Nos dois anos que se passaram desde o advento da IA generativa (GenAI, na abreviação em inglês), grande parte do foco das empresas nessa tecnologia tem girado em torno da capacidade dela de promover o aumento da produtividade dos desenvolvedores e engenheiros de software. No entanto, apesar de esses ganhos de eficiência serem um fator importante por trás dos $ 2,6 trilhões a $ 4,4 trilhões que a McKinsey estima que a GenAI pode agregar à economia global, um número crescente de organizações vem adotando uma visão mais ampla do pleno impacto da tecnologia em todo o processo de criação de produtos de software.
Mais insights da McKinsey em português
Confira nossa coleção de artigos em português e assine nossa newsletter mensal em português.
Ao integrarem todas as formas de IA ao ciclo de vida de desenvolvimento de produtos (PDLC, na sigla em inglês) de software de ponta a ponta, as empresas podem permitir que os gerentes de produtos (PMs, na sigla em inglês de “product managers”), engenheiros e suas equipes dediquem mais tempo ao trabalho de maior valor e menos às tarefas de rotina. Nessa ampla mudança, elas podem incorporar fontes mais robustas de dados e feedback a uma nova estrutura de desenvolvimento que priorize as soluções centradas no cliente. Essa reformulação holística deve, em última análise, acelerar o processo, melhorar a qualidade dos produtos e aumentar a adoção pelos clientes e sua satisfação, além de promover mais inovações (Quadros 1 e 2). Os líderes do setor compartilham essa perspectiva. Inbal Shani, diretora de produtos (CPO) e de P&D da Twilio, ressalta o potencial transformador da IA: “Com a implementação da IA, acredito que a mudança mais relevante e singular será a melhoria da qualidade dos produtos, devido à melhor capacidade de analisar, sintetizar informações e fazer recomendações”.
Atingir esse objetivo ambicioso não é algo que acontece da noite para o dia. Uma transformação do PDLC de software por meio da IA envolve várias mudanças, cada uma das quais tem sua parcela de adaptações necessárias e desafios potenciais. Com base em nossas pesquisas e entrevistas com líderes do setor, este artigo examina cinco mudanças individuais e decisivas que a IA está pronta para levar ao PDLC de software, além de alguns dos principais impactos e implicações que essa reformulação abrangente terá em diversos aspectos das organizações de produtos, incluindo o modelo de negócios, as capacidades, a estrutura organizacional e a governança de dados.
As cinco mudanças decisivas que a IA levará ao PDLC de software
No contexto de sua ampla reformulação do processo de desenvolvimento de produtos, a IA está pronta para levar cinco mudanças fundamentais ao PDLC de software, o que deve causar um forte impacto na velocidade, na qualidade, no valor e na inovação geral.
1. O tempo de lançamento no mercado fica significativamente mais curto
Muitas organizações já estão sentindo o impacto da economia de tempo propiciada pela GenAI na engenharia de software, mas essa tecnologia pode fazer o mesmo por todo o processo de gestão e desenvolvimento de produtos. Grande parte dessa aceleração é resultado do encurtamento da jornada que vai dos estágios iniciais (estratégia e visão) aos finais (distribuição e ganho de escala). A capacidade da IA de automatizar tarefas rotineiras demoradas, como gestão de projetos, análise de mercado, testes de desempenho e análise e documentação de feedback, libera PMs, engenheiros e designers para se concentrarem em tarefas mais gratificantes e de maior valor, que requerem criatividade e avaliação humanas. Isso inclui desde a visão do produto e a definição da estratégia até o desenvolvimento dos conceitos e a priorização das funcionalidades.
Essa mudança não apenas acelera o ciclo de desenvolvimento, como também oferece oportunidades inéditas de inovação. As informações e a economia de tempo proporcionadas pelas ferramentas de IA permitem que as equipes criem várias iterações de um produto, melhorando sua adequação ao mercado. Nesse processo de aceleração, as organizações devem ser capazes de realizar testes de mercado mais rápidos e reagir com mais agilidade ao feedback dos usuários, às mudanças dos consumidores e às dinâmicas ou tendências em evolução, o que deve resultar em produtos melhores.
