Com IA, o aprendizado de cada chamado fica registrado no produto e ajuda a resolver o próximo.

Um chamado chega ao time de sustentação: um sistema parou de processar parte dos pedidos. A pessoa de plantão abre os logs, percorre alguns repositórios e pergunta no chat quem fez a última alteração naquele módulo. Horas depois, encontra a causa, e a correção leva bem menos tempo do que a busca. Dias mais tarde, alguém lembra que o mesmo erro já tinha aparecido meses antes e que outra pessoa do time o corrigiu.
Esse tipo de situação ajuda a explicar um dado do relatório <a href="https://assets.ctfassets.net/jdtwqhzvc2n1/1L65zWJm1D3elsD2Yaeo6T/fc9a23041a967a94848f9afa88047e06/State-of-Production-Reliability-and-AI-Adoption.pdf">State of Production Reliability and AI Adoption (abr/2026)</a>, da NeuBird, que ouviu 1.039 profissionais de SRE, DevOps e operações de TI. De acordo com a pesquisa, a maioria dos times dedica 40% ou mais do tempo à gestão de incidentes. Entre as principais preocupações citadas, aparecem os silos de conhecimento e as lacunas de documentação. A sustentação de software com IA atua justamente no que acontece depois que o time fecha um chamado. Com ela, cada análise pode servir de ponto de partida para a próxima.
<div id="toc_container" role="navigation" aria-label="Table of Contents" data-nosnippet class="toc_white no_bullets toc_numbered toc_title_center">Sumário<ul class="toc_list"><li><a href="#Por-que-a-sustentacao-reinvestiga-o-que-ja-foi-resolvido">1. Por que a sustentação reinvestiga o que já foi resolvido</a></li><li><a href="#O-que-muda-na-sustentacao-de-software-com-IA">2. O que muda na sustentação de software com IA</a><ul><li><a href="#Qual-e-a-vantagem-particular-da-IA-no-uso-operacional">2.1. Qual é a vantagem particular da IA no uso operacional?</a></li></ul></li><li><a href="#Como-a-dti-organiza-a-sustentacao-com-o-ai-opskit">3. Como a dti organiza a sustentação com o ai-ops.kit</a><ul><li><a href="#Na-sustentacao-de-software-com-IA-quem-aprova-a-correcao">3.1. Na sustentação de software com IA, quem aprova a correção?</a></li></ul></li><li><a href="#Quando-o-conhecimento-de-sustentacao-vira-ativo-do-produto">4. Quando o conhecimento de sustentação vira ativo do produto</a></li><li><a href="#Sustentacao-de-software-com-IA-em-operacoes-maduras">5. Sustentação de software com IA em operações maduras</a></li></ul></div>
<h2 dir="ltr">Por que a sustentação reinvestiga o que já foi resolvido</h2>
Um time de sustentação costuma responder por vários produtos e repositórios ao mesmo tempo. Cada chamado exige recuperar o contexto de sistemas que o time nem sempre desenvolveu. Em muitos chamados, a correção é pequena, e a maior parte do tempo vai para localizar a origem do problema.
Esse esforço cresce porque o conhecimento de sustentação fica disperso. Parte dele está em chamados encerrados, guardados na ferramenta de gestão. Outra parte fica em conversas e reuniões, cujo conteúdo dificilmente chega a um lugar fácil de consultar depois.
A pesquisa anual do <a href="https://survey.stackoverflow.co/2026/knowledge/data">Stack Overflow (out/2026)</a> ajuda a dimensionar esse cenário. Segundo o levantamento, 75% dos desenvolvedores passam cinco horas ou mais por semana procurando informações. Entre as dificuldades citadas estão informações incompletas (63%), desatualizadas (57%) ou espalhadas em ferramentas demais (53%). Quando surge uma dúvida específica, a fonte mais confiável continua sendo as pessoas do time (72%), à frente do código (63%) e da documentação (60%). Na sustentação, isso reforça o risco de depender de pessoas para recuperar soluções anteriores, inclusive de quem já mudou de projeto.
<h2 dir="ltr">O que muda na sustentação de software com IA</h2>
Sob pressão, cruzar chamados antigos, logs, alterações de código e documentação é trabalhoso, e a IA pode apoiar essa investigação. Com acesso a essas fontes, ela consulta todas de uma vez e compara um chamado novo com o histórico disponível daquele produto. Assim, a investigação passa a contar com o que o time já registrou e depende menos da memória de quem estava no time na época.
O resultado, porém, depende da qualidade desse registro. Um chamado encerrado apenas com “resolvido” oferece pouco contexto para investigações futuras. Já uma análise que descreve o sintoma, a causa, o que o time tentou e o que funcionou vira matéria-prima para os próximos chamados.
<h3 dir="ltr">Qual é a vantagem particular da IA no uso operacional?</h3>
