Gordon Van Huizen, SVP de Estratégia da Mendix – Série de Entrevistas

Como a IA está alterando permanentemente o ciclo de vida de desenvolvimento de software (SDLC), especialmente em ambientes de low-code e no-code?

A IA está realmente abalando o ciclo de vida de desenvolvimento de software, especialmente à medida que aproveitamos mais e mais a linguagem natural. Em vez de escrever linhas de código, as organizações estão começando a definir e construir software apenas descrevendo expectativas. Está se tornando mais sobre expressar intenção e ter uma conversa com ferramentas inteligentes que podem tomar essa intenção e transformá-la em código, interfaces e até testes.

À medida que a IA continua a se infiltrar no SDLC, acho que vamos começar a ver o quanto essa mudança é poderosa. Comunicar o que queremos em vez de como construí-lo vai parecer mais natural e, honestamente, será mais duradouro do que escrever código da maneira tradicional. Eventualmente, o código como o conhecemos pode desaparecer ao fundo. E não é só isso, estamos nos dirigindo para um novo modelo de software que não é apenas construído pela IA, mas é inteligente por direito próprio. A mudança é grande e emocionante, e talvez a mais significativa mudança de software que veremos em nossas vidas.

Qual papel você vê a IA Agentic desempenhando no desenvolvimento de aplicativos futuros, e como os desenvolvedores e arquitetos de plataforma devem se preparar para os desafios de observabilidade?

À medida que a IA Agentic continua a reimaginar o SDLC, não estamos apenas vendo um desenvolvimento mais rápido, mais barato e de maior qualidade, mas também vemos que o desenvolvimento se torna mais acessível. As pessoas podem ser criativas e experimentar sem precisar ser codificadores especializados; tudo o que precisam ser capaz de fazer é expressar claramente o que querem. No entanto, todo esse poder vem com complexidade. O software que estamos construindo hoje é mais avançado do que nunca, o que traz novos desafios, especialmente à medida que as plataformas multiagente continuam a surgir. A interoperabilidade está se tornando um problema devido ao fato de as aplicações serem naturalmente distribuídas e frequentemente envolverem ferramentas de outros fornecedores e pilhas de tecnologia. É aí que as plataformas de low-code realmente começam a brilhar.

Elas podem automatizar muito do trabalho braçal no lado da implantação, enquanto fornecem uma visão clara em todo o sistema. Em seguida, uma vez que você tenha essa camada de observabilidade no lugar, pode trazer a IA para ajudar a dar sentido ao que está acontecendo. A IA pode surfacear problemas como quedas de desempenho ou saídas imprecisas e explicar a causa raiz em linguagem simples. Esse tipo de clareza é um divisor de águas para equipes de desenvolvedores e operações. Tudo isso significa que precisaremos de low-code mais do que nunca, pois sua própria natureza aborda esses desafios de frente.

Você acredita que o conceito tradicional de “desenvolvedor” está evoluindo devido ao low-code e à IA? Quais habilidades serão mais críticas na próxima década?

Hoje, os desenvolvedores de software e os engenheiros de IA são frequentemente vistos como dois papéis separados, mas já estamos começando a ver alguma sobreposição, tanto por meio de desenvolvedores que aprendem as habilidades necessárias para engenharia de IA quanto com equipes de fusão que reúnem desenvolvedores, engenheiros de IA, engenheiros de dados e até cientistas de dados. Honestamente, esse tipo de colaboração é exatamente o que precisamos agora. Mas, sim, o conceito tradicional de “desenvolvedor” está certamente evoluindo. É apenas uma questão de tempo antes que os desenvolvedores de software se tornem engenheiros de IA. Em última análise, a engenharia de IA ainda é engenharia de software; ela apenas envolve um conjunto de ferramentas e conceitos com os quais muitos desenvolvedores ainda não trabalharam. Essas habilidades são aprendíveis, e muitos desenvolvedores tradicionais provavelmente encontrarão esse novo trabalho emocionante. Isso abre a porta para construir soluções mais inteligentes e dinâmicas, e é uma direção gratificante para crescer.

Como a Mendix equilibra a acessibilidade do low-code com a complexidade de construir aplicativos alimentados por IA?

