Como a Delivery Hero levou IA para revisão de código em mais de 4.000 profissionais técnicos

O desafio era aumentar produtividade técnica sem sacrificar qualidade. Em plataformas digitais, cada nova funcionalidade passa por desenvolvimento, testes, revisão, deploy e monitoramento. Revisões manuais de pull requests são essenciais, mas podem virar gargalo quando a organização opera com muitos times e repositórios.

Empresas brasileiras com squads digitais enfrentam o mesmo desafio: manter velocidade de entrega, reduzir bugs, padronizar código e preservar tempo dos engenheiros seniores para decisões complexas. A Delivery Hero buscou usar IA para atacar esse ponto do fluxo de engenharia.

Antes do uso estruturado de IA, a geração e atribuição de revisores de pull requests era tratada manualmente, e erros podiam passar pelo processo. Equipes técnicas gastavam tempo verificando estilo, typos, padrões básicos e testes ausentes.

Esse tipo de esforço é necessário, mas nem sempre é o melhor uso do tempo de pessoas altamente qualificadas. A empresa queria permitir que desenvolvedores se concentrassem mais em arquitetura, lógica de negócio e decisões de produto.

A Delivery Hero adicionou Gemini Code Assist ao ferramental de desenvolvimento. O assistente passou a atuar em revisão inicial de código, code completion, explicação de trechos, geração de testes unitários e comentários sobre pull requests.

A solução também foi ajustada com guias de estilo customizados, para que as sugestões respeitassem a filosofia de desenvolvimento da empresa. Isso evita que a IA imponha padrões genéricos e aumenta a aderência ao contexto interno.

A tecnologia central é Gemini Code Assist, disponibilizado no ambiente de desenvolvimento por interface web e plugins para IDEs como IntelliJ e Visual Studio Code. O assistente possui consciência contextual entre arquivos, o que permite identificar testes ausentes ou impactos em arquivos relacionados.

O uso de IA foi inserido no fluxo técnico real: antes da revisão formal, durante escrita de código e em geração de testes. Isso diferencia o caso de um simples chatbot para desenvolvedores.

O desenvolvedor usa o assistente dentro da IDE ou interface integrada para completar código, explicar trechos e gerar testes. Quando há pull request, a IA pode fazer uma revisão inicial, apontando questões de estilo, typos, edge cases e potenciais falhas de segurança.

Os autores respondem aos comentários da IA antes de resolver o PR, criando um processo mais colaborativo. Assim, a IA não apenas corrige, mas também ajuda o time a discutir e entender as razões por trás das mudanças.

O processo começa na escrita do código com assistência contextual, segue para geração ou sugestão de testes, passa por revisão inicial automatizada e depois chega à revisão humana com menos ruído. A IA atua como filtro e acelerador, mas a decisão técnica continua com o time.

Esse fluxo pode ser combinado com métricas DORA, como frequência de deploy, lead time, taxa de falhas e tempo de recuperação. A fonte informa que a Delivery Hero está adaptando métricas DORA para snapshots semanais de indicadores.

• Gemini Code Assist disponibilizado para mais de 4.000 engenheiros de software e cientistas de dados.
• Uso em code completion, explicação de código e geração de testes unitários.
• Revisão inicial de pull requests para capturar erros comuns, estilo, typos, edge cases e falhas de segurança.
• Feedback positivo e alta adoção entre equipes técnicas, segundo a fonte.
• Vencedora do Google DORA Award 2025 por melhoria da experiência de desenvolvimento.

Para uma diretoria de tecnologia, o case mostra IA aplicada ao fluxo de entrega de software com foco em qualidade, colaboração e velocidade.

O aprendizado é que IA para desenvolvimento gera valor quando entra nos pontos de maior atrito do fluxo: escrita, teste e revisão. O objetivo não é substituir revisão humana, mas reduzir trabalho repetitivo e aumentar a qualidade antes da revisão formal.

Para empresas brasileiras, o caminho é começar com times piloto, medir aceitação, qualidade dos comentários, tempo de ciclo de PR e redução de bugs. A IA deve respeitar padrões internos, guias de arquitetura e políticas de segurança.