No uso operacional, a vantagem da IA está na correlação em escala. Ela cruza informações de várias fontes e aponta padrões que orientam a investigação. Isso pesa ainda mais quando o time cuida de muitos produtos. Feito à mão, esse cruzamento levaria horas e dependeria de alguém lembrar onde procurar.
<h2 dir="ltr">Como a dti organiza a sustentação com o ai-ops.kit</h2>
Na dti, a sustentação de software com IA se apoia no ai-ops.kit. Ele faz parte dos kits que formam a nossa propriedade intelectual, usada sobre as ferramentas de mercado. A <a href="https://www.dtidigital.com.br/blog/operacao-ai-native-dti">Operação AI-Native</a> descreve o fluxo completo do kit. Duas etapas dele pesam mais para quem depende do sistema: a recuperação da operação e o registro do diagnóstico.
A primeira é a solução paliativa. Antes de chegar à causa raiz, o kit avalia se existe uma saída provisória e segura para devolver a operação. Quando ela existe, quem usa o sistema volta a trabalhar enquanto a investigação continua, e a correção definitiva segue sem a pressão de um sistema parado.
A segunda é o registro. Cada análise fica versionada junto com o código do produto. Dessa forma, a explicação de um problema passa a estar no mesmo lugar que o sistema que ele afeta. É ali que a próxima investigação vai começar, com uma pessoa ou um agente à frente.
<h3 dir="ltr">Na sustentação de software com IA, quem aprova a correção?</h3>
A decisão final continua com uma pessoa do time. O kit investiga a causa raiz e propõe a correção, que chega pronta para revisão. Quem revisa confirma se a causa encontrada é de fato a origem do problema e avalia o impacto da mudança em um sistema que outras áreas usam todos os dias.
<h2 dir="ltr">Quando o conhecimento de sustentação vira ativo do produto</h2>
Na sustentação de software com IA, o efeito desse registro aparece com o tempo. A cada chamado bem documentado, o repositório acumula análises que ajudam a explicar o comportamento do sistema. Um chamado parecido com um anterior já começa com uma hipótese testada.
Esse acúmulo também melhora o trabalho dos agentes. Um repositório com contexto confiável, somado a testes e controles de acesso, permite que um agente atue com mais segurança. Detalhamos essa ideia em <a href="https://www.dtidigital.com.br/blog/harnessability-dti">Harnessability na régua da dti: nosso critério para a IA agêntica</a>.
A mesma preocupação com a preservação do conhecimento aparece no <a href="https://www.dtidigital.com.br/cases/oraculo-decifrando-o-sistema-legado-e-automatizando-a-documentacao-tecnica">case Oráculo</a>, voltado à documentação de sistemas legados. O cliente, uma das maiores empresas do setor industrial, lidava com vários repositórios de código com documentação defasada ou inexistente. Boa parte do conhecimento sobre esses sistemas dependia de desenvolvedores veteranos, o que criava risco de perda de informação crítica e tornava cada manutenção mais lenta.
Para resolver isso, desenvolvemos o Oráculo, uma solução de IA generativa que analisa o código-fonte. Ela gera a documentação técnica de forma automatizada, no padrão da empresa, e alimenta a wiki que o time já consulta. Além disso, os desenvolvedores contam com uma interface de conversa, em que podem perguntar, por exemplo, em que parte do código fica determinada regra. Com o Oráculo, o tempo para entender a arquitetura dos sistemas caiu 75%, e o que levava um mês passou a levar uma semana.
<h2 dir="ltr">Sustentação de software com IA em operações maduras</h2>
Grandes empresas costumam ter operações de sustentação estruturadas, com ferramenta de gestão de chamados, classificação por criticidade e acordos de nível de serviço. Os indicadores mais comuns, como tempo de atendimento e cumprimento de SLA, medem a velocidade de fechamento dos chamados. Poucos medem quanto do aprendizado o time reaproveita depois.
É nesse ponto que a sustentação de software com IA se soma à estrutura que já existe. Ela permite reaproveitar diagnósticos anteriores dentro dos controles e fluxos de aprovação atuais. Para uma operação madura, uma boa pergunta é quantos dos chamados reincidentes do último trimestre poderiam ter partido de uma análise anterior.

Sustentação de software com IA: o que se perde entre chamados

Desbloqueie o futuro do seu negócio

Mais conteúdos como esse

Travessa Dona Zilda, 125, sala 203, São Gonçalo – Pelotas, RS. CEP: 96075-166

14841 Dallas Parkway, 8th Floor Addison, TX 75254

R. Levindo Lopes, 357, 5º e 12º Andar – Savassi, Belo Horizonte MG, 30112-010