[{"data":1,"prerenderedAt":488},["ShallowReactive",2],{"/pt-br/the-source/authors/kristina-weis":3,"footer-pt-br":29,"the-source-banner-pt-br":337,"the-source-navigation-pt-br":349,"the-source-newsletter-pt-br":376,"footer-source-/pt-br/the-source/authors/kristina-weis/":387,"authors-pt-br":396,"categories-pt-br":426,"kristina-weis-articles-list-pt-br":427},{"_path":4,"_dir":5,"_draft":6,"_partial":6,"_locale":7,"config":8,"seo":10,"content":12,"type":21,"slug":22,"_id":23,"_type":24,"title":11,"_source":25,"_file":26,"_stem":27,"_extension":28},"/pt-br/the-source/authors/kristina-weis","authors",false,"",{"layout":9},"the-source",{"title":11},"Kristina Weis",[13,19],{"componentName":14,"componentContent":15},"TheSourceAuthorHero",{"name":11,"headshot":16},{"altText":11,"config":17},{"src":18},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1751463469/eoolq6n6bs0zb8gmf0js.webp",{"componentName":20},"TheSourceArticlesList","author","kristina-weis","content:pt-br:the-source:authors:kristina-weis.yml","yaml","content","pt-br/the-source/authors/kristina-weis.yml","pt-br/the-source/authors/kristina-weis","yml",{"_path":30,"_dir":31,"_draft":6,"_partial":6,"_locale":7,"data":32,"_id":333,"_type":24,"title":334,"_source":25,"_file":335,"_stem":336,"_extension":28},"/shared/pt-br/main-footer","pt-br",{"text":33,"source":34,"edit":40,"contribute":45,"config":50,"items":55,"minimal":325},"Git é uma marca comercial da Software Freedom Conservancy e nosso uso do nome \"GitLab\" está sob licença",{"text":35,"config":36},"Acessar a origem da página",{"href":37,"dataGaName":38,"dataGaLocation":39},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/","page source","footer",{"text":41,"config":42},"Editar esta página",{"href":43,"dataGaName":44,"dataGaLocation":39},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/-/blob/main/content/","web ide",{"text":46,"config":47},"Contribua",{"href":48,"dataGaName":49,"dataGaLocation":39},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/-/blob/main/CONTRIBUTING.md/","please contribute",{"twitter":51,"facebook":52,"youtube":53,"linkedin":54},"https://twitter.com/gitlab","https://www.facebook.com/gitlab","https://www.youtube.com/channel/UCnMGQ8QHMAnVIsI3xJrihhg","https://www.linkedin.com/company/gitlab-com",[56,83,156,224,286],{"title":57,"links":58,"subMenu":64},"Plataforma",[59],{"text":60,"config":61},"Plataforma DevSecOps",{"href":62,"dataGaName":63,"dataGaLocation":39},"/pt-br/platform/","devsecops platform",[65],{"title":66,"links":67},"Preços",[68,73,78],{"text":69,"config":70},"Confira os planos",{"href":71,"dataGaName":72,"dataGaLocation":39},"/pt-br/pricing/","view plans",{"text":74,"config":75},"Por que escolher o GitLab Premium?",{"href":76,"dataGaName":77,"dataGaLocation":39},"/pt-br/pricing/premium/","why premium",{"text":79,"config":80},"Por que escolher o GitLab Ultimate?",{"href":81,"dataGaName":82,"dataGaLocation":39},"/pt-br/pricing/ultimate/","why ultimate",{"title":84,"links":85},"Soluções",[86,91,96,101,106,111,116,121,126,131,136,141,146,151],{"text":87,"config":88},"Transformação digital",{"href":89,"dataGaName":90,"dataGaLocation":39},"/pt-br/topics/digital-transformation/","digital transformation",{"text":92,"config":93},"Segurança e conformidade",{"href":94,"dataGaName":95,"dataGaLocation":39},"/pt-br/solutions/application-security-testing/","Application security testing",{"text":97,"config":98},"Entrega de software automatizada",{"href":99,"dataGaName":100,"dataGaLocation":39},"/pt-br/solutions/delivery-automation/","automated software delivery",{"text":102,"config":103},"Desenvolvimento ágil",{"href":104,"dataGaName":105,"dataGaLocation":39},"/pt-br/solutions/agile-delivery/","agile delivery",{"text":107,"config":108},"Migração para a nuvem",{"href":109,"dataGaName":110,"dataGaLocation":39},"/pt-br/topics/cloud-native/","cloud transformation",{"text":112,"config":113},"SCM",{"href":114,"dataGaName":115,"dataGaLocation":39},"/pt-br/solutions/source-code-management/","source code management",{"text":117,"config":118},"CI/CD",{"href":119,"dataGaName":120,"dataGaLocation":39},"/pt-br/solutions/continuous-integration/","continuous integration & delivery",{"text":122,"config":123},"Gestão de fluxo de