O sonho do desenvolvimento totalmente automatizado está se tornando mais real a cada dia, mas isso é bom? Vivemos em um mundo cada vez mais complexo e cheio de automação. Assim como temos de lidar com problemas mais complexos, a automatização está a levar a uma atrofia das competências humanas que pode deixar-nos mais vulneráveis quando respondemos a situações inesperadas ou quando as coisas dão errado.
Considere os minutos finais do voo 447 da Air France, que caiu no Atlântico em maio de 2009, depois de deixar o Rio de Janeiro, no Brasil, com destino a Paris, na França.
Seu gravador de voo revelou total confusão na cabine. O avião ficou inclinado para cima em 15º com uma voz automatizada gritando repetidamente “stall, stall”. No entanto, os pilotos estavam cambaleando, um deles exclamando: “[…] não entendemos nada”.
Este não é o lugar para entrar nos meandros daquele voo malfadado, a não ser para observar que qualquer sistema projetado para lidar automaticamente com contingências na maior parte do tempo deixa uma base de habilidades degradada para a minoria de situações que os projetistas poderiam não prevejo.
Em declarações à Vanity Fair, Nadine Sarter, engenheira industrial da Universidade de Michigan, relembra uma conversa com cinco engenheiros envolvidos na construção de uma determinada aeronave: Comecei a perguntar ‘Bem, como funciona isto ou aquilo?’ E eles não conseguiam concordar nas respostas. Então eu estava pensando, se esses cinco engenheiros não conseguem concordar, pobre piloto, se algum dia ele se deparar com essa situação específica… bem, boa sorte.
Na verdade, a complexidade de voar criteriosamente em aviões comerciais altamente intrincados de alta tecnologia foi terceirizada para um robô, com os engenheiros de vôo, para todos os efeitos, saindo dos cockpits. Apenas os pilotos mais velhos e ex-pilotos da Força Aérea retêm essas habilidades detalhadas.
De volta à terra firme, num mundo de condução autônoma poderá haver gerações futuras inteiras sem qualquer experiência prática na condução e navegação de um veículo.
Já estamos vendo uma indicação do que pode dar errado quando os humanos deixam o controle para sistemas autônomos.
Uma investigação sobre a queda fatal de um Tesla Model S com piloto automático observou que a empresa forneceu informações sobre “limitações do sistema” aos motoristas. Nesse caso, ainda cabe aos motoristas prestar atenção.
Mas que chance uma pessoa teria de assumir qualquer controle caso as coisas começassem a dar errado em seu futuro veículo totalmente autônomo? Será que eles saberiam como detectar os primeiros sinais de um desastre iminente?
Estamos perdendo o rumo?
O que impulsiona isto é um determinismo tecnológico que acredita que toda e qualquer inovação é intrinsecamente boa.
Embora as tecnologias emergentes ainda possam definir o que é ser humano, o desafio é reconhecer o risco e o que fazer para garantir que as coisas não correm mal.
Isso está cada vez mais difícil à medida que aumentamos a complexidade, especialmente com a condução autónoma de comboios suburbanos, táxis aéreos e drones de entrega.
Os projetistas de sistemas têm construído sistemas maiores e mais interligados para compartilhar a carga de processamento do computador, embora isso torne suas criações os principais candidatos ao colapso.
Estão a ignorar o facto de que, uma vez tudo ligado, os problemas podem espalhar-se tão rapidamente como as soluções, por vezes até mais.
A crescente e imensa complexidade de um mundo automatizado apresenta riscos semelhantes.
Pontos de atenção
Em retrospectiva, o que é necessário é a capacidade de libertar redes quando existem pontos de falha, ou pelo menos isolar partes de uma única rede quando existem pontos de falha noutros locais dentro dela.
Este “ilhamento” é uma característica das redes eléctricas inteligentes que proporciona a possibilidade de dividir a rede em fragmentos que são capazes de autossustentar a sua procura interna de energia. A modelagem mostrou que menos conexões podem levar a mais segurança.
A ciência da complexidade emergente poderia ajudar a identificar onde podem estar os pontos de perigo em redes altamente interconectadas? Marten Scheffer e colegas pensaram assim. Ele tinha visto semelhanças entre o comportamento dos (seus) sistemas naturais e os sistemas económicos e financeiros.
O seu trabalho anterior sobre lagos, recifes de coral, mares, florestas e pastagens descobriu que ambientes sujeitos a mudanças graduais como o clima, a carga de nutrientes e a perda de habitat podem atingir pontos de inflexão que os colocam num estado inferior, por vezes irreversível.
