IA generativa aplicada à documentação e testes de sistemas
A proposta apresentada pela Prodam é usar IA generativa para acelerar a produção de backlog, documentação técnica e testes. O ganho prometido está em reduzir tempo de preparação, organizar contexto e encurtar o caminho até a execução.
IA assistiva
O PROBÔ foi apresentado como apoio à documentação e aos testes, com foco em acelerar análise, escrita de artefatos e revisão técnica.
Fluxo web + Azure DevOps
O material destaca autenticação Microsoft e integração com wiki e work items quando o contexto exigir rastreabilidade.
Gemini + Vertex AI
Segundo o FAQ institucional, os recursos usam modelos da família Gemini e infraestrutura Google Vertex AI.
Documentação até execução
A ferramenta cobre geração de artefatos, refinamento iterativo, scripts de teste, massa de dados e análise de repositório.
Produto em foco
Geração de documentação, backlog e testes com apoio de IA
Refino conversacional para ajustar resultado antes de publicar
Integração com wiki, work items e contexto de repositório
Princípio operacional
Etapas repetitivas ganham velocidade; etapas críticas seguem com revisão, contexto adicional e refino antes de publicar.
Visão geral
A matéria enviada posiciona o PROBÔ como um acelerador de trabalho: ele ajuda a organizar conhecimento, automatizar partes do ciclo e encurtar o caminho entre entendimento e execução.
O que muda na prática
Em um encontro virtual via Microsoft Teams, Carlos Eduardo Roque da Silva, Leonardo Ávila e Aline Souza de Araújo Santos detalharam o uso da IA na documentação e nos testes de sistemas.
A apresentação posiciona o PROBÔ como ferramenta para encurtar etapas de documentação, backlog e testes, mantendo revisão técnica no ciclo.
O fluxo combina prompts pré-configurados, modelos de LLM, contexto adicional e conversas iterativas para ajustar backlog, documentação e testes ao cenário real do projeto.
Benefícios citados
Mensagem-chave
“O PROBÔ organiza contexto, acelera artefatos e encurta o ciclo entre análise e teste.”
Essa síntese amarra o posicionamento da página: uso prático de IA em tarefas recorrentes, integrado ao fluxo real de engenharia.
Recursos
Em vez de uma lista solta de prompts, o material mostra um conjunto de fluxos aplicados a backlog, qualidade, documentação e análise de sistemas.
Gera feature, user stories, épicos a partir de VDN e converte casos de uso em backlog mais acionável.
Cria planos de teste, refina cenários e produz scripts automatizados para acelerar a validação dos sistemas.
Usa prompts institucionais e também permite criar prompts customizados com objetivo, instruções, modelo e temperatura.
Interpreta código legado, documenta stored procedures e usa a wiki do repositório como base para responder perguntas sobre impacto e comportamento.
O usuário pode complementar a solicitação com trechos de texto, links de wiki, PDFs, imagens e caminhos de código.
Os resultados podem seguir para documentos Word, páginas wiki e criação de itens no Azure DevOps, mantendo rastro do que foi produzido.
Fluxo
A narrativa do FAQ deixa claro que valor não está apenas em gerar conteúdo, mas em contextualizar, revisar e operacionalizar a saída com rastro.
A interação começa com um prompt, uma dúvida ou um artefato a ser gerado, como feature, user story, plano de testes ou consulta SQL.
Texto, wiki, imagens, PDFs e caminhos de código ajudam o modelo a responder com mais precisão e aderência ao cenário real.
O material enfatiza um uso iterativo: revisar, pedir ajustes, remover ambiguidades e aprofundar detalhes até o artefato ficar útil para o time.
Depois da revisão, o conteúdo pode ser salvo como documento, publicado na wiki ou transformado em itens de trabalho e scripts acionáveis.
Impacto esperado
A expectativa apresentada para o PROBÔ vai além de ganho pontual. A ferramenta é tratada como uma base para padronização, inovação e expansão do uso de IA em áreas adjacentes.
Horizonte de adoção
O encerramento do encontro projetou um caminho de ampliação do PROBÔ: mais áreas da empresa, mais profundidade sobre legado, integrações com outros modelos e usos cada vez mais próximos do código e da operação real.
Direção estratégica
A combinação entre conhecimento institucional, IA generativa e integração com ferramentas de engenharia cria uma base útil para escalar governança sem tornar o fluxo mais pesado.
Próximo passo
A expectativa apresentada é levar o PROBÔ além do contexto inicial, ampliando o alcance da ferramenta dentro da empresa.
Próximo passo
Os próximos passos incluem aprofundar a leitura do contexto legado para apoiar mudanças com melhor entendimento de dependências.
Próximo passo
Também foram citadas integrações com outros players e modelos de IA generativa, abrindo espaço para evolução técnica do ecossistema.
Próximo passo
Entre os planos futuros estão uma exploração mais profunda do código-fonte e estudos envolvendo criação de modelos de vozes.
FAQ institucional
Esta seção traduz os principais pontos do FAQ enviado em um formato mais legível para a landing, preservando o foco em uso prático, acesso, modelos, contexto e refino de respostas.
É uma aplicação com IA generativa voltada ao desenvolvimento de software. O objetivo é apoiar análise, documentação, backlog, geração de artefatos e testes com mais agilidade e consistência.
O FAQ institucional destaca geração de features, user stories, épicos a partir de VDN, documentação de stored procedures, avaliação de user stories, planos de teste, scripts Cypress e Playwright, queries SQL em linguagem natural e análise de repositório.
O acesso é web, com autenticação Microsoft validada no Azure DevOps. O material também menciona cenários com acesso via AD Prodam, com escopo mais restrito para funcionalidades que dependem do Azure DevOps.
Segundo o FAQ, os modelos apoiam interpretação de textos, geração de documentação, sugestão de estimativas, criação de scripts e análise de repositórios. O uso é iterativo: o time pede, revisa, corrige e aproveita o que fizer sentido.
Prompts são instruções dadas ao modelo. Temperatura é o ajuste que controla o quanto a resposta será mais precisa ou mais criativa. A própria ferramenta oferece prompts pré-configurados e permite criar variações customizadas.
O material lista modelos Gemini 2.0 Lite, 2.0 Flash, 2.0 Pro, 2.5 Flash-Lite, 2.5 Flash e 2.5 Pro. A página trata essa lista como referência institucional do material recebido.
É possível complementar a solicitação com texto livre, link de wiki, imagem, PDF e caminhos de código. O ponto central é reduzir ambiguidade para que o modelo responda melhor e o time precise retrabalhar menos.
Porque os melhores resultados surgem da interação. O material orienta revisar o que foi gerado, pedir ajustes, fornecer exemplos e validar o artefato antes de publicá-lo ou transformá-lo em execução.
A página resume a proposta, o conjunto de recursos e a ambição de evolução da ferramenta dentro da PRODAM, sem misturar o posicionamento do PROBÔ com outros produtos do portfólio.
