Governança, Qualidade e Uso de Dados em Sistemas de Software com IA Generativa
DOI:
https://doi.org/10.69849/5nn29m24Palavras-chave:
Inteligência Artificial Generativa, Governança de Dados, SDLC, AI TRiSM, IA Centrada em DadosResumo
Este artigo estuda o impacto da inteligência artificial generativa (GenAI) e dos grandes modelos de linguagem (LLMs) no Ciclo de Vida do Desenvolvimento de Software (SDLC). Embora a automação inteligente proporcione taxas de aumento de produtividade de até 55%, a confiança insuficiente, os riscos de segurança e os problemas de governança representam obstáculos significativos para a execução bem-sucedida de projetos. O estudo destaca a mudança necessária de paradigmas centrados em modelos para a IA Centrada em Dados, observando que a qualidade da saída de um sistema é resultado direto da qualidade dos dados de entrada. Para prevenir falhas como alucinações e envenenamento de dados, propomos o uso do framework AI TRiSM (Gestão de Confiança, Risco e Segurança), que cria o núcleo para soluções explicáveis e seguras. Seis princípios fundamentais de prontidão de dados são descritos: diversidade, pontualidade, precisão, segurança, identificabilidade e consumibilidade por máquinas. A governança responsável, conclui-se, precisa unificar desenvolvedores, líderes e comunidades impactadas, para fazer da conformidade ética uma vantagem competitiva estratégica para construir software sustentável e confiável.
Referências
BONI, N. Inteligência artificial para testes de software. 2024.Trabalho de Conclusão de Curso, Monografia. Universidade Federal de São Carlos, Curso de Ciências da Computação, 2024. Disponível em: https://repositorio.ufscar.br/handle/ufscar/19407. Acesso em: 10 nov. 2025.
CISCO. Visão geral da segurança de computação da Cisco - Documento técnico. Disponível em: https://www.cisco.com/c/en/us/products/collateral/servers-unifiedcomputing/ucs-manager/compute-security-overview-wp.html#:~:text=Gest%C3%A3o %20unificada%20de%20redes,Meraki%20e%20do%20Catalyst%20Center. Acewssado em: 14 jan. 2026.
GAROFALO, Í. M. A. D. Impacto da IA Generativa na Produtividade em Equipes de Desenvolvimento de Software. Disponível em: https://repositorio.ufsc.br /bitstream/handle/123456789/270933/TCC_Monografia_Italo_2025.pdf?sequence=1&i sAllowed=y. Acessado em: 04 jan. 2026.
GLOSSÁRIO GARTNER, AI TRiSM. Relatório da Gartner®: Radar de Impacto de
Tecnologias Emergentes: IA Generativa. Disponível em: https://www.gartner.com/en/information-technology/glossary/ai-trism. Acessado em: 13 dez. 2025.
ISSO/IET. Confiabilidade. ISO/IEC TS 5723:2022. Disponível em: https://www.iso.org/standard/81608 .html . Acessado em: 11 jan. 2026. (1ª edição, 2022).
ISSO/IET. Sistemas de gestão da qualidade — Fundamentos e vocabulário. Disponível em: https://www.iso.org/standard/45481.html. Acessado em: 11 jan. 2026. (4ª edição, 2015).
MICROSOFT LEARN. CheckBox. Disponível em: https://learn.microsoft.com/ptbr/dotnet/maui/user-interface/controls/checkbox?view=net-maui-10.0. Acessado em: 13 jan. 2026.
MORIMOTO, T. Inteligência artificial e ser humano se complementam: o conceito de Human in the Loop (HITL) aplicado à manutenção industrial. (2025). Acessado em: 09 jan. 2026. Disponível em: https://blog.futago.ai/ia-industria/inteligencia-artificial-eser-humano-se-complementam-o-conceito-de-human-in-the-loop-hitl-aplicado-amanutencao-industrial.
NIST. Riscos e Confiabilidade da IA. National Institute of Standards and Technology (NIST). Disponível em: https://airc.nist.gov/airmf-resources/airmf/3-seccharacteristics/. Acessado em: 05 jan. 2026.
PALO ALTO. O que é Aprendizado de Máquina (ML)?
https://www.paloaltonetworks.com/cyberpedia/machine-learning-ml#:~:text=Os%20 modelos%20de%20aprendizado%20de%20m%C3%A1quina%20podem%20processar %20grandes%20quantidades,o%20desempenho%20geral%20dos%20neg%C3%B3cios. Acessado em: 17 jan. 2026.
PARLAMENTO EUROPEU. Lei da UE sobre IA: primeira regulamentação de inteligência artificia. (2023). Disponível em: https://www.europarl.europa .eu/topics/pt/article/20230601STO93804/lei-da-ue-sobre-a-primeira-regulamentacaodeinteligencia-artificial#:~:text=e%20mais%20sustent%C3%A1vel.-,Regular%20a%20 intelig%C3%AAncia%20artificial%20na%20Europa%3A%20o%20primeiro%20quadr o%20abrangente,de%20IA%20baseado%20no%20risco. Acessado em: 06 jan. 2026.
QLIK. Os seis princípios dos dados prontos para IA criando uma base confiável de dados para IA. Disponível em: https://assets.qlik.com/image/upload/v
1744376151/qlik/docs/resource-library/whitepapers/resource-wp-the-6-principles-of-aiready-data-br_i5flfx.pdf#:~:text=Dessa%20forma%2C%20a%20precis%C3%A3o%20 dos%20dados%20%C3%A9,suas%20caracter%C3%ADsticas%2C%20integridade%2C %20distribui%C3%A7%C3%A3o%2C%20redund%C3%A2ncia%20e%20forma.
Acessado em: 17 jan. 2026.
SAMPAIO, R. C. et al. Uma revisão de escopo assistida por Inteligência Artificial (IA) sobre usos emergentes de IA na pesquisa qualitativa e suas considerações éticas. Revista Pesquisa Qualitativa, v. 12, p. 01-28, 2024b. DOI: https://doi.org/10.33361/RPQ.2024.v.12.n.30.729.
SEYFFERT, P. Governança de IA: fundamentos, práticas e liderança para grandes empresas. (2025). Disponível em: https://www.softdesign.com.br/blog/governanca-deia/#h-o-que-e-governanca-de-ia-nbsp-nbsp-nbsp-nbsp-nbsp-nbsp-nbsp-nbsp. Acessado em: 16 jan. 2026.
SILVA, G. B. R. Arquitetura serverless: Economia e Automatização no Armazenamento e Processamento de Dados.2024. 81f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação) – Universidade Federal do Pampa, Campus Bagé, Bagé, 2024.
WESSEL, M. et al. Call for papers to the special issue: Generative ai and its transformative value for digital platforms. Journal of Management Information Systems, 2023. Disponível em: https://www.jmis-web.org/cfps/JMIS_SI_CfP_Generative_AI.pdf. Acessado em: 11 dez. 2025.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2026 André Luiz Silva Teotonio, Josineide Teotonia (Autor)
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
"Os Autores que publicam nesta revista concordam com os seguintes termos:
-
Os Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a licença Creative Commons Attribution 4.0 International (CC BY 4.0). Esta licença permite que o trabalho seja compartilhado, copiado e adaptado em qualquer suporte ou formato, para qualquer fim, inclusive comercial, desde que seja atribuído o devido crédito de autoria e de publicação inicial nesta revista.
-
Os Autores têm autorização para assumir compromissos contratuais adicionais separadamente, para a distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
-
A revista permite e incentiva os autores a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) após o processo de edição e publicação, pois isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado."
