Análise de Qualidade em Aplicações Paralelas: Avaliando o Uso de IA Generativa em Pipelines de Desenvolvimento
Resumo
Este artigo investiga o uso de Inteligência Artificial Generativa (LLMs) para superar as limitações das ferramentas tradicionais de análise estática (SAST) na garantia da qualidade de aplicações paralelas. Como os analisadores convencionais falham em interpretar o contexto de execução, eles apresentam dificuldades para detectar anomalias complexas de concorrência, como condições de corrida e impasses (deadlocks). Para validar a aplicação de IA Generativa nesse cenário, desenvolveu-se uma aplicação-alvo denominada Parallel System, um ambiente controlado em Java/Spring Boot que simula cargas e gargalos de I/O. A pesquisa integra modelos generativos em pipelines CI/CD para comparar sua acurácia, custo computacional e capacidade explicativa frente às abordagens convencionais, visando fornecer diretrizes práticas para a análise contínua de software de alto desempenho.
Referências
ISO/IEC (2011). Iso/iec 25010:2011 - systems and software engineering — systems and software quality requirements and evaluation (square) — system and software quality models.
Klauck, J. (2023). 11 indicadores de qualidade de software e sua importância na área de qa.
Marcelino, L. P. (2025). Análise estática de código com sonarqube: Avaliação da efetividade na detecção de vulnerabilidades. Trabalho de graduação em segurança da informação, Faculdade de Tecnologia de Araraquara (FATEC), Centro Paula Souza.
Pressman, R. S. e Maxim, B. R. (2021). Engenharia de Software: Uma Abordagem Profissional. AMGH Editora.
PRILL (2026). O futuro da engenharia de software: Implicações chave e estratégias para 2026. Tecnologia e Consultoria.
Semerano, V. Z. e de Oliveira, L. F. (2024). O papel estratégico do analista de qualidade (qa) em equipes scrum, kanban e scrumban no desenvolvimento de software Ágil. Advances in Global Innovation & Technology, 2(2):32–45.
