Diasoft automatizou testes de API e eventos com AI e deslocou o papel de QA para a lógica de negócio

A Diasoft compartilhou como integrou um agente baseado em LLM no pipeline de desenvolvimento e praticamente removeu a escrita manual de testes da equipe de QA para APIs e eventos complexos. O sistema aceita casos de teste em linguagem de negócios, monta automaticamente os contratos necessários, gera código, executa na bancada de testes e o refina até que seja executado com estabilidade.

Por Que Templates Eram Insuficientes

Anterior mente, a empresa cobria automaticamente principalmente operações CRUD típicas e eventos padrão. Para esses cenários, templates eram suficientes porque a lógica se repetia de serviço para serviço. Mas o valor real dos produtos não está na simples leitura e escrita de dados, mas em operações de negócios: cálculo de juros, aplicação de comissões, processamento de limites, inicialização de cadeias de ações relacionadas. Essas são exatamente as partes que geralmente são mais difíceis de testar, e foram exatamente elas que mais desaceleraram as releases quando os testes precisavam ser escritos manualmente.

A Diasoft se apoia em uma plataforma low-code Digital Q.Archer, onde são armazenados contratos de API e eventos. Isso é importante porque a LLM não funciona a partir de descrições aleatórias ou documentação desatualizada, mas a partir de um modelo formalizado do serviço. Isso permite que o sistema compreenda melhor quais endpoints e eventos realmente se relacionam ao cenário, e o testador não gasta tempo parseando dezenas de interfaces manualmente e entende o contexto da operação de negócios mais rapidamente.

Como o Agente Funciona

A ideia chave é que a IA não é extraída para um chat separado ao lado do desenvolvimento, mas é embutida na plataforma Digital Q.DevOps como um agente de testes automatizados completo. Um orquestrador direciona o modelo, valida o código contra regras internas, envia o teste para uma bancada de testes real e retorna os erros de volta para o ciclo de geração. Dessa forma, a LLM não apenas escreve um rascunho, mas percorre o mesmo caminho que um engenheiro normalmente segue durante a depuração.

"A IA não apenas escreve código 'na gaveta', ela o executa

imediatamente na bancada de testes".

Em linhas gerais, o pipeline funciona assim:

• o testador seleciona um serviço e formula um caso em linguagem de negócios
• o orquestrador puxa Swagger e schemas JSON de eventos da Digital Q.Archer
• a LLM seleciona endpoints e eventos relevantes para o cenário
• o modelo gera um teste Groovy, e a plataforma o valida contra regras de domínio
• o código é executado na bancada, e quando falha, é refinado baseado nos logs até que passe com estabilidade

Após a execução bem-sucedida, o sistema adiciona rótulos de serviço e publica o teste pronto no repositório Git do produto.

Groovy foi escolhido para os testes porque é próximo de Java, no qual a maioria dos microserviços da empresa foi construída, mas a abordagem em si não está vinculada a uma única linguagem.

A Diasoft enfatiza separadamente a complexidade do teste de eventos: não é suficiente chamar uma API, você também precisa capturar uma mensagem no broker, verificar a estrutura e garantir que o conteúdo corresponda ao cenário de negócios e ao resultado esperado da operação.

Como o Papel de QA Muda

O efeito mais notável é o deslocamento do papel do testador de escrita de código para gerenciamento de requisitos. Agora a qualidade do resultado depende mais de como o especialista descreveu com precisão o cenário de negócios: o que deve acontecer, sob quais condições e qual resultado é considerado correto. Se a instrução é vaga, o modelo selecionará os endpoints errados ou verificará as condições erradas. Se o cenário está claramente descrito, o caminho para um teste automatizado pronto é notavelmente mais curto.

É precisamente a formulação que se torna a nova ferramenta de trabalho para automação.

Isso também acarreta uma nova área de responsabilidade para QA. Para o testador, não é mais tão importante revisar cuidadosamente o código gerado linha por linha quanto é verificar o significado das asserções e garantir que o teste realmente prove a lógica de negócios necessária. Essencialmente, QA se torna o aceitador do trabalho de IA e um especialista no assunto. Há menos codificação rotineira, mas maiores demandas por compreensão do produto, contratos de integração e qualidade dos próprios requisitos. Isso é mais próximo a uma revisão de cenário do que a programação manual.

O Que Isso Significa

A Diasoft demonstra um cenário prático onde LLM é útil não como um assistente para um desenvolvedor solitário, mas como parte de um pipeline de engenharia gerenciado. Se uma empresa já tem contratos formais, bancadas de testes e regras de validação, a geração de testes automatizados pode ser movida de experimento para processo industrial — especialmente para APIs e eventos complexos que anteriormente quase sempre permaneciam como trabalho manual. Isso é especialmente notável em sistemas financeiros e de integração.