Perspectivas sobre a utilização da inteligência artificial no desenvolvimento de software

Abstract

Este trabalho explora o impacto da Inteligência Artificial (IA) no Ciclo de Vida de Desenvolvimento de Software (CVDS), analisando como as técnicas de IA estão transformando práticas tradicionais de desenvolvimento e manutenção de software. Tradicionalmente, o CVDS é um processo linear que abrange etapas desde o levantamento de requisitos até a manutenção, com modelos como cascata, espiral, incremental e ágil. A introdução da IA trouxe novas possibilidades, tornando o processo mais adaptável às mudanças rápidas do ambiente tecnológico. O objetivo deste estudo é identificar e descrever como diferentes ferramentas de IA podem ser aplicadas em cada etapa do CVDS para aumentar a eficiência e qualidade dos produtos. Utilizando uma abordagem exploratória e descritiva, foram realizadas buscas em bases como Google Acadêmico e Periódicos Capes para identificar trabalhos que tratam de aplicações de IA nas áreas-chave do CVDS, como análise de requisitos, codificação, testes, e gerenciamento de projetos. Os resultados destacam que a IA pode automatizar tarefas manuais, prever falhas, e otimizar a alocação de recursos. Ferramentas como aprendizado de máquina ajudam na análise de requisitos, enquanto sistemas especialistas e redes neurais melhoram a codificação e os testes, garantindo maior precisão e qualidade. O uso da IA também foi associado a uma maior eficiência no cumprimento de prazos e na redução de custos, otimizando todo o processo de desenvolvimento. Conclui-se que a IA oferece um grande potencial para transformar o CVDS, tornando o desenvolvimento de software mais dinâmico e inovador, capaz de responder rapidamente às demandas do mercado e garantir produtos mais robustos e confiáveis.

This paper explores the impact of Artificial Intelligence (AI) on the Software Development Life Cycle (SDL), analyzing how AI techniques are transforming traditional software development and maintenance practices. Traditionally, SDL is a linear process that encompasses stages from requirements gathering to maintenance, with models such as waterfall, spiral, incremental, and agile. The introduction of AI has brought new possibilities, making the process more adaptable to rapid changes in the technological environment. The objective of this study is to identify and describe how different AI tools can be applied at each stage of SDL to increase the efficiency and quality of products. Using an exploratory and descriptive approach, searches were carried out in databases such as Google Scholar and Capes Journals to identify works that deal with AI applications in key areas of SDL, such as requirements analysis, coding, testing, and project management. The results highlight that AI can automate manual tasks, predict failures, and optimize resource allocation. Tools such as machine learning help with requirements analysis, while expert systems and neural networks improve coding and testing, ensuring greater accuracy and quality. The use of AI has also been associated with greater efficiency in meeting deadlines and reducing costs, optimizing the entire development process. It can be concluded that AI offers great potential to transform CVDS, making software development more dynamic and innovative, capable of responding quickly to market demands and ensuring more robust and reliable products.