valor",{"href":124,"dataGaName":125,"dataGaLocation":39},"/pt-br/solutions/value-stream-management/","value stream management",{"text":127,"config":128},"GitOps",{"href":129,"dataGaName":130,"dataGaLocation":39},"/pt-br/solutions/gitops/","gitops",{"text":132,"config":133},"Grandes empresas",{"href":134,"dataGaName":135,"dataGaLocation":39},"/pt-br/enterprise/","enterprise",{"text":137,"config":138},"Pequenas empresas",{"href":139,"dataGaName":140,"dataGaLocation":39},"/pt-br/small-business/","small business",{"text":142,"config":143},"Setor público",{"href":144,"dataGaName":145,"dataGaLocation":39},"/pt-br/solutions/public-sector/","public sector",{"text":147,"config":148},"Educação",{"href":149,"dataGaName":150,"dataGaLocation":39},"/pt-br/solutions/education/","education",{"text":152,"config":153},"Serviços financeiros",{"href":154,"dataGaName":155,"dataGaLocation":39},"/pt-br/solutions/finance/","financial services",{"title":157,"links":158},"Recursos",[159,164,169,174,179,184,189,194,199,204,209,214,219],{"text":160,"config":161},"Instalação",{"href":162,"dataGaName":163,"dataGaLocation":39},"/pt-br/install/","install",{"text":165,"config":166},"Guias de início rápido",{"href":167,"dataGaName":168,"dataGaLocation":39},"/pt-br/get-started/","quick setup checklists",{"text":170,"config":171},"Saiba mais",{"href":172,"dataGaName":173,"dataGaLocation":39},"https://university.gitlab.com/","learn",{"text":175,"config":176},"Documentação do produto",{"href":177,"dataGaName":178,"dataGaLocation":39},"https://docs.gitlab.com/","docs",{"text":180,"config":181},"Blog",{"href":182,"dataGaName":183,"dataGaLocation":39},"/blog/","blog",{"text":185,"config":186},"Histórias de sucesso de clientes",{"href":187,"dataGaName":188,"dataGaLocation":39},"/pt-br/customers/","customer success stories",{"text":190,"config":191},"Trabalho remoto",{"href":192,"dataGaName":193,"dataGaLocation":39},"https://handbook.gitlab.com/handbook/company/culture/all-remote/","remote",{"text":195,"config":196},"Serviços do GitLab",{"href":197,"dataGaName":198,"dataGaLocation":39},"/pt-br/services/","services",{"text":200,"config":201},"TeamOps",{"href":202,"dataGaName":203,"dataGaLocation":39},"/pt-br/teamops/","teamops",{"text":205,"config":206},"Comunidade",{"href":207,"dataGaName":208,"dataGaLocation":39},"/community/","community",{"text":210,"config":211},"Fórum",{"href":212,"dataGaName":213,"dataGaLocation":39},"https://forum.gitlab.com/","forum",{"text":215,"config":216},"Eventos",{"href":217,"dataGaName":218,"dataGaLocation":39},"/events/","events",{"text":220,"config":221},"Parceiros",{"href":222,"dataGaName":223,"dataGaLocation":39},"/pt-br/partners/","partners",{"title":225,"links":226},"Empresa",[227,232,237,242,247,252,257,261,266,271,276,281],{"text":228,"config":229},"Sobre",{"href":230,"dataGaName":231,"dataGaLocation":39},"/pt-br/company/","company",{"text":233,"config":234},"Vagas",{"href":235,"dataGaName":236,"dataGaLocation":39},"/jobs/","jobs",{"text":238,"config":239},"Liderança",{"href":240,"dataGaName":241,"dataGaLocation":39},"/company/team/e-group/","leadership",{"text":243,"config":244},"Equipe",{"href":245,"dataGaName":246,"dataGaLocation":39},"/company/team/","team",{"text":248,"config":249},"Manual",{"href":250,"dataGaName":251,"dataGaLocation":39},"https://handbook.gitlab.com/","handbook",{"text":253,"config":254},"Relacionamento com investidores",{"href":255,"dataGaName":256,"dataGaLocation":39},"https://ir.gitlab.com/","investor relations",{"text":258,"config":259},"Sustainability",{"href":260,"dataGaName":258,"dataGaLocation":39},"/sustainability/",{"text":262,"config":263},"Diversidade, inclusão e pertencimento (DIB)",{"href":264,"dataGaName":265,"dataGaLocation":39},"/pt-br/diversity-inclusion-belonging/","Diversity, inclusion and belonging",{"text":267,"config":268},"Trust Center",{"href":269,"dataGaName":270,"dataGaLocation":39},"/pt-br/security/","trust center",{"text":272,"config":273},"Boletim informativo",{"href":274,"dataGaName":275,"dataGaLocation":39},"/company/contact/","newsletter",{"text":277,"config":278},"Imprensa",{"href":279,"dataGaName":280,"dataGaLocation":39},"/press/","press",{"text":282,"config":283},"Declaração de Transparência da Lei da Escravidão