Investigação do uso de técnicas de projeto de sistemas em aplicações baseadas em Inteligência Artificial

• Sophia Fernandes Magalhães Almeida UFG
• Sofia Larissa da Costa Paiva UFG

DOI: https://doi.org/10.5753/erigo.2025.17092

Resumo

A popularização da Inteligência Artificial (IA) tem gerado sistemas complexos, mas estudos apontam que muitas aplicações negligenciam conceitos básicos de Engenharia de Software (ES), resultando em baixa qualidade. Este trabalho investigou se softwares baseados em IA são bem projetados com base em princípios de ES. A metodologia incluiu uma revisão bibliográfica, um roteiro de análise de código-fonte (aplicado em AI-Scientist e Mindify API Report) e um questionário com profissionais brasileiros. Os resultados mostraram que, embora a modularidade seja aplicada, práticas específicas de Machine Learning (ML), como versionamento de dados/modelos e monitoramento automatizado de drift, são largamente negligenciadas no contexto brasileiro. A contribuição é a validação empírica dessas lacunas e o desenvolvimento de um roteiro de análise para melhorar a maturidade de projetos de IA.

Palavras-chave: Engenharia de Software, Inteligência Artificial, Machine Learning, Qualidade de Software, Projeto de Sistemas

Referências

Kalinowski, M., Escovedo, T., and Villamizar, H. (2023). Engenharia de Software para Ciência de Dados: Um guia de boas práticas com ênfase na construção de sistemas de Machine Learning em Python. São Paulo: Casa do Código.

Lewis, G.A., Ozkaya, I., and Xu, X. (2021). Software Architecture Challenges for ML Systems. Proc. 2021 Int’l Conf. on Software Maintenance and Evolution (ICSME), pages 634–638.

Nascimento, E., Nguyen-Duc, A., Sundbø, I., and Conte, T. (2020). Software engineering for artificial intelligence and machine learning software: A systematic literature review. arXiv preprint arXiv:2011.03751.

Nahar, N., Zhang, H., Lewis, G., Zhou, S., and Kästner, C. (2023). A Meta-Summary of Challenges in Building Products with ML Components – Collecting Experiences from 4758+ Practitioners. In 2023 IEEE/ACM 2nd International Conference on AI Engineering – Software Engineering for AI (CAIN). IEEE, pages 171–183.

Serban, A. and Visser, J. (2022). Adapting Software Architectures to Machine Learning Challenges. In Proceedings of the 2022 IEEE International Conference on Software Analysis, Evolution and Reengineering (SANER). IEEE, pages 152–163.

Silva, L. C., Fernandes, L. K. S., Soares, E. F., Maia, P. H. M., Santos, I. S., and Oliveira, F. C. M. B. (2023). Qualidade de Software para Engenheiros de IA: Um Estudo Inicial da Realidade Brasileira. In Anais do III Workshop Brasileiro de Engenharia de Software Inteligente. Porto Alegre: SBC, pages 19–24. ]]]