Poderiam os banqueiros e economistas que lutam com a estabilidade dos mercados financeiros aprender com os investigadores em ecologia, epidemiologia e climatologia a desenvolver marcadores da proximidade de limiares críticos e de colapso do sistema?
Em Fevereiro de 2016, tudo isto se reuniu na forma de um artigo sobre a teoria da complexidade e a regulação financeira, da autoria de uma vasta gama de especialistas, incluindo um economista, um banqueiro, um físico, um climatologista, um ecologista, um zoólogo, um veterinário e um epidemiologista.
Recomendaram uma integração online de dados, métodos e indicadores, alimentando testes de resistência para sistemas socioeconómicos e financeiros globais quase em tempo real. O primeiro é semelhante ao que foi alcançado ao lidar com outros sistemas complexos, como o clima.
Podemos começar a ver como o nosso exemplo de um mundo de condução autónoma se desdobra em questões de estabilidade da rede. Imagine uma rede altamente interconectada de veículos autônomos.
Há uma clara necessidade de saber como detectar e isolar quaisquer possíveis pontos de falha em tal rede, antes que as coisas deem errado com consequências potencialmente trágicas.
Isto é mais do que apenas proteger o condutor e o passageiro de qualquer falha do sistema num único veículo autônomo.
É hora de pensar como podemos utilizar esses avanços multidisciplinares na compreensão da estabilidade de redes de grande escala para evitar consequências drásticas.
Quando a automação assombra os desenvolvedores de software
Todo desenvolvedor de software conhece esse sonho. Sentamo-nos em algumas espreguiçadeiras à beira da piscina enquanto as IAs e as camadas sem código mantêm a pilha corporativa funcionando perfeitamente. Talvez tenhamos um capricho ou vontade de redesenhar alguma seção do aplicativo da web ou talvez até refatorar tudo completamente. Sem levantar a cabeça, apenas falamos algum comando e a geração automatizada de código acerta tudo. Voilà. Fizemos nosso trabalho do trimestre e agora podemos realmente relaxar.
Nenhuma dessas ferramentas funciona tão bem. Ah, muitas vezes eles acertam algumas coisas. Eles irão, de tempos em tempos, corrigir o preenchimento do código ou ajustar os parâmetros para lidar com a nova carga com êxito. Há muitas maneiras pelas quais a inteligência artificial e as inovações de codificação tornam nossa vida mais fácil.
Mas geralmente são ótimos até falharem, o que acontece com muita frequência. Esta manhã passei uma hora ao telefone com meu registrador de domínio porque minha simples mudança para um registro DMARC não estava funcionando. Ah, o aplicativo da web me disse que a mudança foi feita com sucesso há 48 horas, mas isso não significa que o maquinário deles estava compartilhando esse novo valor de DNS com o mundo. Não. Estou procurando um novo registrador enquanto a equipe de suporte técnico tenta descobrir o que está acontecendo.
É um pouco como a lei de Newton. Para cada coisa maravilhosa que a automação faz, há um exemplo igual e oposto de como a automação estragou tudo. Estas forças nem sempre são simétricas porque a automação geralmente funciona bem na maior parte do tempo. É só quando você tira os olhos da bola ou sai de férias que eles encontram uma maneira de ficar completamente confuso.
No interesse de desabafar um pouco e talvez nos ajudar a abordar a automação com mais cautela e menos rendição, vamos fazer uma breve pausa para uma reavaliação com olhos de aço. Aqui estão seis maneiras pelas quais a IA que economiza trabalho, a maravilha sem código e outras inteligências avançadas dão errado.
Coleta de lixo
Em teoria, a alocação de memória não é algo com que os gênios humanos devam se preocupar. As linguagens modernas têm uma camada que distribui pedaços de memória e os varre quando os dados que eles contêm não são mais necessários. Os coletores de lixo permitem que os programadores pensem em coisas maiores, como o valor de suas opções de ações.
E os coletores de lixo geralmente funcionam bem – exceto nas margens. Como funcionam automaticamente, você pode pensar que vazamentos de memória são coisa do passado. Eles são certamente menos comuns, mas os programadores ainda podem alocar blocos de memória de forma que os coletores de lixo não os toquem. Para piorar a situação, os programadores não acham mais que é sua responsabilidade se preocupar com vazamentos de memória; portanto, em vez de procurarem a alocação incorreta, muitas vezes simplesmente levantam as mãos e aumentam a quantidade de RAM em seu servidor em nuvem. Quanto da RAM da nuvem está preenchida com estruturas de dados que poderiam ter sido liberadas?