Moderna",{"href":284,"dataGaName":285,"dataGaLocation":39},"https://handbook.gitlab.com/handbook/legal/modern-slavery-act-transparency-statement/","modern slavery transparency statement",{"title":287,"links":288},"Fale com a gente",[289,294,299,304,309,314,319],{"text":290,"config":291},"Fale com um especialista",{"href":292,"dataGaName":293,"dataGaLocation":39},"/pt-br/sales/","sales",{"text":295,"config":296},"Ajuda",{"href":297,"dataGaName":298,"dataGaLocation":39},"/support/","get help",{"text":300,"config":301},"Portal de clientes",{"href":302,"dataGaName":303,"dataGaLocation":39},"https://customers.gitlab.com/customers/sign_in/","customer portal",{"text":305,"config":306},"Status",{"href":307,"dataGaName":308,"dataGaLocation":39},"https://status.gitlab.com/","status",{"text":310,"config":311},"Termos de uso",{"href":312,"dataGaName":313,"dataGaLocation":39},"/terms/","terms of use",{"text":315,"config":316},"Aviso de Privacidade",{"href":317,"dataGaName":318,"dataGaLocation":39},"/pt-br/privacy/","privacy statement",{"text":320,"config":321},"Preferências de cookies",{"dataGaName":322,"dataGaLocation":39,"id":323,"isOneTrustButton":324},"cookie preferences","ot-sdk-btn",true,{"items":326},[327,329,331],{"text":310,"config":328},{"href":312,"dataGaName":313,"dataGaLocation":39},{"text":315,"config":330},{"href":317,"dataGaName":318,"dataGaLocation":39},{"text":320,"config":332},{"dataGaName":322,"dataGaLocation":39,"id":323,"isOneTrustButton":324},"content:shared:pt-br:main-footer.yml","Main Footer","shared/pt-br/main-footer.yml","shared/pt-br/main-footer",{"_path":338,"_dir":339,"_draft":6,"_partial":6,"_locale":7,"id":340,"visibility":324,"title":341,"button":342,"_id":346,"_type":24,"_source":25,"_file":347,"_stem":348,"_extension":28},"/shared/pt-br/the-source/banner/the-economics-of-software-innovation-2025-08-18","banner","The Economics of Software Innovation","The Economics of Software Innovation—AI’s $750 Billion Opportunity",{"config":343,"text":345},{"href":344},"/software-innovation-report/","Get the research report","content:shared:pt-br:the-source:banner:the-economics-of-software-innovation-2025-08-18.yml","shared/pt-br/the-source/banner/the-economics-of-software-innovation-2025-08-18.yml","shared/pt-br/the-source/banner/the-economics-of-software-innovation-2025-08-18",{"_path":350,"_dir":9,"_draft":6,"_partial":6,"_locale":7,"logo":351,"subscribeLink":356,"navItems":360,"_id":372,"_type":24,"title":373,"_source":25,"_file":374,"_stem":375,"_extension":28},"/shared/pt-br/the-source/navigation",{"altText":352,"config":353},"the source logo",{"src":354,"href":355},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1750191004/t7wz1klfb2kxkezksv9t.svg","/pt-br/the-source/",{"text":357,"config":358},"Assinar",{"href":359},"#subscribe",[361,365,368],{"text":362,"config":363},"Inteligência artificial",{"href":364},"/pt-br/the-source/ai/",{"text":92,"config":366},{"href":367},"/pt-br/the-source/security/",{"text":369,"config":370},"Plataforma e infraestrutura",{"href":371},"/pt-br/the-source/platform/","content:shared:pt-br:the-source:navigation.yml","Navigation","shared/pt-br/the-source/navigation.yml","shared/pt-br/the-source/navigation",{"_path":377,"_dir":9,"_draft":6,"_partial":6,"_locale":7,"title":378,"description":379,"submitMessage":380,"formData":381,"_id":384,"_type":24,"_source":25,"_file":385,"_stem":386,"_extension":28},"/shared/pt-br/the-source/newsletter","Boletim informativo The Source","Fique por dentro dos insights para o futuro do desenvolvimento de software.","Você se inscreveu com sucesso no boletim informativo The Source.",{"config":382},{"formId":383,"formName":275,"hideRequiredLabel":324},28471,"content:shared:pt-br:the-source:newsletter.yml","shared/pt-br/the-source/newsletter.yml","shared/pt-br/the-source/newsletter",{"_path":4,"_dir":5,"_draft":6,"_partial":6,"_locale":7,"config":388,"seo":389,"content":390,"type":21,"slug":22,"_id":23,"_type":24,"title":11,"_source":25,"_file":26,"_stem":27,"_extension":28},{"layout":9},{"title":11},[391,395],{"componentName":14,"componentContent":392},{"name":11,"headshot":393},{"altText":11,"config":394},{"src":18},{"componentName":20},{"amanda-rueda":397,"andre-michael-braun":398,"andrew-haschka":399,"ayoub-fandi":400,"brian-wald":401,"bryan-ross":402,"chandler-gibbons":403,"dave-steer":404,"ddesanto":405,"derek-debellis":406,"emilio-salvador":407,"erika-feldman":408,"george-kichukov":409,"gitlab":410,"grant-hickman":411,"haim-snir":412,"iganbaruch":413,"jlongo":414,"joel-krooswyk":415,"josh-lemos":416,"julie-griffin":417,"kristina-weis":11,"lee-faus":418,"ncregan":419,"rschulman":420,"sabrina-farmer":421,"sandra-gittlen":422,"sharon-gaudin":423,"stephen-walters":424,"taylor-mccaslin":425},"Amanda