Como a IA Mudou o Desenvolvimento de Software para Sempre — Construindo o Futuro Agêntico com Andre Baltieri [MVP]

A inteligência artificial está a transformar o desenvolvimento de software a um ritmo raramente visto antes.Os programadores já passaram de escrever cada linha de código sozinhos para trabalhar com assistentes de IA capazes de gerar código, explicar sistemas desconhecidos, criar testes, depurar aplicações e automatizar trabalho repetitivo.Mas, segundo o MVP da Microsoft Andre Baltieri, isso é apenas o começo.Neste episódio do M365.FM, Mirko Peters conversa com Andre numa análise aprofundada sobre a transição do desenvolvimento de software tradicional para o desenvolvimento assistido por IA, agentes de codificação, arquiteturas agênticas, Microsoft Agent Framework, .NET, RAG, engenharia de contexto, segurança e a economia da IA generativa.

DO .NET EM 2003 À ERA DA IA
Andre recua aos primeiros tempos do .NET e do C#, quando aprender uma nova tecnologia da Microsoft significava muitas vezes comprar formação oficial e viajar para outra cidade.Desde então, o desenvolvimento de software passou por aplicações de ambiente de trabalho, web, mobile, cloud, contentores, microsserviços e computação serverless.Andre defende que a transição para a IA parece fundamentalmente diferente. Em vez de simplesmente introduzir mais uma plataforma ou framework, a IA introduz uma nova forma de os humanos interagirem com o software.

ASSISTENTES DE IA VS. AGENTES DE CODIFICAÇÃO DE IA
Existe uma diferença importante entre ter um assistente de IA dentro do IDE e delegar trabalho num agente.Um assistente pode explicar código, sugerir refatorizações, responder a perguntas e ajudar os programadores a compreender as suas aplicações.Um agente pode receber um objetivo, criar um plano, dividir o trabalho em tarefas mais pequenas, usar ferramentas, coordenar agentes adicionais e implementar partes significativas da solução.Andre explica como isto já está a mudar o seu próprio fluxo de trabalho, com a IA a gerar grande parte do código que antes escrevia manualmente.

DESENVOLVIMENTO DE SOFTWARE GUIADO POR ESPECIFICAÇÕES
À medida que os agentes se tornam mais capazes, as especificações ganham cada vez mais importância.Em vez de descrever cada detalhe de implementação, os programadores podem definir requisitos, arquitetura, restrições e comportamento esperado, e deixar que os agentes determinem como partes da implementação devem ser concluídas.Isto desloca a atenção do programador, deixando de se focar apenas em produzir código para passar a definir o que deve ser construído e porquê.

MICROSOFT AGENT FRAMEWORK
A conversa avança para o Microsoft Agent Framework e para o seu papel em trazer capacidades de IA para aplicações existentes.Andre explica como a framework reúne capacidades associadas ao Semantic Kernel e ao AutoGen e oferece aos programadores ferramentas para ligar modelos, orquestrar fluxos de trabalho, usar MCP, implementar RAG, tratar a ingestão de dados e expor funcionalidades da aplicação à IA.Para programadores .NET em particular, isto pode reduzir significativamente a quantidade de código de integração necessário.

PORQUE É QUE O .NET CONTINUA A IMPORTAR NA ERA DA IA
Python continua a ser uma das linguagens dominantes no desenvolvimento de IA, mas Andre defende com convicção que .NET e C# estão muito bem posicionados para aplicações de IA empresariais.O .NET continua a evoluir rapidamente, e as ferramentas de IA da Microsoft dão cada vez mais aos programadores C# acesso nativo a capacidades modernas de IA.As organizações com anos de lógica de negócio já implementada em .NET podem, por isso, ter uma vantagem enorme: não precisam necessariamente de reconstruir tudo antes de introduzir a IA.A funcionalidade existente pode, em vez disso, ser exposta seletivamente a agentes e a aplicações baseadas em IA.

DO SOFTWARE DETERMINÍSTICO AOS SISTEMAS AGÊNTICOS
As aplicações tradicionais são em grande parte determinísticas:Se acontecer X, executar Y.Os sistemas agênticos introduzem outro modelo:Eis o objetivo. Determina quais as ações necessárias para o atingir.Isto representa uma mudança arquitetónica significativa.Em vez de definir explicitamente cada caminho possível, os programadores definem cada vez mais objetivos, ferramentas, contexto, permissões, restrições e limites dentro dos quais a IA pode operar.