O objetivo da Mendix é aliviar a complexidade de construir aplicativos alimentados por IA, ao mesmo tempo em que garante que o que os desenvolvedores constroem hoje é à prova de futuro. Queremos tornar as coisas mais simples sem remover a flexibilidade que os desenvolvedores precisam. Aproveitamos uma abordagem visual para que você possa realmente ver como os agentes e sistemas se encaixam, como se um agente acionasse outro. Com as ferramentas de low-code da Mendix, a arquitetura e o comportamento desses sistemas alimentados por IA são dispostos de uma maneira que não se sente como um sistema complexo de multiagente. Simplesmente parece um aplicativo limpo e compreensível.

Como as plataformas de low-code, como a Mendix, estão habilitando não desenvolvedores a construir soluções impulsionadas por IA sofisticadas, e quais são alguns dos melhores exemplos que você já viu?

Na Mendix, encontramos desenvolvedores, tecnólogos de negócios e desenvolvedores cidadãos onde eles estão em relação ao seu entendimento e necessidades para aplicativos infundidos com IA; as ferramentas da plataforma são fáceis de pegar e usar desde o início. Guiamos eles através da experiência passo a passo até que eles estejam usando low-code para construir aplicativos inteligentes e alimentados por IA que são tão avançados quanto os construídos com high code. Eles começam construindo prompts usando nosso construtor de prompts de low-code. Uma vez que eles estejam confortáveis com isso, podem fundamentar seu aplicativo infundido com IA com dados específicos do negócio ou solução com um conhecimento de low-code embutido. E quando estiverem prontos para isso, podem até construir agentes de IA por meio de orquestração e uso de ferramentas de low-code.

Um dos melhores exemplos do mundo real é a plataforma de pagamento global nativa em IA construída na Mendix, datascalehr. O pagamento, especialmente como varia de país para país, é notoriamente complexo, com regulamentações, requisitos de conformidade e vastas quantidades de dados em constante mudança. Usando a Mendix, os fundadores da datascalehr desenvolveram rapidamente uma plataforma de próxima geração que aproveita a IA para automação inteligente, verificações de conformidade e assistência contextual. O que é poderoso aqui é que tecnólogos de negócios e especialistas em domínio — e não apenas desenvolvedores profissionais — puderam moldar como os recursos de IA foram incorporados, garantindo que a solução abordasse diretamente as necessidades do cliente. O low-code está tornando soluções sofisticadas e impulsionadas por IA acessíveis e prontas para empresas.

Pode nos levar pelo uso de IA dentro da própria Mendix — tanto na forma como a plataforma é construída quanto na forma como ela habilita os usuários?

“Criar com Maia” é a resposta da Mendix para infundir IA no processo de desenvolvimento de aplicativos e habilitar nossos clientes e parceiros a construir aplicativos inteligentes e alimentados por IA. Lançado recentemente com a última versão da Mendix, a Mendix 11, Maia permite que os usuários criem, orquestrem e implantem agentes de IA e aplicativos de multiagente em todo o ciclo de vida de desenvolvimento de software. Mesmo antes que os usuários comecem a construir, eles podem aproveitar Maia e usar linguagem natural para garantir que os objetivos, critérios de sucesso e histórias de usuário estejam alinhados antes da criação. Criar com Maia também ajuda a transformar brainstorm, mockups, diagramas e requisitos em planos de projeto claros e executáveis. Em seguida, uma vez que o software inicial for criado, os usuários podem rapidamente refiná-lo com a velocidade inerente do low-code. O resultado é menos iterações, entrega mais rápida, governança mais forte e software construído corretamente desde o início.

Como você vê a IA e o low-code se juntando para apoiar organizações sem fins lucrativos ou organizações com missão que trabalham para resolver problemas sociais ou ambientais?

