Interpretação de Artefatos com IA
Ir para notas que citam estaInterpretação de artefatos com IA é fornecer um artefato de um sistema (protótipo de tela, documentação técnica, código-fonte) a um modelo generativo para que ele descreva o que entende da aplicação.
É o primeiro passo do caminho rumo a Testes Autônomos com IA: antes de gerar cenários, scripts ou massa de dados, e antes de executar qualquer coisa, é preciso entender o que existe para ser testado. A descrição que o modelo devolve (visão geral, elementos identificados, percepções) vira a entrada das etapas seguintes, em especial do Planejamento de Testes com IA, que pergunta o que, como e onde testar.
A técnica vale para quatro famílias de artefato: imagem (protótipo ou layout), documentação técnica, código-fonte e repositório, cada uma com sua forma de entrega e seus limites.
Como conduzir a interpretação
O procedimento é simples: escolher o artefato, entregá-lo ao modelo e pedir apenas que o interprete, sem antecipar o que se espera da resposta. Isso mostra o que o modelo enxerga por conta própria. Um prompt aberto também simula a perspectiva de quem está começando em testes e não saberia fazer perguntas técnicas.
Pedir só a interpretação não basta para obter sugestões de teste: nenhum dos modelos comparados as ofereceu espontaneamente. Elas aparecem quando vêm perguntas direcionadas depois da interpretação, e ficam mais apuradas quando o prompt pede ao modelo que assuma o papel de um profissional de testes. As respostas saem acessíveis mesmo sem pedir uma explicação simplificada, o que ajuda muito o iniciante. Para quem já domina testes, o ganho maior está em automatizar a geração dos scripts do que em descobrir o que testar. A comparação sistemática entre modelos está em ChatGPT versus Gemini na Interpretação de Artefatos.
Protótipos de tela como artefato
A partir apenas da imagem de um formulário de cadastro de livro, o modelo reconheceu logo, barra de navegação, itens de menu, campos de nome e ISBN, dois dropdowns com valor pré-selecionado, área de upload de imagem e um checkbox de produto ativo. Chegou a notar um aviso quase invisível sobre o tamanho mínimo da imagem, que havia passado despercebido a quem preparou o exemplo, e identificou que um ícone era a logo do sistema, não a do livro.
O reconhecimento, porém, não é confiável por inteiro. Um dos modelos agrupou seções de forma errada, atribuiu os botões de limpar e salvar a um só bloco quando valiam para o formulário inteiro e afirmou um ano de publicação que não aparece em lugar nenhum da tela, um caso típico de Alucinação.
Documentação técnica e código-fonte como artefato
Uma especificação Swagger pode ser colada como texto no chat ou anexada como arquivo. Colada, esbarra no limite do prompt: uma especificação de quase 3000 linhas gerada por uma biblioteca Java não coube e precisou ser trocada por uma menor.
Com o código-fonte, o que funcionou foi anexar o projeto compactado em ZIP. O modelo escreveu e executou código Python para descompactar o arquivo e então descreveu os arquivos de configuração (.gitignore, Dockerfile, LICENSE, pom.xml), os workflows de GitHub Actions, os scripts de release, as pastas de controllers e models, a pasta de testes em Java e o arquivo de definição OpenAPI dentro dos resources. Passar apenas a URL de um repositório GitHub não rendeu informação útil em nenhum dos modelos testados em 2024; o conteúdo precisou ir direto no prompt ou em anexo. Na mesma época, o plano gratuito de um dos modelos aceitava só texto e imagem, e o outro limitava o envio a um ZIP por dia.
Limites e cuidados
Um projeto de trabalho pode conter chaves de API, senhas de banco, dados de teste e comentários sensíveis. Ferramentas de IA generativa de uso geral podem reutilizar o conteúdo das conversas como dado de treinamento. Remova ou mascare segredos antes de enviar, ou prefira alternativas discutidas em Modelo Local versus API Paga.
Projetos de exemplo públicos oferecem risco baixo. Em qualquer caso, a interpretação agiliza o levantamento do que existe, mas precisa ser revisada por alguém que conheça o domínio, por causa das alucinações e das leituras erradas de estrutura.