2. Os produtos entregam valor ao cliente muito mais cedo
O desenvolvimento bem-sucedido de produtos depende da realização do valor de ideias compatíveis com o mercado. Embora as equipes de desenvolvimento geralmente comecem com a intenção certa, costumam ser necessários alguns lançamentos até elas ouvirem e incorporarem o feedback dos clientes para entregarem valor real. A IA está reformulando esse processo ao tomar fontes de dados fragmentados de feedback dos clientes e uso do produto e integrá-las ao ciclo de desenvolvimento, o que possibilita a criação acelerada de produtos vinculados ao valor para o cliente desde o início.
Por exemplo, a IA pode reunir dados da pesquisa inicial com os clientes durante as fases de descoberta e viabilidade, juntamente com dados de telemetria, tickets de serviço e feedback de suporte, para monitorar o impacto de ponta a ponta. As ferramentas de IA também são capazes de integrar informações de clientes em tempo real, sentimentos / interações em redes sociais e pesquisas sobre a concorrência, além de dados históricos e tendências de mercado. As equipes que usam essa abordagem podem obter insights práticos para ajudar a criar conceitos de produtos mais rigorosos e centrados no cliente, aumentando, assim, o sucesso dos lançamentos. A Stack Overflow, uma comunidade online de desenvolvedores, usa IA para vasculhar de forma eficiente pesquisas e feedback passados e atuais de clientes e para oferecer insights enquanto as equipes fazem iterações. “Estamos entrando em uma nova economia, na qual o conhecimento como serviço será o motor do futuro”, diz Prashanth Chandrasekar, CEO da empresa. “Esse novo conjunto de modelos de negócios depende de uma comunidade de criadores que criam progressivamente conteúdos novos, pertinentes e específicos de cada área com base em dados validados, confiáveis e de alta qualidade. Nosso produto está sempre sendo atualizado de modo a refletir o que os clientes querem e tirando proveito das poderosas sinergias entre a Stack Overflow e seus parceiros de IA, levando um novo nível de produtividade ao ecossistema de desenvolvedores por meio de ferramentas de ponta apoiadas por uma base de dados precisa na qual milhões de desenvolvedores confiam.”
3. Mais ideias boas ganham vida
Alguns dos itens mais essenciais, mas também mais demorados e dispendiosos, do PDLC tradicional de software são identificar (ou descobrir) oportunidades de mercado e testar a viabilidade de ideias para resolver problemas de uma maneira que atraia os clientes. Em geral, essas duas fases precisam ser processos separados. O processo tradicional de prototipagem exigia tanto tempo e tantos recursos – e envolvia tanto risco –, que as empresas precisavam se concentrar inicialmente no planejamento e na pesquisa. A IA elimina essa linha divisória rígida, permitindo prototipagem rápida e testes A/B automatizados para validar diversas hipóteses e identificar ideias promissoras. Isso estabelece a base para a iteração rápida e a tomada de decisões orientada por dados.
O uso de IA para prototipar e testar ideias de novos produtos reduz significativamente os recursos necessários na fase de viabilidade. Por conseguinte, as equipes de produto podem realizar muito mais experimentos, aumentando as chances de ideias promissoras receberem a devida atenção. As organizações também podem usar a IA para eliminar parte do trabalho de fazer suposições. Por exemplo, as organizações não precisam mais dar o passo às vezes pouco confiável de classificar as ideias em um ranking antes de testar a viabilidade delas. Como não havia dados para embasar esse processo de tomada de decisões, ele sempre foi suscetível à influência indevida da voz mais alta na sala ou da opinião da pessoa mais bem paga, o que é conhecido como viés HiPPO (“Highest Paid Person’s Opinion”, ou opinião da pessoa mais bem paga). Embora pareça irrealista achar que a IA eliminará completamente as decisões baseadas na hierarquia, ela tem o potencial de reduzir a subjetividade do processo.
