| Título: | Os impactos do uso de inteligência artificial no processo de produção de código |
| Autor(es): | Ribeiro, Lude Yuri de Castro
Oliveira, Eric Chagas de |
| Orientador(es): | Chaim, Ricardo Matos |
| Assunto: | Inteligência artificial generativa
Grandes Modelos de Linguagem (LLMs)
Software - segurança |
| Data de apresentação: | 17-Dez-2025 |
| Data de publicação: | 10-Ago-2026 |
| Referência: | RIBEIRO, Lude Yuri de Castro; OLIVEIRA, Eric Chagas de.Os impactos do uso de inteligência artificial no processo de produção de código. 2025. 73 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) — Universidade de Brasília, Brasília, 2025. |
| Resumo: | A ascensão da Inteligência Artificial Generativa, impulsionada por Modelos de Linguagem
Massivos (LLMs), inaugurou um novo paradigma na Engenharia de Software, prometendo
ganhos substanciais de produtividade. No entanto, a adoção acelerada dessas ferramentas
suscita questionamentos críticos sobre a qualidade interna, a segurança e a manutenibili dade do código gerado. Este trabalho busca levantar hipóteses sobre os impactos do uso
de assistentes de IA (GitHub Copilot e ChatGPT) no fluxo de desenvolvimento, utilizando
um estudo de caso controlado em um projeto backend Python/Django (django_base).
A metodologia consistiu no estabelecimento de uma linha de base (baseline) de quali dade, seguida pela execução de duas intervenções assistidas por IA em funcionalidades
simplificadas: a implementação de um módulo de lógica de negócios (carrinho de com pras) e a integração de um sistema de autenticação via OAuth2. A avaliação combinou
métricas quantitativas de análise estática (SonarQube, Codecov) e varredura de segurança
(CodeQL) com uma análise qualitativa das interações humano-máquina. Os resultados
demonstraram que no ambiente controlado do django_base em que foi testada a IA atuou
como um potente acelerador para a resolução de complexidades acidentais e documentação,
permitindo atingir cobertura de testes superior a 93% e alta conformidade com padrões de
código limpo. Contudo, a análise de segurança revelou uma tendência da ferramenta em
sugerir padrões vulneráveis (hardcoded secrets) e perda de contexto. Ainda que limitado
ao escopo de um ambiente controlado e simplificado, o estudo sugere a hipótese de que a
IA não substitui o engenheiro de software, mas desloca sua responsabilidade primária da
codificação sintática para a auditoria semântica e arquitetural, exigindo um nível elevado
de senioridade para garantir a integridade de sistemas em produção. |
| Abstract: | The rise of Generative Artificial Intelligence, driven by Large Language Models (LLMs), has
inaugurated a new paradigm in Software Engineering, promising substantial productivity
gains. However, the accelerated adoption of these tools raises critical questions regarding
the internal quality, security, and maintainability of the generated code. This work seeks to
raise hypotheses about the impacts of using AI assistants (GitHub Copilot and ChatGPT)
on the development workflow, using a controlled case study in a backend Python/Django
project (django_base). The methodology consisted of establishing a quality baseline,
followed by the execution of two AI-assisted interventions on simplified functionalities:
the implementation of a business logic module (shopping cart) and the integration of an
authentication system via OAuth2. The evaluation combined quantitative static analysis
metrics (SonarQube, Codecov) and security scanning (CodeQL) with a qualitative analysis
of human-machine interactions. The results demonstrated that, in the controlled environ ment of django_base where it was tested, the AI acted as a potent accelerator for resolving
accidental complexities and documentation, achieving test coverage exceeding 93% and
high compliance with clean code standards. However, the security analysis revealed a
tendency for the tool to suggest vulnerable patterns (hardcoded secrets) and a loss of
context. Although limited to the scope of a controlled and simplified environment, the
study suggests the hypothesis that AI does not replace the software engineer, but shifts
their primary responsibility from syntactic coding to semantic and architectural auditing,
requiring a high level of seniority to ensure the integrity of systems in production. |
| Informações adicionais: | Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade de Ciências e Tecnologias em Engenharia, Engenharia de Software, 2025. |
| Licença: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. |
| Aparece na Coleção: | Engenharia de Software
|
Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.
