Nos ¨²ltimos meses, o uso de GenIA para entender bases de c¨®digo legadas tem avan?ado significativamente. Ferramentas populares, como o GitHub Copilot, est?o sendo destacadas como . Ferramentas como o , est?o facilitando a navega??o e compreens?o de bases de c¨®digo inteiras. Essas ferramentas utilizam diversas t¨¦cnicas de GenIA para fornecer ajuda contextual, simplificando o trabalho com sistemas legados complexos. Al¨¦m disso, frameworks especializados como o est?o demonstrando como modelos de linguagem de grande porte (LLMs) podem lidar com softwares cient¨ªficos em larga escala ¡ª como aqueles escritos em Fortran ou Pascal ¡ª trazendo uma compreens?o aprimorada por GenIA para bases de c¨®digo fora do tradicional ambiente corporativo de TI. Acreditamos que essa abordagem continuar¨¢ ganhando for?a, dado o enorme volume de software legado existente no mundo.
A IA generativa e os modelos de linguagem de grande porte (LLMs) podem auxiliar pessoas desenvolvedoras a escrever e entender c¨®digo. O aux¨ªlio na compreens?o de c¨®digo ¨¦ especialmente ¨²til em caso de bases de c¨®digo legadas com documenta??o escassa, desatualizada e err?nea. Desde a ¨²ltima vez que escrevemos sobre isso, as t¨¦cnicas e produtos para usar GenIA para entender bases de c¨®digo legadas evoluiram ainda mais, e n¨®s temos utilizado com sucesso algumas delas na pr¨¢tica, principalmente para . Uma t¨¦cnica particularmente promissora que temos utilizado ¨¦ a gera??o aumentada por recupera??o (RAG), uma abordagem onde a recupera??o da informa??o ¨¦ feita em um grafo de conhecimento da base de c¨®digo. O grafo de conhecimento consegue preservar as informa??es estruturais sobre a base de c¨®digo que v?o al¨¦m do que uma LLM pode extrair apenas do c¨®digo textual. Isso ¨¦ especialmente ¨²til em bases de c¨®digo legadas que s?o menos autodescritivas e coesas. Uma oportunidade adicional para melhorar a compreens?o do c¨®digo ¨¦ que o grafo pode ser enriquecido com a documenta??o existente e gerada por IA, depend¨ºncias externas, conhecimento do dom¨ªnio do neg¨®cio ou qualquer outro recurso dispon¨ªvel que possa facilitar o trabalho da IA.
A IA Generativa (GenAI) e os modelos de linguagem de grande porte (LLMs) podem auxiliar pessoas desenvolvedoras tanto a escrever quanto a entender c¨®digo. Na pr¨¢tica, a aplica??o atual se limita principalmente a trechos de c¨®digo menores, mas novos produtos e avan?os tecnol¨®gicos est?o surgindo para utilizar a IA Generativa no entendimento de c¨®digo legado. Isso ¨¦ particularmente ¨²til para bases de c¨®digo antigas mal documentadas ou cuja documenta??o esteja desatualizada ou imprecisa. Por exemplo, o or usam RAGs que combinam intelig¨ºncia de linguagem e busca de c¨®digo com LLMs para auxiliar as pessoas usu¨¢rias a navegarem em uma base de c¨®digo. Modelos emergentes com janelas de contexto cada vez maiores tamb¨¦m ajudar?o a tornar essas t¨¦cnicas mais vi¨¢veis para bases de c¨®digo de grande porte. Outra aplica??o promissora da IA Generativa para c¨®digo legado est¨¢ na moderniza??o de mainframes, onde gargalos frequentemente se formam em torno de pessoas engenheiras reversas que precisam entender a base de c¨®digo existente e transformar esse entendimento em requisitos para o projeto de moderniza??o. O uso da IA Generativa para auxiliar essas pessoas engenheiras reversas pode acelerar a conclus?o do seu trabalho.