Rueda","Andre Michael Braun","Andrew Haschka","Ayoub Fandi","Brian Wald","Bryan Ross","Chandler Gibbons","Dave Steer","David DeSanto","Derek DeBellis","Emilio Salvador","Erika Feldman","George Kichukov","GitLab","Grant Hickman","Haim Snir","Itzik Gan Baruch","Joseph Longo","Joel Krooswyk","Josh Lemos","Julie Griffin","Lee Faus","Niall Cregan","Robin Schulman","Sabrina Farmer","Sandra Gittlen","Sharon Gaudin","Stephen Walters","Taylor McCaslin",{"ai":362,"platform":369,"security":92},[428,451],{"_path":429,"_dir":430,"_draft":6,"_partial":6,"_locale":7,"config":431,"seo":433,"content":438,"type":446,"category":430,"slug":447,"_id":448,"_type":24,"title":434,"_source":25,"_file":449,"_stem":450,"_extension":28,"date":439,"description":435,"timeToRead":440,"heroImage":436,"keyTakeaways":441,"articleBody":445},"/pt-br/the-source/ai/how-ai-helps-devsecops-teams-improve-productivity","ai",{"layout":9,"template":432,"author":22,"featured":6,"isHighlighted":6,"authorName":11},"TheSourceArticle",{"title":434,"description":435,"ogImage":436,"config":437},"Como a IA ajuda as equipes de DevSecOps a melhorar a produtividade","Saiba como as equipes de DevOps estão usando a IA para ganhar tempo e aumentar a eficiência.","https://res.cloudinary.com/about-gitlab-com/image/upload/v1751464559/fbvzbz6vxppsblv8sngf.png",{"ignoreTitleCharLimit":324},{"title":434,"date":439,"description":435,"timeToRead":440,"heroImage":436,"keyTakeaways":441,"articleBody":445},"2024-01-02","6 min de leitura",[442,443,444],"O uso da IA nos fluxos de trabalho de DevSecOps aumenta significativamente a eficiência e a produtividade ao automatizar tarefas repetitivas, reduzir a alternância de contexto e oferecer assistência inteligente.","As ferramentas de IA podem melhorar a qualidade e a segurança do código, oferecendo sugestões em tempo real, resumindo possíveis ameaças e oferecendo estratégias de remediação.","As empresas devem desenvolver estratégias que abordem questões de privacidade, propriedade intelectual e segurança de dados, garantindo que as implementações de IA estejam em conformidade com os padrões legais e éticos.","A inteligência artificial (IA) e o machine learning (ML) vieram para ficar no desenvolvimento de software, e as equipes de DevSecOps já estão aproveitando essas tecnologias de diversas maneiras para ganhar tempo, aumentar a produtividade e melhorar a eficiência.\n\nConfira algumas maneiras como as equipes de desenvolvimento, segurança e operações podem incorporar a IA em seus processos de DevOps.\n\n## Nove maneiras como as equipes de DevSecOps usam a IA\n\n### 1. Tirar dúvidas na documentação usando chatbots\nPara encontrar respostas mais rápido e reduzir a alternância de contexto, as equipes de DevSecOps podem usar chatbots com tecnologia de IA para fazer perguntas e obter respostas relevantes em tempo real a partir da documentação ou de grandes volumes de texto. Em vez de sair do IDE ou da plataforma onde estão escrevendo e implantando código para pesquisar na internet, os desenvolvedores podem simplesmente perguntar a um chatbot integrado e obter respostas concisas, sem interromper seu fluxo de trabalho.\n\n### 2. Sugerir testes e gerar arquivos de teste\nOs desenvolvedores podem usar a IA para receber sugestões de testes e gerar arquivos de teste para seu código, diretamente na solicitação de merge. Isso pode ajudá-los a aprimorar os testes, garantir uma cobertura de teste adequada para suas alterações e reduzir o tempo gasto escrevendo e planejando testes.\n\n### 3. Resumir as alterações de código\nAo fazer um commit ou solicitação de merge, os desenvolvedores podem usar a IA para gerar um resumo por escrito das alterações de código. Isso pode ajudá-los a ganhar tempo ao fazer commit das alterações e solicitar revisões de código. Além disso, a IA também pode poupar o tempo dos revisores e, provavelmente, gerar uma revisão melhor, ao oferecer mais contexto sobre as alterações antes que eles se aprofundem no código.