Há muita discussão se a IA gera resultados positivos para os negócios e se ajuda ou substitui as pessoas. Apesar de muitos projetos permanecerem na fase de testes e pilotos, 41%, segundo a pesquisa Turning AI Ambition into Enterprise-scale Impact, feita com mais de 450 líderes empresariais globais pela Everest Group, a inteligência artificial gera valor e é usada como uma camada de apoio para a tomada de decisão em serviços manutenção e atualização de sistemas de TI.
No application managed services (AMS), que agrega os serviços de gestão, manutenção e suporte de aplicações ou sistemas de TI, e no application management & modernization (AMM), que compreende os processos para atualizar as aplicações, a IA ajuda o especialista e possibilita automatizar tarefas repetitivas, como análise e refatoração de código, detectar bugs, monitorar sistemas, detectar anomalias de desempenho e falhas antes que elas se agravem. A IA não apenas mostra a “saúde” da TI, mas prevê riscos para os negócios ou degradação do serviço.
No AMS a IA é usada para qualificação de incidentes, triagem automática de chamados, análise de causa-raiz, identificação de reincidência e recomendação de resoluções de problemas. A tecnologia ajuda analistas a acelerar o diagnóstico, eliminar a reincidência, melhorar a padronização na resolução de problemas, o que reduz o tempo de inatividade e melhora a qualidade do serviço.
No contexto do AMM a IA aumenta a segurança e acelera a modernização de aplicações, principalmente, quando é necessário trabalhar com sistemas legados, que usam linguagens de programação desenvolvidas há décadas, como COBOL, e por consequência sem nenhum membro do time que criou e implementou a aplicação em atividade na empresa.
Em processos de modernização de aplicações legadas a IA gera documentação técnica e funcional completa, incluindo regras de negócio e casos de uso, sem a necessidade de um analista escrever uma linha de código. A IA consegue entender linguagens legadas e analisar o que deve ser refatorado e modernizado, descartado, além de propor soluções alternativas aos códigos em linguagem legada.
Com o apoio da IA projetos que levavam mais de 12 meses para serem executados podem ser feitos em semanas e análises que precisavam ser feitas por amostragem, para não impactar o tempo de implantação e o custo do projeto, podem ser feitas em sua totalidade em questão de horas.
A necessidade do olhar humano
Apesar dos avanços proporcionados, os analistas continuam sendo essenciais para a tomada de decisões, no planejamento estratégico e na garantia que as soluções propostas estejam alinhadas aos objetivos de negócios. Os analistas deixam de atuar como executores de tarefas operacionais e passam a trabalhar como supervisores de processos feitos por IA, que facilita e aprimora a capacidade do profissional, mas não substitui sua expertise.
Agentes de IA, como o Claude Code, da Anthropic, combinados a técnicas de engenharia de software ajudam o analista a planejar um projeto ou modernizar uma operação legada, por meio de processos guiados e produzem toda a documentação antes que a primeira linha de código seja produzida.
Os agentes são capazes de elaborar perguntas que são adaptadas conforme a resposta do analista humano. Quando uma resposta não condiz com o que foi informado anteriormente, a IA faz a comparação das respostas e questiona o analista para que ele repense o projeto. O contexto passado pelo profissional impacta na qualidade do código desenvolvido pela IA.
Dessa forma a tecnologia torna as pessoas ‘mais humanas’, liberando os analistas para atividades que dependem do “olhar humano” como ir ao cliente, conversar com os usuários, entender os processos de negócio e observar como esses processos acontecem. Esse contexto amplo, garante que as ações estejam alinhadas com as necessidades da demanda. Já se ocorrerem lacunas nas explicações, a IA pode desenvolver códigos que representem riscos nas aplicações corporativas.
A importância da governança
A implementação de IA requer revisão e adaptação de processos existentes, não apenas aplicação direta da tecnologia aos processos atuais. Ao mesmo tempo em que a equipe recebe uma ajuda ela precisa ser requalificada. No caso do AMS, por exemplo, os profissionais que antes lidavam com redefinições de senha rotineiras passam a se concentrar na análise da causa raiz, na melhoria de processos e no tratamento de exceções complexas.
Essa transição exige investimentos em treinamento e o mais difícil, uma mudança cultural, já que papel do engenheiro de suporte muda de executor para um curador, que precisa supervisionar as recomendações e focar nas tarefas de alto valor. Enquanto isso a tecnologia auxilia na criação de scripts, na triagem de incidentes e na codificação de pequenas melhorias.
Ao confiar a manutenção repetitiva da infraestrutura à automação, equipes podem atender a um número maior de endpoints. Essa dinâmica permite que os provedores de serviços mantenham o controle sobre incidentes críticos, enquanto a IA absorve a carga operacional do monitoramento de forma constante, reduzindo o custo do atendimento.
Mas é preciso estar atento pois a automação excessiva pode se tornar uma armadilha dispendiosa, com alucinações, encaminhamento incorreto de chamados e o relacionamento pessoal continua sendo importante, pois o cliente não pode ter a percepção de ter sido relegado a uma máquina.
Lembre-se que a IA deve complementar, não substituir os humanos, que continuam essenciais para casos complexos, interrupções críticas de infraestrutura e construção de relacionamento. Isso significa que o “olhar humano” é um investimento estratégico e a implementação da IA uma evolução de longo prazo.
A estratégia recomendada é sempre começar com casos de uso menores e com menos risco, como classificação de chamados, sumarização de incidentes, consulta de base de conhecimento, para estabelecer confiança gradual com clientes e os usuários. O sucesso dos serviços ainda depende de um planejamento cuidadoso e implementação especializada. Não se trata apenas de apertar um botão. Se não for devidamente avaliada, a IA pode criar problemas e não soluções.
*Por Adriano Silva, Head de Data Science & Digital Transformation da T-Systems do Brasil.
