Dos copilotos de IA aos enxames de agentes

O impacto da IA no desenvolvimento de software tem sido profundo e está em constante evolução. No ano passado, escrevi sobre os planos da AMD de utilizar a IA não só para gerar novas linhas de código, mas também para outras etapas do ciclo de vida do desenvolvimento de software (SDLC), tais como a triagem de problemas, a depuração de código e o teste do software. Na altura, esperávamos um aumento de 25 por cento na produtividade com a utilização da IA ao longo de dois ou três anos.

Mas, a cada novo lançamento, as capacidades dos Grandes Modelos de Linguagem (LLMs) melhoram drasticamente — acelerando o desenvolvimento de software, aumentando a qualidade do código gerado pela IA e reformulando de forma fundamental a forma como o software é concebido. Agora, apenas um ano depois, ultrapassámos a nossa meta de produtividade, alcançando um aumento global de 30% na produtividade através da IA. Além disso, estamos a repensar não só a forma como utilizamos a IA no SDLC, mas também a própria estrutura do SDLC.

Acreditamos que a maior revolução da IA na engenharia de software ainda está por vir. Até agora, temos, em grande parte, ensinado à IA como executamos tarefas e pedido-lhe que imite os fluxos de trabalho existentes. Em muitos aspetos, isto limita a IA aos padrões de pensamento humanos. A próxima transformação virá de enxames colaborativos de agentes de IA capazes de descobrir soluções de forma independente.

Os agentes de hoje

A AMD começou a desenvolver sistemas de IA para geração de código, automatização de testes, análise de erros e revisão de código em 2024. Na altura, o nosso objetivo era atingir 25% de código de produção gerado por IA até 2027, ao mesmo tempo que automatizávamos gradualmente partes cada vez maiores do SDLC.

Medir a produtividade é, por natureza, um desafio, mas, desde o início, temos acompanhado de forma consistente uma métrica objetiva: a percentagem de código-fonte gerado pela IA. É importante referir que contamos apenas o código que passa em todas as revisões e testes e que é, em última instância, incluído no produto final. Embora o código gerado por IA não seja, certamente, o único fator que contribui para os ganhos de produtividade, é uma das poucas métricas que podem ser medidas de forma objetiva e consistente.

De acordo com esta métrica, ultrapassámos a marca dos 20 por cento no início deste ano e estamos agora a avançar para os 50 por cento em toda a base de código. Em alguns componentes de software, mais de 80 por cento do código é agora gerado utilizando IA.

A IA Agentic permitiu-nos incluir a IA em todas as etapas do ciclo de vida: para a análise e triagem de código, os agentes são treinados para analisar relatórios de problemas, identificar e agrupar pedidos semelhantes e destacar quais os fragmentos de código que provavelmente necessitarão de modificação. Para a depuração e geração de código, os agentes são orientados a analisar um pedido de correção de bug e a implementar as alterações de código necessárias. Para os testes, os agentes geram testes unitários e, caso estes sejam bem-sucedidos, identificam os testes de integração e ao nível do produto necessários. E, por fim, para a fase de aprovação e lançamento, os agentes preparam um resumo da arquitetura, a revisão das alterações no código e os resultados completos dos testes para revisão e aprovação pelos engenheiros e, se aprovados, integram as alterações na próxima versão.

Os agentes do futuro

Hoje em dia, os engenheiros criam agentes de IA à sua própria imagem: ensinam à IA o que sabem sobre o sistema, como resolveriam um problema e como implementariam uma alteração. Isto já constitui um grande avanço tecnológico. Os engenheiros podem criar múltiplas «versões de IA» de si próprios, permitindo que estes agentes trabalhem em paralelo, ampliando os seus conhecimentos muito para além dos limites da produtividade individual. A limitação, no entanto, é que estes agentes de IA continuam a estar condicionados pelo pensamento humano e por abordagens definidas pelo ser humano.

AMD

Acreditamos que a próxima grande transformação na engenharia de software ocorrerá quando enxames colaborativos de agentes de IA conseguirem identificar e desenvolver soluções de forma independente, orientados por humanos quanto ao que resolver, em vez de ficarem limitados pelas suposições humanas sobre como o trabalho deve ser feito. Em vez de fornecerem instruções detalhadas sobre como resolver um problema, os engenheiros definirão a questão, o resultado desejado e os requisitos de qualidade, desempenho e restrições do sistema, permitindo que os agentes de IA determinem o caminho ideal para uma solução.