\n\n### 4. Obter sugestões de quem pode revisar o código\nA revisão de código é um processo importante, mas que pode ser frustrante e demorado, principalmente se não for solicitado o revisor certo na primeira vez.\n\nAo analisar as alterações no código e o gráfico de colaboração do projeto, a IA pode sugerir automaticamente um revisor que possa oferecer feedback mais rápido e de melhor qualidade, além de identificar possíveis problemas. A IA também pode ajudar a economizar tempo sugerindo outro revisor de código caso a pessoa indicada inicialmente não responda ou se a revisão dela não for suficiente.\n\n### 5. Resumir as discussões\nQuando as discussões se tornam longas ou complexas, as equipes podem usar a IA para resumir todos os comentários em um tíquete. Isso ajuda as pessoas a se alinharem e entenderem o status de um projeto e as próximas etapas, promovendo uma colaboração mais fluida e resultados mais rápidos.\n\n### 6. Sugerir código\nAs [sugestões de código com tecnologia de IA](https://about.gitlab.com/blog/top-tips-for-efficient-ai-powered-code-suggestions-with-gitlab-duo/) podem ajudar os desenvolvedores a escrever código com mais eficiência, oferecendo sugestões diretamente no IDE enquanto eles desenvolvem. Os desenvolvedores podem usar a IA para completar blocos de código, definir e gerar lógica para declarações de função, criar testes unitários, sugerir códigos comuns, como padrões de regex, e muito mais. Esses recursos certamente podem tornar os desenvolvedores mais eficientes, mas, como menos de 25% do tempo dos desenvolvedores é dedicado ao desenvolvimento de código ([segundo nossa pesquisa](https://about.gitlab.com/developer-survey/), isso é apenas uma peça do quebra-cabeça.\n\n### 7. Explicar como um trecho de código funciona\nOs desenvolvedores (ou qualquer membro da equipe de DevOps) podem usar a IA para obter uma explicação rápida do que um bloco de código faz e por que ele se comporta dessa maneira, sem sair do seu fluxo de trabalho.\n\nUma explicação de código gerada por IA pode ser especialmente útil para desenvolvedores que precisam entender trechos de código criados por outras pessoas ou que estão escritos em uma linguagem com a qual não estão tão familiarizados. Segundo [nossa pesquisa](https://about.gitlab.com/developer-survey/), os desenvolvedores gastam 13% do tempo tentando entender o que o código faz, portanto, a economia de tempo pode realmente fazer a diferença.\n\n### 8. Resumir vulnerabilidades no código\nCompreender uma vulnerabilidade de segurança recém detectada e como corrigi-la não é tarefa fácil, mas as ferramentas de segurança com tecnologia de IA podem tornar esse processo mais simples e eficiente. Um [resumo de uma vulnerabilidade gerado por IA](https://about.gitlab.com/blog/developing-gitlab-duo-use-ai-to-remediate-security-vulnerabilities/) ajuda os desenvolvedores e profissionais de segurança a entender a vulnerabilidade, como ela pode ser explorada e como corrigi-la. Algumas ferramentas com tecnologia de IA podem até mesmo sugerir uma mitigação com um exemplo de código. Isso pode ser fundamental para [ajudar as equipes a evitar possíveis ameaças e riscos de segurança](https://about.gitlab.com/the-source/ai/4-ways-ai-can-help-devops-teams-improve-security/) com menos esforço.\n\n### 9. Prever métricas de produtividade\nCom o uso da IA, os líderes de software podem [prever métricas de produtividade](https://about.gitlab.com/blog/developing-gitlab-duo-ai-impact-analytics-dashboard-measures-the-roi-of-ai/), como a frequência de implantação, para identificar tendências e anomalias em todo o ciclo de vida do desenvolvimento de software. Esses insights práticos podem ajudar as equipes a implementar mudanças para melhorar sua eficiência e os processos de DevSecOps.