Como trazer software legado para um SDLC de IA

Todas as conversas sobre desenvolvimento assistido por IA acabam por bater na mesma parede: "isso é ótimo para apps novas, mas o nosso negócio corre num monólito Rails com doze anos e num sistema de faturação em Java que ninguém compreende por completo." A parede é real. A maior parte das ferramentas de desenvolvimento com IA assume um projeto de raiz. Mas a conclusão que as equipas tiram dela, a de que os sistemas legados têm de esperar por uma reescrita antes de a IA poder ajudar, está exatamente ao contrário. Os sistemas legados são onde a engenharia assistida por IA mais compensa, porque é neles que vivem realmente o fardo de manutenção, o risco de conhecimento e o backlog.

Trazer um sistema legado para um SDLC de IA não significa pedir a um modelo que o regenere. Significa dar ao código existente o mesmo ciclo de entrega de que uma app nova construída com IA desfruta: um ambiente onde o sistema corre de forma reproduzível para os agentes poderem trabalhar nele em segurança; um mapa de que código pertence a que função de negócio; políticas que protegem as zonas perigosas; uma base de testes automatizados em torno do comportamento que não pode mudar; e um caminho controlado da alteração à implementação. Assim que esse ciclo existe, os agentes de IA podem carregar o trabalho que os humanos temem. Atualizações de dependências, backlog de bugs, funcionalidades pequenas, documentação. Sob governança, enquanto o sistema continua a servir a produção.

O reenquadramento estratégico: a modernização deixa de ser um destino (a grande reescrita, eternamente a dezoito meses de distância) e passa a ser uma propriedade da forma como o sistema é mantido daqui em diante. Os sistemas dentro do ciclo ficam incrementalmente mais saudáveis a cada alteração governada. Os sistemas fora dele degradam-se dentro do prazo.

Um modelo mental útil: trate o sistema legado como um doente a ser internado, não como um edifício a demolir. O internamento significa observação primeiro, reproduzi-lo, mapeá-lo, estabelecer a base do seu comportamento, e depois tratamento em doses crescentes à medida que a evidência se acumula. Nada no internamento exige acreditar que o sistema é bom; exige apenas que o sistema suporte carga, que é precisamente a razão pela qual merece maquinaria em vez de heroísmos. As fases abaixo são esse processo de internamento, por ordem, com o risco carregado à cabeça em passos reversíveis.

A dor é estrutural, não acidental. Os engenheiros que compreendiam o sistema saíram ou seguiram em frente, por isso cada alteração começa com arqueologia. A cobertura de testes é fina ou ritualística, por isso cada deploy é um pequeno ato de coragem, por isso os deploys são raros, por isso as alterações acumulam-se em lotes, por isso os deploys tornam-se mais arriscados, o clássico ciclo da desgraça. Entretanto, o backlog de pedidos do negócio cresce, e as pessoas capazes de tocar no sistema gastam a sua capacidade a mantê-lo vivo em vez de o melhorar. Isto é precisamente um problema de capacidade, que é precisamente o que a engenharia assistida por IA endereça. Se a maquinaria de segurança existir para os agentes trabalharem dentro dela.

A escapatória tradicional, a reescrita big-bang, tem um historial de falhas que todos os CIOs conhecem: prazos plurianuais, o sistema antigo a evoluir por baixo do novo, os últimos 20% do comportamento, não documentados, a suportar carga, a consumir a maior parte do orçamento. As reescritas falham porque exigem que a organização compreenda o sistema inteiro de uma vez, que é exatamente o conhecimento que se perdeu. As abordagens incrementais têm sucesso porque só exigem compreender uma alteração de cada vez, e uma alteração de cada vez é exatamente a granularidade que os agentes de IA mais governança tratam bem.

Há também uma realidade de talento. Ninguém quer o lugar de manutenção num sistema legado, e contratar para ele fica mais difícil todos os anos. Envolver o sistema num SDLC de IA converte esse lugar de arqueologia a tempo inteiro em direção e revisão. Um papel que as pessoas seniores realmente aceitam.

O próprio backlog diz-lhe quanto valor está preso. A maioria dos sistemas envelhecidos carrega anos de pedidos adiados. Funcionalidades pequenas, pedidos de integração, alterações de relatórios. Que individualmente nunca valeram o risco do deploy. É essa a aritmética cruel do ciclo da desgraça: quanto mais arriscados os deploys se tornam, mais alta a fasquia para tentar um, mais longa a fila cresce. Quebre o ciclo, alterações baratas, seguras e governadas, e a fila converte-se de uma lista de passivos num pipeline de valor, razão pela qual a redução do backlog é a métrica inicial mais persuasiva destes programas.

Esta rampa de acesso é um caminho de primeira classe no Ciao, não uma adaptação. As imagens de sandbox personalizadas envolvem a engenharia assistida por IA à volta de Rails, Java, Go, Python, Node e backends multi-processo. A fase dois do enquadramento como capacidade da plataforma. O Guardrails faz depois o mapeamento e a proteção: mapeia o código em áreas de negócio, deteta alterações arriscadas, aplica políticas em linguagem simples, regista a revisão humana e deixa um registo de auditoria por trás de cada merge, que é exatamente a postura de governança primeiro que os sistemas legados exigem. O QA constrói e corre a base. Repetições determinísticas em navegador, testes autorreparáveis, smoke gates antes da publicação, verificações de produção depois, e o Doctor sonda a app ao vivo, o DNS e o CDN para diagnosticar a causa raiz quando algo se comporta mal.

Para portefólios em vez de sistemas isolados, o Conductor dá um ecrã para centenas, por vezes milhares, de projetos com saúde ao vivo e visibilidade de zonas protegidas, que é o que um programa de modernização contínuo realmente precisa para ser gerido por uma equipa pequena. A implementação pode ficar onde a conformidade exigir: na sua própria conta AWS, Azure ou GCP, numa VPC privada ou on-premise sob termos separados. Os programas de desenvolvimento sérios começam em 10.000 USD por ano. A conversa a ter com as vendas é concreta: traga um sistema envelhecido e o seu backlog, e delimite como seria a fase um para ele.

Gira as expectativas com honestidade dentro da sua organização: as primeiras semanas produzem infraestrutura, não funcionalidades. Um ambiente reproduzível, um mapa de áreas de negócio, uma base de testes, e isso pode parecer lentidão a stakeholders a quem prometeram velocidade de IA. O efeito composto começa depois: cada alteração subsequente viaja sobre os mesmos carris, e a centésima alteração governada custa uma fração da primeira. Os programas que comunicam esta forma à partida mantêm os seus patrocinadores; os programas que prometem velocidade instantânea numa base de código com doze anos passam o terceiro mês a pedir desculpa.