Shani, da Twilio, acredita que o impacto da imparcialidade que se vê na IA pode ser significativo. “Ter mais pontos de dados pode mudar a estratégia dos líderes empresariais e suas decisões de priorização”, diz ela. “A IA pode ajudar a analisar conjuntos de dados e ser um elemento imparcial na conversa. Depois que as decisões estratégicas são tomadas, a IA pode ajudar a monitorar continuamente as métricas e avaliar o progresso.” Dessa forma, a IA acelera o ciclo de desenvolvimento e aumenta a probabilidade de os recursos serem alocados para as ideias mais promissoras, reduzindo os custos e as chances de fracasso.
A equipe de produtos do Reddit é um exemplo dessa abordagem. Seus engenheiros usam IA para ajudar a definir e prototipar recursos inovadores rapidamente. “A definição de novas funcionalidades, a prototipagem e os testes estão acontecendo em paralelo e mais rapidamente do que nunca”, observa Pali Bhat, diretor de produtos da empresa. “Agora, nossas equipes podem conceber uma ideia em um dia e ter um protótipo funcional no dia seguinte. É rápido assim.”
4. A ideia dos PMs como “mini-CEOs” finalmente se concretiza
O PDLC tradicional de software tem sido um processo não muito fluido. Os PMs dependem de uma equipe de profissionais especializados para realizar muitas tarefas essenciais, e são feitas muitas transferências de tarefas antes do lançamento. Com a IA, os PMs podem usar a abordagem “shift right” (expressão do jargão do setor que se refere a testes na fase de produção), assumindo tarefas e supervisão adicionais nos estágios posteriores do processo. Agora, eles terão capacidade e competência para fazer uma supervisão de ponta a ponta, desde a concepção até a realização do valor. Eles passarão pela fase de descoberta e utilizarão as ferramentas de IA para prototipar rapidamente produtos, criar material de marketing (como páginas de produto e apresentações de vendas) e criar provas de conceito (POCs, na sigla em inglês) técnicas com o mínimo envolvimento de profissionais de marketing, design e engenharia de produtos. Os PMs também podem assumir trabalhos mais complexos e valiosos, como planejamento estratégico de longo prazo, resolução criativa de problemas, entrevistas com clientes e stakeholders importantes e avaliação de casos de uso.
Essa expansão das capacidades deve permitir que os PMs levem as ideias da concepção às demonstrações tangíveis mais rapidamente e com mais accountability de ponta a ponta, borrando as fronteiras entre a gestão de produtos, o design de produtos e o marketing de produtos. No processo, isso também pode formar PMs melhores. Assim como as ferramentas de GenAI podem sintetizar o feedback dos clientes, elas também podem analisar anotações de reuniões e transcrições de chamadas para fornecer um valioso feedback interno, ajudando os funcionários a aprender e receber coaching de forma mais frequente e eficiente.
Nessa expansão de responsabilidades, a função de PM pode muito bem incorporar outros cargos separados, como o de gerente de marketing de produto (PMM, na sigla em inglês), proprietário de produto (PO) e gerente técnico de produto (TPM), além de funções voltadas à interface do usuário (UI) e à experiência do usuário (UX). Por fim, com as ferramentas de IA ampliando as capacidades dos PMs em áreas tradicionalmente de responsabilidade de outras funções – como análise de mercado, comunicação e pesquisa centrada no cliente –, é provável que a convergência gradual desses cargos se torne a abordagem mais lógica. “As funções de PMM e PM provavelmente convergirão para a mesma organização de produtos”, diz Varun Parmar, gerente geral da Adobe, ex-diretor de produtos e ex-diretor de operações da Miro. “À medida que mais tarefas de PMM, como as mensagens, forem automatizadas por IA, a área de PMM precisará se aprofundar no posicionamento e se integrar totalmente à equipe de produtos.”
5. A qualidade, os riscos, a conformidade e a acessibilidade são abordados paralelamente à programação e ao desenvolvimento.
Considerando-se o quanto se espera que a IA acelere todo o PDLC de software, as organizações desejarão incorporar testes de risco, conformidade e acessibilidade mais cedo para evitar o perigo de ignorar erros ou defeitos potencialmente custosos. Em vez de serem abordados em um estágio relativamente tardio, esses problemas estarão no centro das atenções das equipes de tomada de decisões desde o estágio de descoberta. Isso deve ajudar a garantir que as ideias de produtos estejam alinhadas aos requisitos e, ao mesmo tempo, estabelecer a base para que essas proteções sejam uma parte permanente do PDLC de software. As equipes de produtos, por exemplo, precisarão incluir avaliações e aplicar automaticamente padrões e requisitos de programação em todo o processo de desenvolvimento.