\n\n## Benefícios de usar a IA no desenvolvimento de software\nAs equipes de DevSecOps estão usando a IA, ou planejam usá-la, para diversas finalidades, como:\n\n* Melhorar a eficiência do ciclo de vida de entrega de software\n* Acelerar as durações do ciclo\n* Otimizar as verificações de conformidade\n* Aumentar a produtividade dos funcionários\n* Aprimorar a metodologia de segurança\n* Melhorar a qualidade de código\n* Melhorar a satisfação dos clientes\n* Melhorar a satisfação dos funcionários e a experiência do desenvolvedor\n* Melhorar a colaboração entre as equipes\n* Melhorar o desempenho da aplicação\n* Automatizar tarefas repetitivas\n* Reduzir custos operacionais\n* Diminuir a alternância de contexto e a carga cognitiva\n* Reduzir erros humanos\n* Acelerar a integração dos novos colaboradores\n* Ajudar os funcionários a [aprender novas linguagens de programação](https://about.gitlab.com/blog/learn-advanced-rust-programming-with-a-little-help-from-ai-code-suggestions/)\n\n## Como evitar problemas de privacidade e segurança\nApesar dos inúmeros benefícios de integrar a IA ao processo de desenvolvimento de software, é fundamental atentar-se aos possíveis riscos, além dos problemas e obstáculos comuns que podem surgir.\n\nDe acordo com nossa [pesquisa](https://about.gitlab.com/developer-survey/2024/ai/), privacidade, segurança e falta de familiaridade com soluções orientadas por IA foram obstáculos recorrentes que os participantes afirmaram ter enfrentado ou esperam encontrar ao implementar a IA no ciclo de vida do desenvolvimento de software. Entre os obstáculos identificados, as preocupações com a privacidade e a segurança de dados foram as mais citadas (34%), seguidas pela falta de habilidades adequadas (31%) e pela falta de conhecimento de IA (30%).\n\nOs líderes empresariais devem garantir que as implementações de IA cumpram os padrões de privacidade e segurança estabelecidos. Isso envolve integrar mecanismos de verificações e equilíbrio de conformidade em todo o ciclo de vida da IA para proteger dados confidenciais e manter a confiança dos usuários. Além disso, é fundamental garantir que as ferramentas de IA adotadas sejam transparentes quanto ao uso dos dados da sua empresa pelos modelos de machine learning.\n\n## Conheça o GitLab Duo\nTodos os recursos mencionados acima, das explicações de código aos testes sugeridos, fazem parte do [GitLab Duo](https://about.gitlab.com/gitlab-duo/), um conjunto de recursos de IA integrados à plataforma DevSecOps do GitLab. O GitLab Duo ajuda as equipes de DevSecOps a aumentar a eficiência, reduzir as durações dos ciclos e evitar a alternância de contexto, oferecendo fluxos de trabalho auxiliados por IA em todas as fases do ciclo de vida do desenvolvimento de software, tudo em uma única aplicação.\n\n> Descubra por que o GitLab foi nomeado como líder no Quadrante Mágico™ do Gartner® 2024 para assistentes de código de IA.\n> [Acesse o relatório](https://about.gitlab.com/gartner-mq-ai-code-assistants/){class=\"button\" data-ga-name=\"gartner magic quadrant\" data-ga-location=\"thesource\"}","article","how-ai-helps-devsecops-teams-improve-productivity","content:pt-br:the-source:ai:how-ai-helps-devsecops-teams-improve-productivity.yml","pt-br/the-source/ai/how-ai-helps-devsecops-teams-improve-productivity.yml","pt-br/the-source/ai/how-ai-helps-devsecops-teams-improve-productivity",{"_path":452,"_dir":430,"_draft":6,"_partial":6,"_locale":7,"config":453,"seo":455,"content":460,"type":446,"category":430,"slug":484,"_id":485,"_type":24,"title":456,"_source":25,"_file":486,"_stem":487,"_extension":28,"date":461,"description":457,"timeToRead":462,"heroImage":458,"keyTakeaways":463,"articleBody":467,"faq":468},"/pt-br/the-source/ai/4-ways-ai-can-help-devops-teams-improve-security",{"layout":9,"template":432,"author":22,"featured":6,"sourceCTA":454,"isHighlighted":6,"authorName":11},"source-lp-how-to-get-started-using-ai-in-software-development",{"title":456,"description":457,"ogImage":458,"config":459},"Como a IA pode ajudar as equipes de DevOps a melhorar a segurança","Descubra como equipes de DevOps estão usando IA e machine learning para melhorar a segurança, minimizar riscos e entregar códigos mais seguros.","https://res.cloudinary.com/about-gitlab-com/image/upload/v1751463801/t2lucrovy8dadeimvk48.png",{"ignoreTitleCharLimit":324},{"title":456,"date":461,"description":457,"timeToRead":462,"heroImage":458,"keyTakeaways":463,"articleBody":467,"faq":468},"2023-12-05","4 min de leitura",[464,465,466],"IA