologias de ponta de fornecedores de hipercloud. Hoje, o [GitLab Duo tem recursos nas fases de disponibilidade geral, beta e experimental](https://docs.gitlab.com/ee/user/ai_features.html), que vão do assistente de código ao assistente do chat e ao explicador de vulnerabilidades. Quando usado de forma contínua em todo o ciclo de vida do desenvolvimento de software, o GitLab Duo agiliza a duração do ciclo em 10 vezes, o que ajuda as empresas a fazer mais com menos e permite que os funcionários dediquem seu tempo em tarefas de maior valor.\n\nO relatório \"[Omdia Market Radar: AI-Assisted Software Development, 2023–24](https://learn.gitlab.com/devsecops-plat-ai/analyst-omdia-ai)\" destacou o GitLab Duo como um dos produtos que a empresa de analistas considera \"adequado para o desenvolvimento de aplicações de nível empresarial\", apontando que seu \"assistente de IA está integrado em todo o pipeline do SDLC\".\n\nConfira os recursos do GitLab Duo em ação:\n\n\u003C!-- blank line -->\n\u003Cfigure class=\"video_container\">\n  \u003Ciframe src=\"https://www.youtube.com/embed/s19nBOA2k_Y?si=qEcsZbpMChynYlfn\" frameborder=\"0\" allowfullscreen=\"true\">\u003C/iframe>\n\u003C/figure>\n\u003C!-- blank line --> >","how-to-put-generative-ai-to-work-in-your-devsecops-environment","content:pt-br:the-source:ai:how-to-put-generative-ai-to-work-in-your-devsecops-environment:index.yml","pt-br/the-source/ai/how-to-put-generative-ai-to-work-in-your-devsecops-environment/index.yml","pt-br/the-source/ai/how-to-put-generative-ai-to-work-in-your-devsecops-environment/index",[414,439],{"ai":356,"platform":363,"security":98},1753733459373]