Engenharia de software assistida por inteligência artificial: métodos para qualidade, testagem e acessibilidade

Descrição

A rápida evolução da inteligência artificial generativa e dos Grandes Modelos de Linguagem (Large Language Models, ou LLMs) tem transformado a engenharia de software, abrindo novas fronteiras para a automação de testes, análise de código e concepção de interfaces. Contudo, desafios críticos persistem na garantia de confiabilidade dessas abordagens: por um lado, na verificação de código, o problema do oráculo de teste e o risco de asserções fracas ou alucinações demandam estratégias rigorosas de análise comportamental via análise de mutação e métodos para detecção de dívida técnica com modelos de linguagem abertos locais; por outro, no desenvolvimento de interfaces, a acessibilidade digital permanece frequentemente negligenciada, carecendo de ferramentas automatizadas para ecossistemas móveis modernos (React Native e Flutter) e de métodos para auditoria e adaptação semântica em conformidade com normas mandatórias (ABNT NBR 17225:2025 e WCAG 2.2). O presente plano de pesquisa (2026-2029) investiga soluções para esses desafios organizadas em dois eixos fortemente articulados: (Eixo I) qualidade de software, testes automatizados e IA aplicada; e (Eixo II) acessibilidade digital normativa, inclusão e interfaces inteligentes. A proposta une métodos empíricos consolidados (análise de mutação e verificação sintático-semântica) à engenharia de prompts e modelos multimodais, resultando em linters, suítes de teste de código aberto e evidências comparativas entre modelos locais e proprietários. Os resultados esperados incluem contribuições metodológicas e ferramentais, formação qualificada de recursos humanos em nível de graduação (PGC/BCC, PD/BC&T e Iniciação Científica) e especialização (TCC/TSI), além de publicações em conferências e periódicos indexados.