e ML no desenvolvimento de software vão além da geração de código: podem ajudar a mitigar vulnerabilidades mais rápido, tornam revisões de código mais eficientes e sugerem testes relevantes para garantir uma boa cobertura.","Quase um terço das equipes de DevSecOps já usa IA para a geração de testes automática. No entanto, 55% consideram arriscado introduzir IA no ciclo de vida do desenvolvimento de software.","As empresas devem priorizar ferramentas de IA que não usem dados proprietários ou código-fonte para treinar modelos de machine learning, mas que sejam desenvolvidas com foco em privacidade.","O uso de IA e ML no desenvolvimento de software não serve apenas para ajudar equipes de DevOps a reduzir tarefas repetitivas e entregar código com mais eficiência. Essas tecnologias podem ajudar as empresas a entregar códigos melhores e mais seguros, além de reduzir riscos de segurança para a empresa e seus clientes.\n\nConfira algumas formas de usar a IA para reforçar a segurança da sua empresa:\n\n## Mitigue vulnerabilidades de segurança com mais agilidade\nAo detectar uma vulnerabilidade de segurança, o primeiro passo para corrigi-la é compreendê-la. É justamente nesse ponto que a IA se destaca. Os métodos tradicionais exigem que as equipes revisem o código manualmente em busca de vulnerabilidades, o que consome tempo e está sujeito a erros humanos. Porém, com a IA, desenvolvedores e equipes de segurança conseguem gerar resumos das possíveis vulnerabilidades e de como elas podem ser exploradas por invasores. Ferramentas mais avançadas, com tecnologia de IA, podem até sugerir formas de mitigação com trechos de código como exemplo, oferecendo insights práticos para reduzir os riscos de segurança.\n\n## Torne as revisões de código mais eficientes e precisas\nQuando o código de um desenvolvedor estiver pronto para revisão, haverá algumas maneiras de usar a IA para acelerar o processo e ajudar a identificar possíveis problemas.\n\nA IA pode ajudar o autor a escolher a pessoa mais indicada para revisar o código. Alguém que conheça bem o codebase, tenha mais chances de identificar problemas relevantes e menos chances de ignorar a solicitação, repassar a tarefa ou dar um feedback insuficiente. Escolher a pessoa mais adequada para revisar código pode ser uma tarefa complexa para um ser humano, mas um algoritmo de ML pode analisar as alterações e o histórico de contribuições do projeto para indicar os revisores mais apropriados.\n\nA IA também pode gerar um resumo da solicitação de merge, ajudando os revisores a entender rapidamente o que precisam revisar e facilitando a transição no processo de revisão de código.\n\n## Gere testes para garantir a cobertura adequada\nTestar minuciosamente as alterações no código é uma das maneiras mais importantes de garantir que ele funcione como esperado e não introduza problemas de segurança. No entanto, escrever testes pode ser demorado e desafiador, o que faz com que o código seja, muitas vezes, enviado para os ambientes de produção sem a cobertura de teste adequada.\n\nA IA pode analisar as alterações no código e sugerir testes relevantes, junto com arquivos de teste, para que os desenvolvedores gastem menos tempo elaborando e escrevendo testes, e [mais tempo programando]( https://about.gitlab.com/the-source/ai/how-ai-helps-devsecops-teams-improve-productivity/ ).\n\nNa verdade, muitas equipes de DevOps já estão usando IA para gerar testes. Na nossa [pesquisa de 2024 com mais de 5 mil profissionais de DevSecOps em todo o mundo](https://about.gitlab.com/developer-survey/2024/ai), quase um terço (32%) dos participantes cujas empresas estavam usando IA afirmaram que a utilizavam para geração automatizada de testes.\n\n## Proteja seus dados proprietários ao usar IA\nPara muitas empresas, é importante que os ganhos de eficiência ao usar IA e ML não comprometam a privacidade, segurança ou conformidade. Mais da metade dos participantes da pesquisa (55%) afirmou que considera arriscado introduzir IA no processo de desenvolvimento de software. Preocupações com a privacidade e a segurança dos dados foram o principal obstáculo relacionado à IA identificado pelos participantes.