A IA torna necessária essa abordagem “shift left” (expressão do jargão de tecnologia que se refere à antecipação de testes de software) no processo e também pode ajudar a viabilizá-la. As soluções variam desde checagens automatizadas de conformidade e acessibilidade de programas até a detecção e prevenção de ameaças e a busca de vulnerabilidades quando os desenvolvedores programam. A título de exemplo, o GitHub anunciou recentemente uma funcionalidade que permite às empresas estabelecer diretrizes de segurança e conformidade, no âmbito de toda a organização, para os repositórios de código, de modo que os programas feitos pelos desenvolvedores estejam imediatamente em conformidade. Além disso, o GitHub Copilot está acelerando as revisões de programas em até sete vezes, identificando e corrigindo vulnerabilidades e problemas de estilo.
“O maior valor será alcançado quando conseguirmos eliminar os gargalos e garantir que nossos produtos estejam em conformidade e sejam de alta qualidade desde o início”, observa Bhat, do Reddit. “Já estamos fazendo isso com a acessibilidade, garantindo que ela esteja ‘embutida’ desde o início do PDLC, em vez de adicioná-la posteriormente.” Ao analisarem os resultados dos testes, as equipes podem identificar padrões e prever possíveis áreas problemáticas, permitindo melhorias contínuas da qualidade. Esses testes de riscos, conformidade e acessibilidade nos estágios iniciais deve, em última instância, permitir a criação de produtos de maior qualidade e com menor rotatividade.
O que isso significa para as organizações
As mudanças que a IA está pronta para levar ao PDLC de software terão implicações profundas na maneira pela qual as organizações de produtos são estruturadas e operam. Apesar de alguns efeitos já estarem ficando visíveis, outros ainda são incertos neste momento em que os líderes enfrentam questões complexas sobre como essa nova era vai evoluir.
Modelo de negócios
À medida que a IA reúne fontes de dados díspares e as empresas de software conseguem vincular os produtos ao valor para o cliente muito mais cedo do que antigamente, os clientes passarão a esperar, cada vez mais, um modelo de negócios no qual paguem com base nos resultados, e não no uso. Até recentemente, isso era praticamente inviável, pois a fragmentação da responsabilidade e dos dados no PDLC de software tradicional impedia que as empresas medissem de forma confiável e demonstrassem claramente o valor realizado por um determinado produto. A conectividade da plataforma de dados e o crescimento da função e das responsabilidades do PM, introduzidos pela IA, devem permitir que as empresas vinculem os preços à entrega de valor de ponta a ponta. Algumas organizações pioneiras já estão fazendo, em ofertas selecionadas, experimentos com preços baseados nos resultados – por exemplo, software de geração de leads de marketing. Embora ainda seja incipiente, com potenciais desafios no horizonte relacionados à visibilidade e ao controle dos resultados de ponta a ponta, esse modelo provavelmente ficará cada vez mais comum à medida que mais clientes exigirem que os fornecedores se comprometam a entregar resultados específicos com seus produtos.
Ferramentas e plataformas
Para incorporarem IA ao PDLC do software, as organizações precisarão investir em novas ferramentas de IA que vão além do auxílio à programação, inclusive uma plataforma de dados abrangente e ferramentas para o desenvolvimento de produtos aprimorado por IA. Todavia, valer-se de muitas ferramentas com objetivos específicos pode criar um processo fragmentado e aquém do ideal. Em vez disso, as organizações podem querer trabalhar em busca de soluções integradas que regulem toda a pilha do desenvolvedor. “A proliferação de soluções pontuais está fragmentando a experiência do desenvolvedor”, argumenta Bhat, do Reddit. “As equipes de engenharia só conseguem usar efetivamente um determinado número de ferramentas em seu fluxo de trabalho principal. A integração se tornará mais crucial, e veremos uma fusão dos conjuntos de ferramentas ao longo do tempo.”