Um enxame de agentes de IA trabalhará então em paralelo para gerar, avaliar e aperfeiçoar múltiplas abordagens de solução. Estes agentes validarão automaticamente a correção, medirão o desempenho, testarão compromissos e compararão implementações alternativas com critérios de sucesso definidos. Por fim, os agentes de IA prepararão opções de solução classificadas, juntamente com resultados de validação e métricas de desempenho, para revisão e aprovação pelos engenheiros. Os agentes não estarão a melhorar cada etapa do SDLC — estarão, na verdade, a reescrever o próprio SDLC.

Para chegarmos a este ponto, precisamos de mudar a forma como os agentes são treinados. Atualmente, a melhoria ocorre um engenheiro e um agente de cada vez: um engenheiro analisa o resultado, aperfeiçoa a instrução e repete o processo. Para ir além deste modelo, os agentes devem aprender continuamente uns com os outros, reutilizar estratégias bem-sucedidas e melhorar de forma colaborativa entre projetos e equipas.

Já estamos a avançar nessa direção, utilizando extensivamente fluxos de trabalho multiagentes por meio de plataformas de agentes, como o Codex e o Claude Code, ao mesmo tempo que desenvolvemos os nossos próprios sistemas multiagentes internos para apoiar a próxima geração de engenharia de software impulsionada pela IA.

Um bom exemplo é o nosso esforço impulsionado pela IA para resolver problemas no nosso Radeon Software eXperience (RSX). O RSX é um componente da interface do utilizador que permite aos utilizadores configurar e monitorizar o comportamento dos controladores gráficos. Em outubro de 2025, começámos a utilizar agentes de IA para depurar e corrigir automaticamente os problemas relatados no RSX. As ferramentas de IA prontas a utilizar proporcionaram resultados limitados, resolvendo apenas 6% dos problemas.

A percentagem de problemas de software corrigidos automaticamente por agentes de IA no Radeon Software eXperience (RSX) da AMD tem vindo a crescer de forma constante, atingindo 75% em junho de 2026.

À medida que analisávamos as falhas e identificávamos formas de melhorar, criámos um ciclo de aprendizagem — inicialmente um processo em grande parte manual — para compreender onde os agentes estavam a falhar e como os melhorar. Em vez de retreinar os modelos subjacentes, aperfeiçoámos os objetivos atribuídos aos agentes, permitindo-lhes explorar iterativamente várias abordagens, avaliar os resultados em função de critérios de sucesso definidos e convergir para soluções melhores. Ao mesmo tempo, os avanços nos modelos e nos tempos de execução dos agentes aumentaram ainda mais a eficácia. Em conjunto, estas melhorias aumentaram significativamente a nossa taxa de resolução, passando de 6% para mais de 75% dos problemas do RSX resolvidos pelo ciclo de agentes.

Para tornar os agentes e os enxames de agentes verdadeiramente produtivos, precisamos de um ciclo de aprendizagem contínuo que realimente os erros e as intervenções humanas nos futuros fluxos de trabalho dos agentes. A oportunidade reside em conceber este ciclo em torno de objetivos claros e mensuráveis. Cada ciclo capta novos insights, tornando todo o fluxo de trabalho de engenharia de IA mais inteligente e eficaz. Com o tempo, este ciclo auto-reforçador — e não apenas o modelo subjacente — tornar-se-á um motor fundamental do progresso da IA.

A evolução do papel dos engenheiros humanos

Na AMD, encaramos a IA como um meio de aumentar a produtividade, melhorar a qualidade e permitir que os colaboradores se concentrem em tarefas de maior valor. O nosso objetivo é capacitar a nossa força de trabalho com IA, não reduzir o número de colaboradores.

Para apoiar esta transformação, estamos a investir fortemente na educação e formação em IA em toda a empresa. A forma como trabalhamos está a evoluir rapidamente e queremos que todos os colaboradores da AMD estejam preparados para tirar partido da IA com confiança, responsabilidade e eficácia.

À medida que os agentes de IA continuam a melhorar, os engenheiros dedicarão menos tempo à implementação manual de soluções, concentrando-se mais na definição de especificações, na validação de resultados e na tomada de decisões estratégicas que impulsionam a inovação.

• O novo chip da Qualcomm promete agentes de IA no seu PC ›
• A AMD adota uma abordagem holística aos copilotos de programação de IA ›

• Enxames de agentes e a nova economia de modelos · Cursor ›
• Enxames de agentes: arquiteturas multiagentes para sistemas de IA | por Tiago Martins | Medium ›