Como a FAHZ conquistou 94% de cobertura de code review com IA Generativa

Instituição implementa revisões automatizadas de código com 39% de redução no tempo de aprovação utilizando IA Generativa e o apoio estratégico da Zup.

+ 600 %

de crescimento na cobertura de code review

x

mais PRs revisados com comentários

Ponto de Partida

Do manual ao automatizado: A transformação da revisão de código na FAHZ

A FAHZ buscava escalar a qualidade de suas entregas de software, mas o processo manual de revisão de código não acompanhava a velocidade do desenvolvimento. Era necessário modernizar seu processo de revisão de código e assim evitar:

Descentralização do fluxo

Para garantir fluidez, era necessário democratizar as revisões, que antes ficavam concentradas em perfis mais seniores, criando uma oportunidade para otimizar o tempo de aprovação de Pull Requests (PRs).

Uniformidade e governança

A instituição visava adotar um modelo automatizado e livre da interpretação individual, garantindo que o código sempre refletisse o alto padrão de qualidade exigido pelo negócio.

Prevenção inteligente de riscos

Com apenas 11% dos PRs recebendo comentários ou análise estruturada, a FAHZ identificou a oportunidade de aumentar a cobertura das revisões, blindando o ambiente de produção contra bugs e vulnerabilidades.

Solução

Automações direto na esteira CI/CD, agentes de IA especializados e o apoio estratégico da Zup

O time da Zup implementou um agente de IA automatizado de code review nativo no Azure DevOps. Ao abrir um PR, a automação analisa o código, identifica violações e sugere melhorias imediatas registradas no próprio repositório.

Foram configuradas fontes de conhecimento com os padrões de segurança e código específicos da FAHZ. A ferramenta de IA Generativa consulta essas diretrizes para garantir aderência direta em cada revisão.

A adoção ocorreu em três fases, começando por uma API interna para mitigar riscos técnicos. Em seguida, o projeto avançou para um piloto em uma API de menor uso e, após a validação do comportamento, foi expandido para todos os repositórios da FAHZ.

As pessoas desenvolvedoras passaram a utilizar um script Python local para acionar a automação antes do PR. Isso gera feedbacks prévios, agilizando a segunda revisão humana e acelerando o aprendizado contínuo do time de desenvolvimento da FAHZ.

Resultados

Impacto nos negócios

Qualidade e mitigação de riscos

Aderência sistêmica aos padrões de segurança e compliance, gerando uma redução de vulnerabilidades e um código final altamente confiável para a instituição.

Eficiência e produtividade

Com menos retrabalho e aprovações mais rápidas, a equipe de desenvolvimento da FAHZ aumentou o fluxo de entregas e foi liberada para focar em demandas mais estratégicas.

Resultados

Impacto técnico

Cobertura de code review

De 11% para 94% dos PRs com comentários, garantindo análises estruturadas e seguras na grande maioria das entregas técnicas.

0 %

Redução no Lead time

De 87 para 53 minutos (redução de 39%), acelerando a integração do código modificado sem perder a qualidade do software.

Métricas DORA

Melhoria direta no Lead Time for Changes e preparação da infraestrutura tecnológica para monitorar efetivamente o Change Failure Rate.

Esse case mostra o poder da IA Generativa com Amazon Bedrock em proporcionar eficiência operacional e redução de custos, garantindo crescimento sustentável para os negócios.