Existem outros problemas com o gerenciamento automatizado de memória. A alocação de objetos é um dos maiores desperdícios de tempo para o código, e os programadores inteligentes aprenderam que o código é executado mais rapidamente se alocarem um objeto no início do programa e depois continuarem a reutilizá-lo. Em outras palavras, configure as coisas para que o coletor de lixo não faça nada.
E há o problema geral de que a coleta de lixo sempre parece acontecer no momento mais inconveniente. As rotinas de automação simplesmente entram em ação, sem nenhuma maneira de saber ou se importar se a latência e o atraso irão arruinar sua experiência. Os desenvolvedores que criam interfaces de usuário ou códigos que precisam ser executados, digamos, em hardware médico, têm bons motivos para se preocupar com quando ocorrerá o problema de coleta de lixo.
Código interpretado
As várias linguagens de script tornaram muito mais simples criar apenas algumas linhas de código. Sua relativa simplicidade e facilidade de uso conquistaram muitos fãs, não apenas entre programadores em tempo integral, mas também em áreas relacionadas, como ciência de dados. Há uma razão pela qual Python é agora uma das linguagens de programação mais ensinadas.
Ainda assim, a dose extra de automação que facilita o uso dessas linguagens interpretadas também pode trazer ineficiências e problemas de segurança. As línguas interpretadas são geralmente mais lentas, às vezes dramaticamente. A combinação de gerenciamento automatizado de memória, pouco tempo para otimização e o trabalho árduo geral de interpretação do tempo de execução pode realmente tornar seu código mais lento.
A velocidade melhorou à medida que os programadores descobriram como aproveitar o poder de implementações alternativas de tempo de execução ou bons compiladores just-in-time (JIT). Os desenvolvedores Python recorreram a Cython, Jython, Numba, PyPy, Pyston e agora Pyjion para uma execução mais rápida. Mas ainda existem limites para o que um intérprete pode fazer.
Alguns dizem que o código interpretado é menos seguro. Os compiladores podem então gastar mais tempo examinando o código enquanto o intérprete vai na direção oposta, esforçando-se para manter seus resultados “just in time”. Além disso, a tipagem dinâmica popular em linguagens interpretadas pode facilitar a execução de ataques de injeção ou outros esquemas. É claro que o código compilado pode ser igualmente vulnerável. Todos os programadores precisam estar vigilantes, não importa a linguagem que usem.
Inteligência artificial
A inteligência artificial é um tópico muito mais amplo do que a automação, e já discuti os vários segredos obscuros e limitações da IA em outros lugares. Os problemas são simples de entender. Embora as IA possam ser milagres modernos melhores do que se esperava, muitas vezes produzem resultados insípidos e regurgitados, completamente desprovidos de espírito ou individualidade. E isso faz sentido porque os grandes modelos de linguagem (LLMs) são essencialmente apenas médias massivas de seu conjunto de treinamento.
Às vezes, a IA piora as coisas, lançando erros aleatórios que surgem do nada. O sistema metralha frases gramaticalmente perfeitas e parágrafos bem estruturados até que – espere, o quê? – de repente alucina um fato inventado. Para piorar a situação, a IA às vezes lança calúnias, difamações e calúnias sobre pessoas reais que vivem, respiram e potencialmente litigiosas.
O melhor uso das IAs parece ser como um assistente não tão inteligente para humanos mais inteligentes e ágeis, que podem manter o gênio automatizado sob controle.
Consultas de banco de dados
Em teoria, os bancos de dados são a ferramenta automatizada original que pode manter todos os nossos bits em tabelas estruturadas e bonitas e responder às nossas perguntas sempre que quisermos. A Oracle até colocou o rótulo “autônomo” em seu banco de dados para enfatizar o quão automatizado tudo era. A empresa moderna não poderia funcionar sem a magia dos grandes bancos de dados. Precisamos de seu poder bruto. Acontece que as equipes de desenvolvimento aprendem rapidamente suas limitações.
Às vezes, mecanismos de consulta sofisticados são poderosos demais para seu próprio bem, como quando os programadores criam consultas que levam uma eternidade para serem concluídas. Escrever consultas SQL simples não é especialmente difícil, mas pode ser muito difícil escrever uma consulta complexa que também seja eficiente. Toda a automação gasta em armazenamento e recuperação fornece aos desenvolvedores corda suficiente para amarrar seu código em nós.