Unir diversas ferramentas de desenvolvimento é só o começo. Os líderes do setor estão avaliando se as ferramentas separadas de gestão, projeto e desenvolvimento de produtos acabarão se tornando uma solução integrada. Esse modelo totalmente integrado minimizaria a possibilidade de transferências complicadas de tarefas ou transições propensas a erros ao longo da jornada, desde o roteiro do produto até os modelos do designer e o programa funcional, permitindo a criação conjunta em tempo real e a tomada de decisões mais embasadas. Shani, da Twilio, afirma: “As empresas devem investir mais em ferramentas que aumentem a produtividade em todas as funções, conectando os pontos entre a descoberta e a comercialização”.
Um dos maiores desafios no PDLC padrão de software destacados por Shani é a falta de conectividade de dados. Uma plataforma de dados integrada, robusta e aprimorada por IA será crucial para decisões embasadas sobre produtos, consolidando diversas fontes de dados, desde artefatos de desenvolvimento até feedback dos usuários e inteligência de mercado. Um assistente de IA que analise esses dados pode rastrear a jornada de uma funcionalidade, identificar correlações e prever problemas com base em padrões históricos. Somente ao eliminarem os silos de dados dessa maneira as empresas poderão ter uma visão holística do ciclo de vida de seus produtos, permitindo uma tomada de decisões mais centrada no usuário.
Talentos e estrutura organizacional
A integração da IA ao PDLC do software requer mudanças significativas nos conjuntos de habilidades da organização. À medida que a IA acelera o cronograma e automatiza determinadas tarefas de nível baixo e médio, as empresas talvez precisem repensar seu mix de talentos e seu modelo de aprendizagem para tirar proveito dessas mudanças. Com a GenAI automatizando a programação mais básica, por exemplo, pode haver uma necessidade maior de engenheiros seniores e de equipe técnica (níveis L2 e L3) com boa habilidade para lidar com arquiteturas complexas e revisar os programas gerados pela IA. Thomas Dohmke, CEO do GitHub, enfatiza que “será crucial saber avaliar se o conteúdo fornecido pela IA é realmente a resposta certa”.
A demanda de conjuntos de habilidades mais avançados deslocará a pirâmide da força de trabalho em direção aos engenheiros seniores, mas ainda não se sabe como isso afetará a mentoria e o desenvolvimento das novas gerações de engenheiros. Afinal, a manutenção de um pipeline robusto de engenheiros seniores exige uma ótima integração de novos funcionários e o desenvolvimento estruturado de capacidades, o que inclui a atribuição de responsabilidades aos talentos juniores logo no início e o fornecimento de feedback frequente. Uma resposta pode ser o fato de as pessoas fazerem mais por conta própria. Graças, em grande medida, às contribuições de código aberto por meio de plataformas como o GitHub, os caminhos para aprender a criar softwares indispensáveis estão se expandindo e se democratizando de tal forma, que hoje os aspirantes a engenheiros podem aprender bem por conta própria.
Entre as outras mudanças importantes possibilitadas pela IA para as capacidades técnicas relacionadas a produtos estão as seguintes:
-
A demanda de habilidades voltadas exclusivamente ao design de UI diminuirá, enquanto a importância dos pesquisadores de UX especializados em design do tipo “humano no circuito” (“human in the loop”) aumentará. Ritcha Ranjan, vice-presidente de IA do Microsoft Office, prevê: “Na parte de design, a IA está permitindo que as equipes criem protótipos mais rapidamente do que nunca. Porém, essa mudança destaca a necessidade crescente de expertise humana em raciocínio espacial e pensamento sistêmico – habilidades essenciais para criar produtos coesos e atraentes”. Isso é particularmente útil ao enfrentar os desafios que a adoção dessas ferramentas trará, como vieses em modelos e conjuntos de dados de IA, ou ao abordar a frustração dos usuários devido à “perda do toque humano”, nas palavras de Ranjan.
