Aproveite o CEO Jyoti Bansal sobre por que a codificação de IA não ajuda você a enviar mais rápido

Cada vez mais, as organizações estão a acordar para o facto de que a utilização da IA ​​para escrever mais código está a criar estrangulamentos no pipeline de desenvolvimento, uma vez que todo este código ainda tem de ser testado e integrado. Para este episódio de The New Stack Agents, conversamos com Aproveitar cofundador e CEO Jyoti Bansal sobre como sua empresa tem tentado resolver esse problema desde seu lançamento em 2017 e como a Harness agora está usando agentes como o recurso principal de sua plataforma para acelerar o ciclo externo de desenvolvimento.

“Fizemos IA para codificação, mas não estamos entregando mais rápido. Estamos criando mais código, mas não é como se estivéssemos entregando mais rápido. Então, qual é o problema? E então você percebe que mais código não significa que você pode testá-lo com rapidez suficiente, pode implantá-lo com rapidez suficiente, pode protegê-lo, pode garantir a conformidade – todos os tipos de coisas que precisam ser feitas no código”, disse ele.

Bansal argumenta que a maior parte do tempo de um desenvolvedor é gasto em todas as tarefas necessárias para garantir que o código esteja pronto para produção. O objetivo da Harness sempre foi agilizar esse processo e, mesmo em seus primeiros dias, a empresa usava aprendizado de máquina (ML) sempre que fazia sentido para remover parte do trabalho repetitivo.

Do ML ao GenAI

À medida que os grandes modelos de linguagem (LLMs) se tornaram mais inteligentes, foi natural para a equipe da Harness começar a implementar mais inteligência de IA em seus produtos também.

“Quando começamos a olhar para a IA generativa (GenAI), é claro, começamos perguntando: ‘Podemos trazer LLMs para simplificar a configuração de algo? É possível criar um pipeline facilmente com isso? É possível corrigir vulnerabilidades de segurança com LLMs?’ E esse foi o primeiro conjunto de casos de uso com o qual começamos”, explicou Bansal. “Então, com o tempo, ficou muito claro que, para muitos desses problemas, os agentes, ou a IA agente, são a solução certa. Portanto, temos construído muitos agentes para resolver os problemas. E agora a forma como as pessoas consomem nossa plataforma é por meio de uma biblioteca de agentes de IA.”

Hoje, a Harness administra dezenas de agentes como parte de sua plataforma Harness AI. Isso inclui um agente DevOps, um agente de engenheiro de confiabilidade de site (SRE), um agente AppSec, um agente FinOps, um agente de teste, um agente de confiabilidade e um agente de liberação — todos com vários subagentes para tarefas mais especializadas. Esses agentes têm acesso a um gráfico que descreve a infraestrutura de uma determinada organização, as ferramentas que utilizam para testes e muito mais. Afinal, o contexto certo é crucial para que os agentes façam o seu melhor trabalho.

“Nossos usuários não veem nenhum desses agentes”, explicou Bansal. “Nossos usuários veem apenas um Harness AI, e o Harness AI é como um agente unificado que combina todos eles.”

Confie nos agentes de IA

Os agentes de IA inevitavelmente cometerão erros – pelo menos por enquanto. Bansal argumenta que, para o Harness, isso não é realmente um problema, devido à sua posição no ciclo de vida de desenvolvimento de software.

“Nossos agentes não estão fazendo uma implantação na produção. Nossos agentes estão criando um pipeline de implantação de produção. O pipeline de implantação de produção é determinístico. É auditável. Cada etapa que acontece é revisada por alguém do ponto de vista da conformidade, do ponto de vista da segurança. Portanto, não é que a IA esteja apenas indo e tocando seus ambientes de produção – as pessoas não se sentem confortáveis ​​com isso, e provavelmente não deveriam estar, em muitos casos, por um longo tempo.”

MCP FTW

Quanto à adoção dessas ferramentas pelas empresas, Bansal observou o quão surpreso ele ficou com a rapidez com que as empresas adotaram essas ferramentas e Aproveite o próprio servidor Model Context Protocol (MCP) que expõe as capacidades do agente e permite que ferramentas como Windsurf e Cursor se conectem à plataforma.

“Fiquei um pouco surpreso que mesmo em empresas muito grandes – onde você pensaria que são empresas lentas – a adoção da integração de IA em sua cadeia de ferramentas e a forma como elas a adotam é bastante alta”, disse Bansal.

Um grande cliente de uma companhia aérea pegou a IA da Harness e construiu seu próprio conjunto de ferramentas interno de IA para todos os seus engenheiros. “Estamos vendo muita criatividade na forma como as pessoas querem transformar as práticas de engenharia de software”, observou ele.

Aumentando vs. Substituindo

E embora o próprio Bansal tenha codificado grande parte do código inicial de sua startup anterior, AppDynamics (que foi vendida para a Cisco por US$ 3,7 bilhões), ele parou de codificar por um tempo, mas agora o retomou graças a essas novas ferramentas de codificação de IA. “Estou começando a ficar perigoso de novo”, ele brincou, mas também observou que a IA o ajudou a acelerar algumas das tarefas mais demoradas de gerenciamento de produtos e redação de especificações.

Ele não acredita que essas ferramentas estejam substituindo desenvolvedores humanos ou gerentes de produto.

“A parte interessante da IA ​​é o ritmo. A pressão competitiva e tudo mais é muito maior”, disse ele. Onde antes poderia ter sido aceitável gastar um ano ou mais para lançar um novo recurso ou entrar em um novo mercado, isso não é uma opção agora. “Esse cronograma foi reduzido para, tipo, seis meses para todos. … Tudo se resume a: se você ficar mais produtivo, o que você faz? Você tem menos pessoas ou trabalha mais? Acho que neste momento, estou vendo principalmente que não há muito ‘você está fazendo menos, você precisa de menos pessoas’ – você está apenas fazendo mais trabalho.”

A bolha AI está OK

Como Bansal também é um investidor inicial ativo, fiquei curioso para saber o que ele pensa sobre uma potencial bolha de IA que implodirá em breve. Todas as áreas da IA ​​estão borbulhantes neste momento, admitiu ele, mas também argumenta que isto não é necessariamente um problema.

“Às vezes, uma bolha não é necessariamente uma coisa ruim”, disse ele. “Digamos que algo seja uma grande tecnologia disruptiva. As bolhas acontecem porque as pessoas esperam que passe de 1 para 100 em dois anos – mas talvez passe de 1 para 100 em cinco anos, o que ainda vai de um para 100.” Ele citou a Internet como exemplo disso, com seu boom e queda das pontocom. Na IA, algumas empresas estão agora tentando resolver problemas semelhantes – e talvez apenas algumas delas sobrevivam. Mas Bansal argumenta que é exatamente assim que o sistema deveria funcionar.

“Teremos alguns grandes vencedores – empresas que terão sucesso. Muitas empresas já estabelecidas também descobrirão o que fazer. Eles irão aproveitar algumas dessas inovações. Então, tudo está acontecendo, o que é válido, mas as coisas podem estar acontecendo muito mais do que seria eventualmente necessário, e é aí que está a bolha – e provavelmente está tudo bem.”