Algumas equipes podem contratar administradores de banco de dados especializados para manter o fluxo de bits sem problemas. Esses especialistas ajustarão os parâmetros e garantirão que haja RAM suficiente para lidar com os índices sem problemas. Quando chega a hora de criar uma consulta SQL com mais de uma cláusula, eles sabem como fazer isso de forma inteligente, para que a máquina não pare.
Plataformas de baixo código e sem código
Algumas ferramentas empresariais, portais e aplicações web são agora sofisticadas o suficiente para serem alteradas rapidamente, com pouca ou nenhuma programação nova. As equipes de vendas gostam de chamar esse recurso de “código baixo” ou mesmo “sem código”. Não é impreciso porque o nível de automação é bastante inteligente. Mas ainda existem algumas dores de cabeça incluídas no pacote.
O maior problema é o mesmo que enfrenta a indústria do vestuário, onde os clientes sabem que “tamanho único” na verdade significa “tamanho único”. Cada empresa é um pouco diferente, portanto cada data warehouse, pipeline de processamento e interface também devem ser diferentes. As opções de baixo código e sem código, porém, oferecem um sistema generalizado. Quaisquer personalizações tendem a ser superficiais.
Esse código generalizado costuma ser muito mais lento porque precisa estar pronto para qualquer coisa que qualquer usuário em potencial possa lançar nele. Ele verifica constantemente os dados antes de formatá-los e reformatá-los. Todo o código cola que conecta o front-end e o back-end precisa ser executado, geralmente sempre que novos dados chegam. Isso aumenta os custos de hardware e às vezes retarda tudo.
Mesmo a automação lenta pode economizar tanto tempo e despesas de desenvolvimento que muitas equipes simplesmente se virarão, em vez de contratar um projeto para construir a pilha da maneira certa. Mas sobreviver significa viver com algo que realmente não se encaixa e que muitas vezes é um pouco mais complicado e mais caro de administrar.
Automação de fluxo de trabalho (RPA)
Um primo do desenvolvimento com baixo e sem código é o RPA, ou automação de processos robóticos. Tenha em mente que não há nenhum robô de qualidade cinematográfica à vista. Essas ferramentas encontraram um lar nos escritórios porque são adeptas da aplicação de IA a tarefas administrativas comuns, como malabarismo com documentos. Infelizmente, o RPA tem todos os problemas potenciais da IA e do low code.
Um grande ponto de venda dos RPAs é que eles podem colocar uma interface moderna em pilhas legadas e, ao mesmo tempo, adicionar um pouco de integração. Essa pode ser uma maneira rápida de criar uma carinha bonita sem alterar nada do código antigo. Claro, isso também significa que o código antigo não é atualizado ou reescrito de acordo com os padrões modernos, de modo que o interior está repleto de estruturas de dados e algoritmos que datam da era dos cartões perfurados e dos tubos de vácuo. RPA é como colocar fita adesiva técnica em um código que mal funciona.
O perigo real surge quando o software funciona bem o suficiente para fazer os humanos dormirem. A automação cuida das etapas manuais que, de outra forma, poderiam dar tempo ao processador humano para perceber se há algo errado com uma fatura ou pedido. Agora, algum gerente simplesmente faz login e clica no botão “aprovar todos”. Lentamente, as fraudes e os erros começam a aumentar, à medida que os pesos e contrapesos dos procedimentos de escritório tradicionais se desgastam. A única pessoa que resta – em tempo parcial, é claro – não tem as ferramentas e a visão para entender o que está acontecendo antes que seja tarde demais.
Automação zero
A única coisa pior do que adicionar mais automação é não adicionar nenhuma. A dívida técnica nunca é corrigida. A pilha de software fica tão desatualizada que não vale mais a pena atualizar. À medida que a pilha se ossifica lentamente, o mesmo ocorre com todos no escritório. A empresa está presa a fazer as coisas da mesma forma que sempre foram feitas. A pilha de software governa o fluxo de trabalho.
É muito bom reclamar e observar como a automação de software falha, mas às vezes a melhor coisa é apenas aceitar as armadilhas e usar o que sabemos sobre elas para planejar estrategicamente. Em outras palavras, leve em consideração as desvantagens ao tentar evitá-las ou encontrar uma solução melhor. A única coisa pior do que a fé cega no progresso é a ausência de progresso.