A IA e o low-code são ferramentas incríveis para lidar com desafios do mundo real, principalmente porque dão às pessoas focadas em resolver problemas sociais críticos a opção de inovar, mesmo com orçamentos e habilidades técnicas limitadas. Um exemplo que realmente se destaca para mim é da Alliance for Orphans (A4O), uma organização sem fins lucrativos com sede em San Antonio que oferece babás de repouso para famílias de acolhimento. A empresa atingiu um grande obstáculo quando percebeu que era difícil encontrar, treinar e certificar babás, essenciais para ajudar os pais de acolhimento a obter o apoio de que precisam. O low-code ajudou a construir um aplicativo para simplificar o processo de certificação, reunindo sistemas de diferentes agências, digitalizando a papelada e construindo um banco de dados centralizado para rastrear babás certificadas. O aplicativo ajudou a A4O a certificar 81 babás de repouso, e desde sua criação, os aplicativos continuaram a crescer. É um exemplo tão poderoso de como o low-code pode fazer uma diferença real e positiva na vida das pessoas, e foi apenas um exemplo.

Quais são os desafios e oportunidades únicos de usar dados sintéticos em um ambiente de low-code?

Os dados sintéticos reduzem naturalmente os riscos de privacidade, pois não contêm informações pessoais reais, tornando mais fácil cumprir as regulamentações de proteção de dados (como o GDPR) e minimizar a exposição legal. É claro que usar dados sintéticos também é mais rápido, mais barato e mais fácil do que construir conjuntos de dados do zero e rotulá-los para uso pela IA, o que pode estar fora do escopo ou ser impraticável para alguns projetos.

No entanto, os dados sintéticos podem conter imprecisões, viés e toxicidade, e até falhar em capturar o ruído, outliers e o alcance completo de cenários inerentes ao uso do mundo real — levando a possíveis falhas em produção. Portanto, é necessário estabelecer guardrails e estabelecer uma abordagem rigorosa de teste e validação, que estenda o processo de teste do aplicativo para incluir a validação da saída da IA. Para sistemas de missão crítica, também é importante manter os humanos no loop para que possam aplicar seu próprio discernimento, fornecendo feedback do aplicativo em si.

Como você vê a convergência de TI e OT evoluindo quando a IA e as ferramentas de low-code são introduzidas em ambientes operacionais?

O poder e a precisão de qualquer solução de IA Agentic dependem do contexto; a qualidade e o volume de dados são críticos. É por isso que está se tornando essencial para aqueles em segmentos de manufatura, energia e outros setores industriais ter uma base de dados sólida que reúna dados de TI e OT. Infelizmente, os dados de OT nem sempre são fáceis de trabalhar. Por exemplo, eles geralmente são não rotulados, sem metadados claros ou esquema para orientá-los. A boa notícia é que existem ferramentas especializadas disponíveis para transformar dados de OT e aumentá-los com os metadados necessários, preparando-os para uso dentro de aplicativos inteligentes por meio da criação de IA-aumentada de modelos de dados adequados. Uma vez ingeridos, os dados de OT podem ser usados ao lado e combinados com dados de TI para uso dentro de aplicativos e fornecer contexto para IA geradora.

Como ex-analista da Gartner e agora SVP de Estratégia da Mendix, como você separa o hype da IA do verdadeiro inovação quando molda a estratégia de produto?

Separar o hype da IA da inovação real requer uma abordagem disciplinada e pragmática, mas é um procedimento que eu aprimorei à medida que as tendências vão e vêm. Em primeiro lugar, engajo-me diretamente com clientes e prospects para entender seus planos e requisitos do mundo real — ou seja, o que eles realmente precisam para impulsionar seus negócios. A equipe de produtos da Mendix também adota uma abordagem de teste e aprendizado, entregando MVPs de novas capacidades e trabalhando em estreita colaboração com os clientes para coletar feedback e validar se essas inovações realmente entregam valor tangível. Como você pode ver, a colaboração é uma maneira fundamental de separar o hype da IA, então também gosto de trabalhar ativamente com nossos parceiros existentes e explorar potenciais novos para trazer perspectivas e expertise adicionais.

Finalmente, eu me baseio em minha experiência com as ondas atuais e anteriores de tecnologia emergente, mantendo um olho atento nos níveis de maturidade e curvas de adoção. Isso realmente ajuda a filtrar o que é especulativo versus o que provavelmente ganhará tração, para que possamos priorizar investimentos que impulsionarão o impacto de longo prazo para nossos clientes.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Mendix.