Lendo estas folhas de chá, é razoável acreditar que estas novas estruturas de equipa consistirão em múltiplos agentes de IA, cada um com uma função específica no processo de desenvolvimento de software. Por exemplo, um agente pode definir o escopo e os objetivos do projeto, enquanto outro se concentra no planejamento do projeto e na análise da qualidade. Engenheiros humanos supervisionarão esse processo, fornecendo informações e verificando os resultados gerados pela IA.
Inteligência: a captura e o acesso ao conhecimento tornam-se automatizados
Jira, Slack, Confluence, Workday, Dinâmica, Equipes. Documentos… Isso é gerenciamento de conhecimento, também conhecido como a ruína da existência de qualquer desenvolvedor. Capturar, armazenar e disponibilizar a riqueza do conteúdo criado durante o processo de desenvolvimento de software é algo assustador, demorado, dispendioso e, muitas vezes, feito de forma muito deficiente. Como a maior parte dessas informações é capturada e armazenada como texto, é uma área propícia para os LLMs intervirem e ajudarem a automatizar e limpar o processo.
A gestão do conhecimento consiste basicamente em duas funções: captura de conhecimento, ou seja, determinar como você captura o conhecimento de forma eficaz e eficiente, e acesso ao conhecimento, ou seja, determinar não apenas como você oferece acesso ao conhecimento, mas também como garantir que as pessoas o acessem. Embora a captura e o acesso sejam interessantes e importantes, considero as possibilidades de acesso mais promissoras porque, com a IA generativa, é possível fazer com que todos esses dados e contexto sejam aplicados proativamente, em vez de relegados apenas ao acesso. Ao capturar informações em um LLM, você pode estender esse modelo de contexto para outros aplicativos.
