Na palestra “The New Code – Specs: Write once, run everywhere” (julho de 2025), Sean Grove, da equipe técnica da OpenAI, compartilhou a visão de que as “especificações executáveis” vão se tornar a unidade fundamental do desenvolvimento de software, deslocando o foco de escrever código para a definição de especificações rigorosas que sirvam como fonte de verdade.

Nesse enfoque, uma especificação versionada e precisa pode ser “compilada” em documentação, casos de teste, comportamento de modelos de Inteligência Artificial e até mesmo em código executável. A ideia é alinhar humanos e máquinas através de especificações claras que expressem a intenção, ao invés de concentrar tudo no código-fonte.

E, embora Grove apresente essa visão como uma nova verdade, isso é algo que a GeneXus antecipou, aplicou e superou há mais de 35 anos.

A GeneXus, criada no final dos anos 80, foi pioneira na geração de software baseada em modelos ou Bases de Conhecimento (Knowledge Base).

Na GeneXus, o código é um subproduto, não o objetivo final. Isso significa que o desenvolvedor define o que é necessário (a especificação do problema) em uma Base de Conhecimento, e a plataforma se encarrega de como resolver, gerando o código automaticamente.

Há décadas, a GeneXus permite capturar o conhecimento do negócio em um modelo estruturado e gerar automaticamente o sistema a partir desse modelo, utilizando geradores de código determinísticos.

Essencialmente, esse conceito de “especificação executável” do qual fala Sean Grove foi implementado pela GeneXus desde o início, utilizando um modelo de alto nível como fonte de verdade, para daí derivar automaticamente programas completos em múltiplas linguagens e plataformas.

Do “Separando o O Quê do Como” ao “Como Geramos o O Quê”

Para gerar código a partir da fonte da verdade, a OpenAI utiliza Large Language Models. A GeneXus, por sua vez, utiliza geradores determinísticos para criar software a partir do modelo.

Embora o hype esteja do lado da geração com Large Language Models, fazer isso com geração determinística tem duas vantagens pouco discutidas, mas que queremos compartilhar, pois impactam diretamente o trabalho das equipes e o custo dos projetos:

• Código confiável sem necessidade de revisão humana.

• Eficiência de custos na geração.

1. Código confiável sem revisão humana para Sistemas de Missão Crítica

Ao contrário da geração de código com LLMs, a GeneXus assegura um nível de confiabilidade muito alto em Sistemas de Missão Crítica sem necessidade de revisão manual linha por linha.

Isso é possível graças à geração determinística. A GeneXus sempre produz o mesmo código, consistente e correto, a partir das especificações definidas na Knowledge Base, garantindo qualidade, rastreabilidade e facilidade de manutenção.

Com a tecnologia da GeneXus, não há espaço para variabilidade aleatória nem para “alucinações”, algo que pode ocorrer com saídas de IA generativa, o que pode acarretar sérios desafios para sistemas críticos. Na verdade, as soluções que dependem apenas de IA generativa podem ser eficazes no curto prazo, mas apresentam limitações quando aplicadas em sistemas críticos em larga escala:

• O código gerado pela IA pode variar até mesmo em solicitações semelhantes, afetando a consistência.

• Existe o risco de que o código gerado contenha erros ou falhas, devendo ser revisado antes de ser utilizado.

• Ao construir sistemas complexos, a IA generativa tende a deixar de fora componentes importantes ou detalhes necessários.

• Além disso, esse tipo de IA ainda enfrenta desafios para estruturar e manter de maneira ideal o conhecimento próprio de cada empresa.

Em contextos de missão crítica, onde o erro não é uma opção, a GeneXus permite gerar um código 100% consistente e correto. Não é necessário que um humano revise ou corrija o código gerado porque o conhecimento formalizado e o tipo de gerador garantem a fidelidade ao modelo e a qualidade do resultado.

2. Eficiência e custo: GeneXus vs. modelos de IA generativa

Outro aspecto crucial onde a GeneXus se destaca em relação à abordagem de IA generativa é a eficiência computacional e o custo operacional. Modelos de IA como o GPT-4, entre outros, requerem muitos recursos para treinamento (conjuntos de dados gigantescos, clusters de GPUs de última geração). Também consomem infraestrutura cara toda vez que um resultado é gerado. Cada linha de código produzida por um modelo generativo implica uma nova inferência com custo computacional significativo. E se precisamos gerar código repetidamente ou para múltiplas plataformas, esses custos vão se acumulando.

A GeneXus, por outro lado, utiliza geração determinística de software, com algoritmos que rodam em um PC comum, produzindo código otimizado sem necessidade de GPUs ou servidores caros.

O custo por geração é basicamente o de executar um programa de desktop, o que tende a zero em escala. Isso permite uma abordagem muito mais eficiente.

Comparada aos modelos de IA generativa, a GeneXus oferece uma abordagem muito mais econômica e eficiente, sem custos ocultos por execução nem necessidade de infraestrutura de IA. O investimento se concentra em modelar corretamente o conhecimento; depois, a geração é feita pela máquina com um custo marginal insignificante.

Um modelo pioneiro, industrial e pronto para escalar hoje mesmo

A visão de “especificações executáveis” que agora ganha força valida o caminho que a GeneXus traçou há mais de três décadas e já oferece uma solução sólida, madura e industrializada para gerar software a partir de modelos, com a eficiência e confiabilidade comprovadas em milhares de sistemas produtivos.

Se você achou esse enfoque interessante, convido você a explorar mais sobre essa convergência de IA e Low-Code no GeneXus Live: genexus.com/live.

Também recomendo se aprofundar mais nesses temas através de genexus.com/webinars, onde você encontrará recursos pensados para ajudar equipes e empresas a darem o salto para esse novo paradigma de desenvolvimento.

Esperamos você para descobrir juntos como a GeneXus pode revolucionar a forma como você cria software!

Você também pode estar interessado em ler:

GeneXus Next: Native Agentic Low-Code Development for Mission-Critical Systems

Criação e inovação na era da IA

Low-Code + IA Generativa: Desafios e oportunidades para CIOs