DevOps é mais do que a última palavra da moda do setor para computação mais ágil — é a única maneira de lançar versões de software tão rapidamente quanto o negócio exige, mantendo a qualidade e a segurança. Cada vez mais, inteligência artificial e aprendizado de máquina estão sendo trazidos para auxiliar no processo. Dado o ritmo dos lançamentos, o processo é simplesmente demais para qualquer um supervisionar manualmente. E está funcionando bem para muitas lojas de TI.
Essa é a palavra do GitLab, que lançou um pesquisa de 5.001 gerentes e profissionais de tecnologia que encontraram um crescimento significativo nas práticas de DevOps nos últimos 12 meses. Em 2022, uma fatia considerável dos entrevistados (47%) indicou que DevOps ou DevSecOps era sua metodologia de escolha, um aumento de cinco pontos percentuais em relação a 2021.
Também: DevOps Nirvana ainda é um objetivo distante para muitos, sugere pesquisa
Com esse aumento no DevOps, vem uma maior cadência na entrega de software, mostra a pesquisa. 7 em cada 10 equipes de DevOps (70%) lançam código continuamente – definido como uma vez por dia ou a cada poucos dias – um aumento de 63% em relação ao ano passado. Pelo menos 60% dos desenvolvedores estão liberando código mais rápido do que antes. Um total de 35% disseram que estão liberando código duas vezes mais rápido, enquanto 15% estão liberando código entre três e cinco vezes mais rápido. 8% disseram que o código está saindo pela porta mais de cinco vezes mais rápido.
Para facilitar isso, mais automação de alto nível está sendo aplicada à entrega de software – a pesquisa mostra que 62% das equipes de DevOps estão praticando ModelOps, ou a governança e gerenciamento do ciclo de vida de modelos de inteligência artificial. Pelo menos 31% das equipes estão usando ativamente IA e algoritmos de aprendizado de máquina para revisão de código, mais que o dobro do número do ano passado. A pesquisa também descobriu que 37% das equipes usam IA/ML em testes de software (acima de 25%) e outros 20% planejam introduzi-lo este ano. Outros 19% planejam lançar testes baseados em IA/ML nos próximos dois a três anos.
Paradoxalmente, o método em cascata de liberação de código – no qual o software é projetado e depois jogado por cima do muro para equipes de controle de qualidade ou usuários – ainda prevalece em muitas lojas. A porcentagem de equipes que usam cascata aumentou 16% este ano em relação ao ano passado, relatam os autores da pesquisa. Os praticantes de “Água/Scrum/Queda” tiveram um salto de 23% em relação ao ano passado, acrescentam.
As funções de DevOps continuam mudando, a pesquisa também mostra. Os desenvolvedores estão assumindo trabalhos de operações, as operações são focadas em nuvem ou engenharia de plataforma, e os profissionais de segurança são mais práticos dentro das equipes de desenvolvimento.
A expansão e a segurança da cadeia de ferramentas são citadas como os desafios mais urgentes para as implantações de software baseadas em DevOps, a pesquisa também mostra. A consolidação da cadeia de ferramentas é um foco de alta prioridade, com 69% dos gerentes ou profissionais buscando consolidar suas cadeias de ferramentas para enfrentar desafios com monitoramento, atrasos no desenvolvimento e impacto negativo na experiência do desenvolvedor. Quase 40% dos desenvolvedores estão gastando entre um quarto e metade de seu tempo na manutenção ou integração de cadeias de ferramentas complexas – mais que o dobro da porcentagem de 2021.
A segurança ultrapassou a computação em nuvem como a área de investimento número um entre as equipes de DevOps. No entanto, apesar do desejo de mudar a segurança para a esquerda, muitas empresas ainda são incipientes em sua abordagem e resultados – apenas 10% dos entrevistados relataram receber orçamento adicional para segurança. Além disso, 50% dos profissionais de segurança na pesquisa relatam que os desenvolvedores não estão conseguindo identificar problemas de segurança – na proporção de 75% das vulnerabilidades.
Quando perguntados sobre o que eles poderiam usar para fazer seu trabalho melhor, os desenvolvedores do estudo buscam mais e melhor revisão de código, testes automatizados e melhor planejamento (todos com 31%). Entrando como um forte segundo foi AI/ML para escrita e revisão de código (27%), seguido de reutilização de código (26%). “Essas respostas não representam nenhum desvio significativo do que os desenvolvedores disseram no ano passado, talvez ressaltando o quão difícil é fazer mudanças sistêmicas no processo e na tecnologia”, concluem os autores da pesquisa.