As tarefas de engenharia de confiabilidade de sites (SRE, na sigla em inglês) já vêm sendo automatizadas, sendo que a IA está assumindo as checagens de sistemas, a análise de logs e a triagem de incidentes. Essa tendência deve permanecer em um PDLC de software com uso de IA, permitindo que as funções de SRE se concentrem em trabalhos de maior valor, como o desenvolvimento de ferramentas de manutenção proativa, detecção preditiva de anomalias e sistemas com autocorreção, aumentando a confiabilidade e o desempenho geral dos sistemas.
-
A IA impelirá os desenvolvedores à proficiência full stack e exigirá que eles se tornem desenvolvedores de pilha de IA. Com as ferramentas de IA lidando cada vez mais com a programação da UI e automatizando operações de rotina, espera-se que os desenvolvedores de front end façam uma transição gradual para funções de desenvolvedores full stack, promovendo a inovação de ponta a ponta. Além disso, esses talentos full stack precisarão entender as implicações tecnológicas e empresariais da integração da IA ao que estão construindo, como o custo das capacidades de IA. “A IA está mudando o ciclo de vida do desenvolvimento de produtos ao direcionar a ação humana para áreas nas quais agregamos mais valor – aquelas que exigem maior profundidade no raciocínio e na resolução de problemas”, observa Ranjan, da Microsoft. “Tradicionalmente, os engenheiros seguem um processo: definir o escopo dos requisitos, determinar a integração do sistema, moldar a solução, escrever programas, realizar testes, fazer revisão com colegas e aperfeiçoar o design. Hoje, a IA acelera a escrita e os testes de programas. Com a evolução da tecnologia, ela começará a abordar aspectos mais complexos do processo, mas os avanços ficarão limitados a cadeias textuais de pensamento para emular o raciocínio humano. Esses avanços continuarão a mudar o foco dos engenheiros com relação às tarefas às quais dedicam seu tempo.”
- O novo PDLC pode redefinir (ou eliminar) as funções do engenheiro de desenvolvimento de software em teste (SDET, na sigla em inglês). Como as ferramentas que utilizam IA lidam cada vez mais com testes unitários, testes de integração e detecção preditiva de anomalias, as organizações podem pensar em absorver os testes em responsabilidades de desenvolvimento mais amplas, inclusive a revisão de programas gerados por IA, a elaboração de estratégias de teste e a garantia da qualidade geral do software.
Como iniciar a transformação do PDLC de software com IA
Para fazerem um uso pleno do PDLC de software com uso de IA, as empresas provavelmente precisarão transformar sua abordagem em várias dimensões. Em termos organizacionais, isso envolve investir em talentos em IA e aprimorar as habilidades dos funcionários existentes, sobretudo em P&D, para atender às demandas de mão de obra em constante mudança. Do ponto de vista estratégico, as empresas devem priorizar fontes de dados diversificadas para embasar as decisões sobre produtos e realinhar o planejamento de negócios em torno de métricas baseadas em resultados, orientadas por dados e que promovam o foco na adoção pelos usuários e na evolução contínua dos produtos. Do ponto de vista operacional, o investimento em ferramentas aprimoradas por IA e em plataformas integradas pode simplificar o desenvolvimento, fomentar a colaboração entre as áreas e reduzir o tempo de lançamento no mercado.
Contudo, as organizações só poderão obter os benefícios de um PDLC de software com uso de IA se fizerem uma mudança nos fundamentos de suas maneiras de trabalhar. Assim como as ferramentas da metodologia ágil não permitiam que os PMs gerassem valor comercial mais rapidamente e as ferramentas de DevOps não permitiam que os engenheiros lançassem atualizações com maior frequência sem adotarem novas funções e modelos operacionais, a simples adoção de ferramentas de IA não é suficiente para transformar o PDLC do software. As empresas devem cogitar seriamente investir em novas maneiras de trabalhar – retreinando suas equipes para se alinharem às novas estruturas organizacionais, aos talentos e capacidades e às mudanças nas ferramentas e plataformas.
Em última análise, essa transformação holística deverá resultar em produtos de maior qualidade que chegarão aos clientes mais rapidamente, colocando as necessidades deles no centro do processo de desenvolvimento e entregando maior valor (a eles e aos fornecedores de software) no futuro movido a IA.