Por conta dessas situações, é fundamental que empresas tenham uma parceira de TI confiável, focada no negócio e capaz de identificar as melhores oportunidades de automação.
Diferenciais da Infonova
A Infonova tem 20 anos de experiência em tecnologia, infraestrutura de TI, e pessoas. Temos clientes internacionais como HBO, AirBnb, Linkedin, Tempo Assist, Nissin, entre outros. Ou seja, estamos aptos a atender qualquer segmento e tamanho de negócio com maestria.
BACKUP
Todas as posições de profissionais da Infonova têm backup. Temos um ditado interno que é: “quem tem um… não tem nenhum”. Portanto, somos obcecados em ter continuidade nas operações para que nós e os nossos clientes possam focar na parte mais importante: explorar oportunidades e gerar crescimento.
VALOR FINANCEIRO
O valor da Infonova é intencionalmente menor quando comparado com empresas no mesmo nível de maturidade. No entanto, fazemos isso para ter a possibilidade de escolher os nossos clientes e ter uma base de clientes satisfeitos, e por bastante tempo.
LIBERAÇÃO DO RH
O RH é uma das áreas mais importantes de qualquer empresa. Afinal, ele deve estar focado em gerir a cultura, desenvolvimento dos colaboradores e atração de talentos; e não apenas com a reposição de profissionais. Sendo assim, terceirizar a TI oferece a possibilidade de fazer com que o RH esteja mais livre para se tornar um vetor de crescimento para a empresa.
FLEXIBILIDADE – HUB DE TECNOLOGIA
A Infonova não faz só Infra, ela pode fazer de tudo. Na verdade, para alguns clientes que não podem resolver algumas questões diretamente, a Infonova atua como Hub, indo para o mercado, encontrando parceiros e fornecedores e interagindo com eles. Esses serviços incluem áreas diversas, como:
- Ar condicionado;
- Outsourcing de impressão;
- Links de internet;
- Compra de materiais e mais.
ALOCAÇÃO DE DESENVOLVEDORES
A Infonova já foi uma fábrica de software no passado. Contudo, em 2012 escolhemos focar em Gestão de TI, Infraestrutura e Segurança. No entanto, como era de se esperar, esse conhecimento e familiaridade permanecem até hoje no time. Portanto, realizamos consultorias de DevOps para alguns clientes, atuamos como mediador entre clientes e desenvolvedores, e também alocamos desenvolvedores para alguns clientes.
RETENÇÃO DE COLABORADORES
Demoramos mais de 10 anos para entender e construir as ferramentas para atrair e manter profissionais de tecnologia no nosso time. Então, seja o profissional alocado no cliente ou não, temos a vivência de como reter, desenvolver e satisfazer tanto os profissionais quanto os clientes. E essa é uma necessidade para o sucesso da empresa.
LIBERAR BRAIN POWER DA ORGANIZAÇÃO PARA APROVEITAR OPORTUNIDADES
Não dá para fazer tudo. Então, faz mais sentido focar no que faz a empresa crescer, mas isso requer um recurso escasso: tempo e atenção. Terceirizar a TI significa retomar esse recurso, contudo, não é de graça. Terceirizar é mais caro do que contratar direto, mas faz sentido se você pode usar a atenção e o tempo para realizar mais valor, inclusive financeiro.
NÃO TEM MULTA DE CONTRATO
A Infonova tirou as multas dos seus contratos há muitos anos. Afinal, entendemos que para o cliente, muitas vezes mudar é uma situação nova. Portanto, escolhemos tirar o risco do cliente e trazer este risco apenas para o nosso lado.
PODE PARAR QUANDO QUISER
Os primeiros 90 dias de contrato com a Infonova não tem multa e nem aviso prévio. Ou seja, basta pedir para parar. Contudo, após os 90 dias, também não temos multa, porém, solicitamos um aviso com 30 dias de antecedência.
CONTINUAMOS AMIGOS
Na Infonova a relação continua mesmo sem contrato. Ou seja, mantemos o relacionamento com os clientes e continuamos ajudando, trocando experiências e apoiando, independente de existir um documento de contrato ou não. Afinal, o nosso interesse é na parceria.
DORMIR TRANQUILO
Stress faz parte do crescimento. Afinal, crescer não é um caminho fácil. No entanto, você pode escolher o tipo de stress que quer ter. Ou seja, pode decidir entre o stress de fazer a empresa “funcionar”, ou o de focar em aproveitar as oportunidades enquanto dorme tranquilo sabendo que o dia a dia está garantido.
