Embora a IA tenha feito avanços notáveis na geração de trechos de código, um novo estudo do MIT revela barreiras significativas para alcançar uma engenharia de software verdadeiramente autônoma.
A pesquisa, intitulada "Desafios e Caminhos para a IA na Engenharia de Software", foi conduzida por uma equipe liderada pelo Professor Armando Solar-Lezama, do MIT, e pelo primeiro autor Alex Gu. Publicado em 16 de julho de 2025, o estudo será apresentado na Conferência Internacional de Aprendizado de Máquina (ICML 2025), em Vancouver.
"Todo mundo está falando sobre como não precisamos mais de programadores e sobre toda essa automação disponível agora", afirma Solar-Lezama. "Por um lado, a área avançou tremendamente. Temos ferramentas muito mais poderosas do que qualquer coisa que já vimos antes. Mas ainda há um longo caminho a percorrer para realmente alcançar toda a promessa de automação que esperamos."
Os pesquisadores argumentam que os sistemas de IA atuais são excelentes para gerar pequenas funções de código, mas têm dificuldades com tarefas mais amplas de engenharia de software, como refatoração em larga escala, migração de código e depuração de sistemas complexos. Benchmarks populares como o SWE-Bench apenas testam correções para problemas do GitHub que envolvem algumas centenas de linhas de código, não conseguindo capturar cenários do mundo real em que milhões de linhas podem precisar de otimização ou migração de sistemas legados.
A comunicação entre humanos e máquinas representa outro desafio significativo. Gu descreve a interação atual como "uma linha de comunicação muito estreita", em que as ferramentas de IA frequentemente produzem arquivos grandes e não estruturados com testes superficiais, sem conseguir utilizar de forma eficaz ferramentas de depuração e analisadores estáticos dos quais desenvolvedores humanos dependem.
Em vez de propor uma solução única, os pesquisadores defendem esforços em escala comunitária: desenvolver conjuntos de dados mais ricos que capturem como desenvolvedores escrevem e refatoram código ao longo do tempo; criar suítes de avaliação compartilhadas que meçam a qualidade da refatoração e a durabilidade da correção de bugs; e construir ferramentas transparentes que exponham a incerteza dos modelos e convidem à orientação humana.
"O software já sustenta finanças, transporte, saúde e inúmeros outros sistemas críticos", observa Solar-Lezama. A equipe de pesquisa vislumbra um futuro em que a IA cuida das tarefas rotineiras de desenvolvimento, permitindo que engenheiros humanos se concentrem em decisões de design de alto nível e em escolhas complexas que exigem julgamento humano.