Fundamentos e diferenciais (S)
Premissa central
Seção intitulada “Premissa central”Este modelo trata IA como parceira ativa do ciclo de desenvolvimento de uma aplicação institucional de médio porte: ela antecipa contexto antes de qualquer reunião, participa em tempo real das conversas com o usuário, documenta continuamente decisões e artefatos e detecta problemas cedo, antes de chegar a produção. Tudo isso permanece dentro do limite do framework: a IA não decide, ela acelera; toda decisão relevante segue com revisão humana explícita.
Como usar IA, automações, ferramentas de prototipação, codificação, teste, qualidade, segurança, observabilidade e entrega de forma rastreável, validável, proporcional e auditável, mesmo quando a IA está presente em cada etapa?
A premissa do framework permanece intacta: o SinergIA não escolhe a ferramenta nem prescreve qual modelo de IA usar — define como qualquer ferramenta deve ser usada para que o desenvolvimento, com ou sem IA, seja rastreável, validável, auditável e institucionalmente confiável.
Contexto de aplicação
Seção intitulada “Contexto de aplicação”| Dimensão | Característica esperada |
|---|---|
| Usuários | Área de negócio definida, com uso interno ou institucional controlado |
| Escopo | Vários fluxos funcionais com integrações e workflow de aprovação |
| Dados | Pode envolver dados pessoais; integrações sensíveis exigem rigor reforçado |
| Equipe | PO/negócio, analista, arquiteto, desenvolvedores, QA, DevOps, segurança e fiscalização — com acesso a ferramentas de IA disciplinadas |
| Maturidade | Time já familiarizado com IDE assistida por IA, prompts estruturados e governança de prompts/tools |
| Contratação | Execução por fábrica de software, com gestão por OS, sprints, histórias ou entregas |
Esse perfil tende ao Modo Essencial com migração para Modo Completo quando o risco exigir, conforme Modos de Aplicação. Independente do modo, todo uso de IA passa pelos princípios de Supervisão humana obrigatória e Validação em múltiplas camadas.
Cinco diferenciais deste modelo
Seção intitulada “Cinco diferenciais deste modelo”| Diferencial | O que muda em relação ao Modelo 1/2 |
|---|---|
| Pré-requisitos automatizados | Antes da conversa com o usuário, a IA já levantou normas, regras, melhores práticas e frameworks aplicáveis à demanda — sem depender de input do usuário. |
| Wireframes em tempo real | No primeiro contato, a IA apresenta protótipos iniciais e os evolui durante a conversa conforme feedback ao vivo (Figma/Storybook integrados). |
| Reuniões aumentadas por IA | Reuniões com IA acompanhando, transcrevendo e analisando em tempo real, ajustando documentos e wireframes apresentados no mesmo encontro. |
| Documentação automática | Reuniões internas e externas são transcritas, analisadas e convertidas automaticamente em histórias, ADRs, roadmaps e encaminhamentos versionados. |
| Ganhos mensuráveis em cada fase | ROI documentado por fase: tempo economizado, qualidade da especificação, conformidade, cobertura por requisito e redução de retrabalho. |
Objetivos do modelo
Seção intitulada “Objetivos do modelo”| Resultado esperado | Como o modelo contribui |
|---|---|
| Antecipação de contexto | IA varre normas, ADRs anteriores, padrões e riscos históricos antes do primeiro contato com o usuário. |
| Requisitos claros mais cedo | Detecção de ambiguidades, contradições e gaps já durante a primeira reunião, com sugestão de critérios faltantes. |
| Rastreabilidade ponta a ponta | Cada artefato (história, ADR, código, teste) é vinculado a requisito, conformidade e evidência por identificador único. |
| Conformidade desde a origem | Mapeamento contínuo de LGPD, LAI, ISO 27001 e outros marcos sobre cada requisito, sem retrofit no fim. |
| Qualidade verificável | Geração de testes a partir de critérios BDD, cobertura analisada por requisito (não só por linhas de código). |
| Auditoria contínua | Logs imutáveis, ADRs gerados com rationale, monitoramento pós-deploy com alertas de conformidade. |
Estrutura por pontos de vista
Seção intitulada “Estrutura por pontos de vista”A leitura por pontos de vista permanece a mesma do framework. O que muda neste modelo é onde a IA atua dentro de cada PV — sempre subordinada a uma revisão humana competente.
| Ponto de vista | Onde a IA atua | Quem revisa (obrigatório) |
|---|---|---|
| ESP — Especificação | Pré-pesquisa de normas, transcrição, detecção de ambiguidades, geração de histórias BDD, matriz de conformidade × requisitos | Analista/PO + Validador de Negócio |
| ARC — Arquitetura | Proposta C4 com trade-offs, ADRs com rationale, identificação de riscos arquiteturais e dependências | Arquiteto + Validador Técnico |
| QA — Qualidade | Geração de testes (unitários, integração, E2E), análise de cobertura por requisito, code review automático | QA Lead + Validador Técnico |
| IMP — Implementação | Boilerplate, code completion, refactoring, sugestão de testes, detecção de anti-patterns | Tech Lead (revisão obrigatória antes de merge) |
| GTI — Governança de TI | Documentação contínua, atas automáticas, ADRs versionados, rastreabilidade automática | Gestor do contrato + Fiscal técnico |
| PDP — Proteção de Dados | Mapeamento contínuo LGPD, identificação de dados pessoais em código/payloads, sugestão de minimização | Encarregado de Dados (intervenção obrigatória em alto risco) |
Próximo: Fase 0 — Pré-reunião com IA