OS PADRÕES DE DESIGN NÃO ESTÃO MORTOS
O código gerado por IA não elimina décadas de conhecimento em engenharia de software.Código limpo, manutenibilidade, testes, arquitetura e padrões de design continuam a ser importantes, porque a IA aprende frequentemente a implementar nova funcionalidade analisando a base de código existente.Código desorganizado pode, portanto, levar a mais código desorganizado.Os programadores continuam a precisar de compreender a arquitetura e os princípios de engenharia mesmo quando um agente de IA realiza a maior parte da implementação.

O PROBLEMA DO SOFTWARE ESTOCÁSTICO
Os programadores tradicionais esperam que entradas idênticas produzam saídas idênticas.A IA generativa é probabilística.O mesmo pedido pode produzir implementações, respostas ou comportamentos diferentes em execuções sucessivas.Andre discute porque é que isto obriga os programadores a repensar os testes e a validação, e porque é que barreiras de proteção (guardrails) sólidas se tornam cada vez mais importantes quando a funcionalidade de IA é exposta a grandes números de utilizadores.

A ENGENHARIA DE CONTEXTO É MAIS IMPORTANTE DO QUE A ESCRITA DE PROMPTS
Escolher o modelo mais recente não é necessariamente a decisão mais importante.Andre defende que o contexto é tudo.Os programadores precisam de compreender o problema de negócio e o ambiente técnico com profundidade suficiente para fornecer à IA a informação certa.Contexto insuficiente produz resultados fracos.Contexto em excesso pode sobrecarregar o modelo.O desafio está em encontrar a informação que realmente importa.

RAG, DADOS E A JANELA DE CONTEXTO
A Retrieval-Augmented Generation torna-se especialmente importante quando as organizações querem que os sistemas de IA trabalhem com o seu próprio conhecimento.Mas construir um sistema RAG não é simplesmente colocar documentos numa base de dados vetorial.Os dados precisam de ser limpos, estruturados, fragmentados (chunking), recuperados e inseridos no contexto do modelo de forma inteligente.Andre partilha um exemplo da sua própria plataforma de educação, onde as aulas em vídeo foram transcritas e indexadas para que os utilizadores pudessem pesquisar conceitos e saltar diretamente para o ponto relevante do vídeo.

MEMÓRIA E GESTÃO DO CONTEXTO DA IA
As conversas longas com IA criam outro desafio: a memória.À medida que as janelas de contexto se enchem, as conversas precisam de ser resumidas ou compactadas.Andre explica porque é que os programadores devem gerir este processo ativamente, em vez de assumir que um sistema de IA preservará sempre a informação mais importante.Por vezes, a melhor solução é surpreendentemente simples: concluir a tarefa, fechar a conversa e recomeçar com um contexto limpo.Especificações e ficheiros Markdown também podem fornecer contexto persistente do projeto para agentes de codificação.

SEGURANÇA, PERMISSÕES E PRIVILÉGIO MÍNIMO
Dar a um agente de IA acesso a ferramentas e a dados da empresa cria implicações de segurança significativas.Andre recomenda tratar os agentes segundo princípios semelhantes aos das identidades humanas: fechar tudo por predefinição e expor apenas o que o agente realmente necessita.Em vez de dar a um sistema de IA acesso irrestrito a uma base de dados, os programadores devem expor funções cuidadosamente controladas que devolvam apenas a informação necessária para uma tarefa específica.Isto torna-se particularmente importante quando os agentes podem ler ou modificar dados empresariais.

PROMPT INJECTION E GUARDRAILS DE IA
A prompt injection cria uma nova superfície de ataque para aplicações baseadas em IA.Os utilizadores podem manipular intencionalmente os prompts, tentar obter informação fora do contexto pretendido, consumir recursos da empresa ou persuadir um sistema de IA a executar ações que os seus criadores nunca anteciparam.A discussão explora a importância das instruções de sistema, das restrições ao nível da aplicação, das funções controladas, da identidade, das permissões e de plataformas como o Azure AI Foundry para estabelecer fronteiras de segurança adicionais.

AI FINOPS — NÃO USE IA GENERATIVA PARA TUDO
Uma das lições mais práticas da conversa é que o facto de a IA conseguir executar uma tarefa não significa que deva executá-la.Andre distingue entre cargas de trabalho generativas e determinísticas.Se algo tiver de acontecer sempre da mesma forma, a programação tradicional pode ser mais rápida, mais barata e mais fiável.Dá o exemplo de