\n\nAntes de integrar a IA nos seus processos de desenvolvimento de software, procure entender como seus dados proprietários serão ou não utilizados para treinar os modelos de machine learning. Permitir que equipes de DevOps usem a ferramenta de IA errada pode levar a [vazamentos prejudiciais e custosos de dados ultrassecretos e código-fonte]( https://www.techradar.com/news/samsung-workers-leaked-company-secrets-by-using-chatgpt).\n\n> Descubra o que sua equipe de DevSecOps pode fazer para começar a entender e mensurar o [impacto da IA generativa](https://about.gitlab.com/pt-br/the-source/ai/how-to-put-generative-ai-to-work-in-your-devsecops-environment/).\n\n### Melhore a segurança com fluxos de trabalho DevSecOps com tecnologia de IA\n\nSoluções de IA como o [GitLab Duo](https://about.gitlab.com/pt-br/gitlab-duo/) podem ajudar as equipes de DevOps a usar IA para melhorar a segurança ao longo de todo o ciclo de vida do desenvolvimento de software, com [recursos](https://docs.gitlab.com/ee/user/ai_features.html) como resumos de vulnerabilidades, testes sugeridos, revisores sugeridos e resumos de solicitações de merge.\n\nO GitLab Duo não treina modelos de ML com dados proprietários ou código-fonte dos clientes e foi projetado com uma abordagem focada em privacidade para ajudar empresas e organizações regulamentadas a adotarem fluxos de trabalho com tecnologia de IA.",[469,472,475,478,481],{"header":470,"content":471},"Como a IA pode ajudar as equipes de DevOps a detectar e mitigar vulnerabilidades de segurança?","A IA pode acelerar a detecção e mitigação de vulnerabilidades gerando resumos dos riscos de segurança e sugerindo correções práticas. Em vez de revisar o código manualmente em busca de vulnerabilidades, as equipes de DevOps podem usar ferramentas de segurança com tecnologia de IA para analisar o código, identificar pontos fracos e oferecer sugestões de remediação, reduzindo o tempo necessário para resolver ameaças de segurança.",{"header":473,"content":474},"Como a IA melhora a eficiência das revisões de código?","A IA melhora a eficiência da revisão de código sugerindo os revisores mais relevantes com base no histórico de contribuições e experiência. Ela também pode gerar resumos de solicitações de merge, ajudando os revisores a entender rapidamente as alterações e a focar nos principais riscos de segurança. Isso reduz os gargalos no processo de revisão e garante avaliações de segurança de maior qualidade.",{"header":476,"content":477},"A IA pode ajudar na geração de testes para melhorar a segurança?","Sim, a IA pode gerar testes automaticamente para garantir a cobertura de código adequada e reduzir a probabilidade de vulnerabilidades de segurança passarem despercebidas. Ao analisar as alterações no código, as ferramentas de IA sugerem testes unitários, testes de integração e testes de segurança relevantes, ajudando as equipes de DevOps a validar o software sem o peso de escrever manualmente cada caso de teste.",{"header":479,"content":480},"Quais riscos de segurança estão associados ao uso de IA no desenvolvimento de software?","Os maiores riscos de usar IA em DevOps incluem preocupações com privacidade, questões de conformidade e possíveis vazamentos de dados. As empresas devem avaliar cuidadosamente as ferramentas de IA para garantir que elas não treinem modelos de ML usando código-fonte proprietário. Soluções de IA como o GitLab Duo priorizam uma abordagem focada em privacidade, garantindo que dados confidenciais permaneçam protegidos.",{"header":482,"content":483},"Como fluxos de trabalho DevSecOps com tecnologia de IA podem melhorar a segurança do software?","Fluxos de trabalho DevSecOps com tecnologia de IA integram segurança em cada etapa do desenvolvimento, oferecendo detecção de vulnerabilidades, análise de riscos, testes automatizados e recomendações de código seguro. Ao usar os insights de segurança orientados por IA, as equipes podem entregar software mais seguro mais rapidamente, enquanto reduzem a carga de trabalho manual e os erros humanos.","4-ways-ai-can-help-devops-teams-improve-security","content:pt-br:the-source:ai:4-ways-ai-can-help-devops-teams-improve-security.yml","pt-br/the-source/ai/4-ways-ai-can-help-devops-teams-improve-security.yml","pt-br/the-source/ai/4-ways-ai-can-help-devops-teams-improve-security",1761814473640]